连OpenAI自己都受不了“AI味”了：GPT-6官方指南出炉，首次成体系封杀大模型烂梗词

山姆·奥特曼宣布 GPT-6 Astra 全量向所有 Plus 与 Business 用户开放后，科技社区在短暂的跑分热潮之后，迅速陷入了一场关于“新模型到底该怎么写提示词”的工程摸索。

美东时间 9 月 3 日（北京时间 9 月 4 日凌晨）Astra 上线初期，不少早期订阅者反映遇到两种截然不同的体验：一方面，在复杂系统重构与数十万行代码工程中，Astra 展现出前代模型难以企及的端到端推进能力；另一方面，在日常对话与常规任务里，它频繁停下来反问澄清，甚至改动两行配置文件都要自发拉起整套回归测试。

针对这些普遍的工程困惑，OpenAI 在官方模型文档中上线了一份专属于 GPT-6 Astra 的提示词设计指引（Prompting Guide）。

这份指引最引人注目的动作，在于官方公开承认了新模型的行为偏向，并且首次列出了一份官方定义的“slop 词屏蔽清单”（blocklist of slop words，即大模型在长期语料训练中固化下来的机械套话）。

从 GPT-5.6 Sol 跨越到 GPT-6 Astra，大模型的底层推理逻辑发生了变化，开发者与模型协作的提示词契约也必须同步重写。

许多开发者上手 Astra 的第一个直观感受，是这个模型表现得过于客气，甚至稍显拖沓。

面对一段带有轻微模糊性的需求，前代 GPT-5.6 Sol 往往会根据统计概率自行推断一个最可能的分支直接执行完毕；Astra 却经常选择停下来，列出三个可能的技术方向，向用户询问希望采用哪一种方案。

OpenAI 在官方文档中给出了定调解释：Astra 在架构上被训练得更具审慎性，它主动提出澄清问题（clarifying questions）的频率明显高于 GPT-5.6。官方初衷是让它成为一个“更有效的协作者”，减少因擅自揣测意图而导致的返工。

这种设计的代价非常直接：模型常常在用户期望它自动化闭环的地方停滞等待。

针对这个问题，OpenAI 在文档中给出了官方修复公式，要求开发者在提示词中显式注入“行动倾向”（bias towards action）：

这段提示词确立了三条核心原则：

• 模糊指令即行动信号
  ：只要用户说出“你能帮我……”、“我想……”或“帮我看看”，模型必须将其视为立即推进任务的触发指令，不得将其当作展开多轮咨询的契机。
• 划定非破坏性自主权
  ：在创建独立工作区分支、解决代码合并冲突、执行只读检查、起草拉取请求（Draft PR）等可逆范围内，模型必须独立推进到底。
• 审批前置交付物
  ：只有在准备好具体、可供人类核验的最终产出时，模型才能向用户请求批准。无端抛出假设性风险警告或冗长的免责清单，属于被明确叫停的低效行为。

如果说行动倾向解决了工作流层面的推诿，指引中对语言风格的规范，则直击大模型长期存在的表达油腻问题。

长期以来，无论中英文内容平台，充斥着一眼便知的“机器腔”：动辄使用“深入探讨”、高频出现自问自答、通篇穿插形式对仗的翻案句。

在 Astra 的最新文档里，OpenAI 第一次正式把这些高频套话称为“slop words”，并要求开发者在系统提示词中成体系地予以屏蔽。

官方屏蔽清单包括以下几类典型表达：

• 空泛动词
  ：严禁在正文中泛滥使用“delve into”（深入探讨）、“promote / foster”（促进/培育）、“use / leverage”（利用/撬动）。
• 无信息量的垫话
  ：封杀“it's worth noting”（值得注意的是）、“what's important is”（重要的是）、“really / truly”（真正地/确实地）。
• 生硬反差与翻案句
  ：明确禁止“This isn't about X. It's about Y”（即机械设定否定前项再给肯定项的生硬对仗）、“X, not Y”或“X——not Y”。OpenAI 解释，这类对比生硬引入了用户并未提及的冗余替代项，徒增篇幅却稀释了事实密度。
• 机械式格式收尾
  ：禁止使用“Conclusion:”（结论：）、“In short:...”（简而言之）、“The simplest mental model is:...”（最简单的心智模型是）。
• 凭空生造的组合词
  ：例如由连字符拼接的生造名词（如 exact-head checks、editorial-row layouts），以及自问自答式（Question? Answer）的预设编排。
• 列举排除项的废话
  ：模型应当直接陈述它将要执行的具体动作，禁止用长篇大论罗列“我不会做什么”、“哪些要素保持不变”。

在英文写作指引中，OpenAI 要求模型回归清晰的短段落、精准的动词和主动语态。

这一规范对于中文内容同样具备参考价值。长期受到读者诟病的“AI 味”，很大程度上由模板化的反差句式和毫无信息增量的逻辑垫话堆叠而成。

除了语言文字层面的精简，Astra 在工程多智能体（Multi-Agent）和代码执行中的表现，也在指南中得到了针对性规范。

很多将 Astra 部署在复杂软件工程环境中的团队发现，新模型在遵循长指令时比前代更加严格，但这带来了一个新的工程痛点：上下文敏感度极高，外部规则文件一旦存在冲突，模型就会直接停摆。

在智能体工作流中，开发者通常会在项目根目录放置 __CODE_SPAN_0__ 或 __CODE_SPAN_1__ 等外部规则文件。Astra 在面对相互矛盾的上下文时，容易陷入逻辑僵局。

OpenAI 针对性地给出了两项工程方案：

第一，确立“用户即时指令高于预设规则”的执行顺位。 规则文件只负责提供底层工具约束和通用流程，不能凌驾于用户的当面要求之上。

第二，建立技能调用的“现场归因机制”。 当模型因某项外部技能而被迫暂停工作、申请权限或改变既定方向时，必须明确报出对应文件的具体名称与精确条款，严禁模型用模糊的“系统规则要求我这样做”来应对开发者。

在多智能体委派方面，Astra 具备并行子任务调度能力，但在默认状态下的委派意愿低于预期。OpenAI 指出，如果开发者希望分发独立子任务，必须在主系统提示词中写清委派的触发条件，同时做好容错准备，因为子智能体之间传递的上下文容易包含多余空格或语法瑕疵。

在编程测试环节，Astra 展现出极强的工程洁癖。在修复一个仅有数行的小改动时，它往往会自发拉起数十项端到端测试套件，导致原本数十秒的任务被拉长到数十分钟。官方在此明确建议，提示词需限制其“仅在改动引发新增报错或存在未决故障时”才触发复测。

过去一段时间里，“大模型越强大，提示工程越无用”成为一种流行的论调。

GPT-6 Astra 官方指南的发布打破了这种单向设想。当模型的推理深度从“单轮对话生成”跨越到“多工具自主推进”，人类与机器之间的沟通不仅没有变得随意，反而对契约的精度提出了更高的要求。

模糊的指令在简单问答时代只会产生平庸的回答，但在具备深度工具调用能力的前沿智能体面前，模糊指令会直接导致无休止的追问、算力浪费或偏离轨道的无效委派。

OpenAI 这份长达数千字的避坑指南，实质上是一份面向人机协作的权责划分说明书：

把确定性的执行权彻底交给机器，把边界模糊时的选择权留给人类；剔除掉机器自作聪明的空泛修辞，留下清晰可核验的代码与事实。

大模型开始学会把话说清楚，而人类开发者也需要学会如何把任务边界真正定死。

我是 KmTech，专注分享前沿 AI 技术与工程实践观察。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发支持，我们下篇见。