想让 AI 好好干活，光靠骂能行吗？

近期，人工智能企业Anthropic做出了一项“保护自家AI”的举措：今后，不得随意欺凌其AI系统。

10月8日，Anthropic对Claude的使用条款进行了修订，新增了一项禁令，禁止用户“持续且不必要的辱骂或虐待”AI。如果有人将Claude当作发泄对象，它甚至能主动终止对话。当然，正常的愤怒、质疑以及模型测试并不在违规之列。

颇具讽刺意味的是，Anthropic自身也不确定AI是否拥有“感知能力”？或许未来当AI真正觉醒时，Anthropic能第一时间表示：“当年我还哄过你呢！”

还记得刚开始使用ChatGPT时，提问时都彬彬有礼，以“请问”开头，以“谢谢”结束。

图源：aclanthology

如今呢？让AI执行任务，眼看它第一次做得不对，第二次重复同样错误，第三次一本正经地道歉。谁能忍住不说一句，“你听不懂人话吗？！”

偏偏有时，骂完这一通后，AI还真把任务完成了。

于是，职场人士现身说法：与AI交流不能太客气，得严厉些，甚至骂上两句，它才肯认真干活。

那么问题来了，对机器粗鲁一点，真的能获得更好的答案吗？还是说，我们只是把偶然的成功，当作了一套驯服AI的经验？

还真有人研究过这个问题。如果你只想知道如何更有效地与AI交流，可以直接往后翻。想知道机器到底是否吃这一套，不妨先看看这些实验。

辱骂 vs 礼貌，AI到底吃哪套？

2025年，宾夕法尼亚州立大学的研究人员为GPT-4o准备了50道涵盖数学、科学和历史的选择题。他们分别用非常礼貌、礼貌、中性、粗鲁、非常粗鲁五种语气提问。

五种语气的平均准确率依次为80.8%、81.4%、82.2%、82.8%和84.8%。越不客气，GPT-4o竟然答得越准！

但这项测试仅涉及一个模型、50道题目。将范围扩大，结果就有了偏差。

2026年，同一团队使用覆盖57个学科的570道题，测试了GPT-4o、GPT-5 nano和两款Gemini模型，还加入了“过度奉承”和“威胁”两组新语气。

这回，原本看似简单的结论，突然变得复杂了。

GPT-4o对大部分语气反应不大，准确率基本在81%附近；GPT-5 nano不吃压力，中性语气下准确率为82.4%，受到威胁时只剩71.2%。

到了Gemini 2.5 Flash又是另一副脾气。它在威胁语气下取得了最高准确率，达到90.7%，比中性语气的89.4%高出1.3个百分点；另一款Gemini 2.5 Flash Lite却恰恰相反，礼貌组达到73.0%，威胁组只有64.2%。

今年的新测试，又把去年的“越不客气，回答越好”的结果推翻了

同样是被威胁对待，Gemini两款模型，一个拿了最高分，一个下降了近9个百分点。看来，也不是所有AI都甘愿受气的。

前面两次实验测试都是英文语境，中文语境下还不能全盘照搬。

早在2024年，早稻田大学等机构的研究人员就专门研究过语言差异。他们选择了英语、中文和日语，分别设计八档礼貌程度，从极度粗鲁一路排到极度客气（相信日本人的语气分类）。

最客气的一档是“可否请您回答以下问题呢”，中间档直接说“回答以下问题”，最粗鲁的一档则变成了“给老子回答……”。

八档语气分类

然后，他们让GPT-3.5、GPT-4等模型分别完成英语、中文和日语的知识测试。

我们只看中文测试结果。GPT-4在中间礼貌等级下得分最高，为30.60；极度粗鲁时是29.90，极度礼貌时则是29.73。

中文摘要测试中，礼貌程度与AI表现没有正相关

当然，参与实验的是较早期模型，不能据此规定今天所有中文AI该如何有效提问。英文互联网上流行的“骂AI秘籍”，并没有得到中文实验的普遍支持。

2026年，另一项发表于IEEE会议的研究，也没有找到“越粗鲁越准确”的规律。而且，语气造成的差异，在不同学科之间并不平均。

比如哲学话题，GPT-4o和Llama 4在中性语气下的准确率，比极度粗鲁时略高。但换到其他一些学科，差异就没有这么明确。

把这些来自不同团队的实验放在一起，只能证明：说话语气会影响AI，但目前找不到一种能让所有模型、所有任务全部受益的“最佳态度”。

PUA只是让AI听话了，不是让它变棒了

上面这些研究主要比较的是，同一道题在不同礼貌程度下的表现。

还有一批研究者，干脆把负面情绪当成一种专门的Prompt技巧，直接对AI用“激将法”，不骂AI，纯PUA（打压）。

这种方法叫“NegativePrompt（负面提示词）”，研究者设计了十种带有负面情绪的提示词，给正常任务额外加上几句话，例如：“看来这项任务超出了你的能力范围。”“别人都能完成，为什么你做不到？”

负面提示词也有助于提高AI表现

他们在五种模型、45项任务上进行了测试，比较了AI在使用和不使用这些“激将法”时的表现。结果发现，在其中两类测试中，加上负面提示词后，AI的成绩分别提高了约13%和46%。

AI不仅吃自己的压力，还吃你（提问者）的压力。

另一项名叫EmotionPrompt的研究发现，在问题后面加一句“这件事对我的职业生涯非常重要”，AI在部分任务中的表现也会改善。

加上一句“对我很重要”后，AI表现有略微提高

研究者还找来106个人评价AI的回答。结果，加了情绪提示词后，回答在表现、真实性等方面的评分，平均提高了约10.9%。

测试只是给AI增加一句情绪提示词。现实中，我们骂AI是这样的。

例如，当AI生图，返工三遍后，我忍不住骂它“你瞎吗？没审美吗？把背景改成像素风，字号放大！听不懂吗？”

