想让AI好好干活，光靠骂能行吗？
10 月 8 日，Anthropic 更新了 Claude 的使用政策，专门增加了一条规定，禁止用户“持续且无必要地辱骂或残酷对待”AI。要是有人把 Claude 当成出气筒，它甚至可以主动结束对话。当然，正常的生气、质疑和模型测试都不算违规。
挺招笑的是，Anthropic 自己都不确定，AI 到底有没有“感受”？可能以后等 AI 哪天真觉醒了，Anthropic 能第一时间说：“当年我还哄过你呢！”
还记得刚用 ChatGPT 那会儿，提问时都客客气气地，请问开头，谢谢结束。
图源：aclanthology
现在呢？让 AI 干个活儿，眼瞅着它第一遍做的不对，第二遍同样错误又犯，第三遍一本正经道歉。谁能忍住不来一句，“你听不懂人话吗？！”
偏偏有时候，骂完这一顿，AI 还真把活干好了。
于是，打工人现身说法：跟 AI 说话不能太客气，得凶一点，甚至骂两句，它才肯认真干活。
那么问题来了，对机器粗鲁一点，真的能得到更好的答案吗？还是说，我们只是把偶然成功，当成了一套管教 AI 的经验？
真还有人研究过这个问题。如果你只想知道怎么跟 AI 说话更有效，可以直接往后翻。想知道机器到底吃不吃这一套，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者，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。
想让AI好好干活，光靠骂能行吗？
10 月 8 日，Anthropic 更新了 Claude 的使用政策，专门增加了一条规定，禁止用户“持续且无必要地辱骂或残酷对待”AI。要是有人把 Claude 当成出气筒，它甚至可以主动结束对话。当然，正常的生气、质疑和模型测试都不算违规。
挺招笑的是，Anthropic 自己都不确定，AI 到底有没有“感受”？可能以后等 AI 哪天真觉醒了，Anthropic 能第一时间说：“当年我还哄过你呢！”
还记得刚用 ChatGPT 那会儿，提问时都客客气气地，请问开头，谢谢结束。
图源：aclanthology
现在呢？让 AI 干个活儿，眼瞅着它第一遍做的不对，第二遍同样错误又犯，第三遍一本正经道歉。谁能忍住不来一句，“你听不懂人话吗？！”
偏偏有时候，骂完这一顿，AI 还真把活干好了。
于是，打工人现身说法：跟 AI 说话不能太客气，得凶一点，甚至骂两句，它才肯认真干活。
那么问题来了，对机器粗鲁一点，真的能得到更好的答案吗？还是说，我们只是把偶然成功，当成了一套管教 AI 的经验？
真还有人研究过这个问题。如果你只想知道怎么跟 AI 说话更有效，可以直接往后翻。想知道机器到底吃不吃这一套，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者，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 居然答得越准！
但这项测试只涉及一个模型、50 道题目。把范围扩大，结果就有偏差了。
2026 年，同一团队使用覆盖 57 个学科的 570 道题，测试 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，原本看起来很简单的结论，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者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）
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
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。
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。
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。
想让AI好好干活，光靠骂能行吗？
10 月 8 日，Anthropic 更新了 Claude 的使用政策，专门增加了一条规定，禁止用户“持续且无必要地辱骂或残酷对待”AI。要是有人把 Claude 当成出气筒，它甚至可以主动结束对话。当然，正常的生气、质疑和模型测试都不算违规。
挺招笑的是，Anthropic 自己都不确定，AI 到底有没有“感受”？可能以后等 AI 哪天真觉醒了，Anthropic 能第一时间说：“当年我还哄过你呢！”
还记得刚用 ChatGPT 那会儿，提问时都客客气气地，请问开头，谢谢结束。
图源：aclanthology
现在呢？让 AI 干个活儿，眼瞅着它第一遍做的不对，第二遍同样错误又犯，第三遍一本正经道歉。谁能忍住不来一句，“你听不懂人话吗？！”
偏偏有时候，骂完这一顿，AI 还真把活干好了。
于是，打工人现身说法：跟 AI 说话不能太客气，得凶一点，甚至骂两句，它才肯认真干活。
那么问题来了，对机器粗鲁一点，真的能得到更好的答案吗？还是说，我们只是把偶然成功，当成了一套管教 AI 的经验？
真还有人研究过这个问题。如果你只想知道怎么跟 AI 说话更有效，可以直接往后翻。想知道机器到底吃不吃这一套，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者，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 居然答得越准！
但这项测试只涉及一个模型、50 道题目。把范围扩大，结果就有偏差了。
2026 年，同一团队使用覆盖 57 个学科的 