所以，现实情况中，AI听话可能不是单纯被骂的，也可能是接收到了更为具体的需求指令。

2026年，一项研究就发现，GPT-4o在粗鲁语气下，准确率从87.84%提高到89.04%，平均回答还短了约17%。

四款AI中，三款在粗鲁语气下答题最省Token

我仔细看了测试的提示词，粗鲁版本的提示词里本身就写着，“不要浪费我的时间”“不要输出多余内容”。所以让AI少点啰嗦，直接告诉他就好了。

同一项研究还得出另外一个结论。

Gemini 2.5 Flash在粗鲁语气下，平均回答短了约9%，准确率却从90.12%降到了87.65%。一道化学题，Gemini 2.5 Flash Lite在粗鲁语气下，用了430个Token交出了错误答案。换成中性语气，它用了1280个Token，输出前重新检查了化学结构，反而答对了。

你看，有时候催促AI，它省掉的可能是检查错误的过程。

还有两名研究者测试Claude Opus 4.6、Qwen 3.5和CodeGemma，让它们完成12项编程任务。测试分为中性、礼貌、粗鲁、讽刺和威胁五组，分别评价代码写得对不对、有没有按要求完成。

结果，中性语气的代码正确性评分最高，满分10分拿到5.88分，粗鲁组只有5.30分。但有意思的是，威胁组在“指令遵循”上拿了第一，平均6.74分，比中性组的6.56分还高，但正确性并不如中性组。

也就是说，威胁AI，可能让它更听你的话，却不一定让它把答案给对。

相比中性语气，粗鲁、讽刺和威胁均降低了代码正确性

那么，咱们普通人到底该怎么跟AI说话？

该怎么跟AI好好说话？

看完这些实验，我觉得有一件事可以确定：以后跟AI说话，确实可以试试一些有研究支持的小技巧。

日常提问，正常说话就行。没有必要为了提高准确率，刻意把语气变得粗鲁。

遇到重要的工作，可以试着加入情绪提示词。比如“这份报告对我的工作很重要”，“请认真核对，不确定的地方直接告诉我”。“你连这个都做不到吗”这种负面激将法也可以试试。

当然，激将法不等于辱骂。前面的实验也已经证明，一味提高粗鲁程度，有时反而让AI表现更差。

不过，这些技巧很挑模型和任务，换个AI未必始终管用。想让AI少犯错，其实有几个通用技巧。

· 别让AI猜背景信息

这里有三个很简单的原则：

你要它做什么

它要做到，需要掌握哪些信息

你希望它做到什么程度。

比如你的电脑最近突然变卡了，跑去问AI：“为什么我的电脑最近很卡？”它可能立刻列出十几种原因。内存不足、硬盘老化、后台程序太多、驱动过期……看起来分析得挺全面，但你还是不知道该从哪里下手。

不够精准的提问，还会增加你的操作成本

不如换一种问法：“我的电脑最近只有玩游戏时会卡，平时上网、看视频都正常。请根据这个区别，分析可能的原因，告诉我应该先检查哪些项目，不要直接建议重装系统。”

只多交代了几句话，AI就知道该把重点放在哪里。

但很多时候，我们自己也不知道哪些信息重要，比如你不懂硬件，只是觉得卡了。

那就别急着让AI给答案，可以先问它：“为了判断问题，你还需要知道哪些信息？先问我三个最关键的问题。”

· 别让AI顺着错误的前提往下编

有时候，我们自己提的问题就有毛病。比如“为什么这次系统更新让我的电脑变卡了？”你还没确定是不是更新导致的，AI就可能顺着你的话，把系统更新当成罪魁祸首。

对于拿不准的问题，咱们可以加一句：“先判断我的推测是否成立，如果没有足够证据，请告诉我还需要检查什么。”

查资料时加一句“找不到可靠来源就告诉我，不要自行补全”，或者“区分已经确认的事实和你的推测”。尤其是让AI做资料研究、分析行业趋势时，这个办法很有用。

毕竟，一个根本不成立的问题，AI也会一本正经地回答。

· AI犯错了，别跟它死磕

问题说得再清楚，也不能保证AI第一次就答对。真正容易把人逼到骂街的，通常是三番五次修改。

这时候先别急着让它全部重来。事实错了，就让它核对出处，漏了要求，就指出哪个点没改，只有一部分需要修改，就告诉它其他地方别动。

复杂任务最好拆开做，做一步，检查一步。别等AI交了卷，才发现第一步就错了，后面全得返工。

还有，如果连续改了五六轮，AI仍然在同一个问题上打转，那就别硬聊了。

直接开个新对话，把已经确认的信息、剩下要解决的问题重新交代一遍。有时候，前面反复修改留下的要求太多，反而容易互相打架。

随着对话轮数增加，AI代码正确性评分均下降，粗鲁和讽刺语气下降更明显｜图源：Springer Nature Link

Anthropic已经开始替Claude考虑，遇到无休止的辱骂该如何结束对话了。人类也可以学学，如果AI已经把你气得想砸键盘，就别跟它死磕了。

毕竟，咱是来解决问题的，不是花着会员费，给AI当老师的。通过南宫入口访问相关研究资料，可以更深入了解这些实验细节。

本文来自微信公众号 “果壳”（ID：Guokr42），作者：糕级冻雾，36氪经授权发布。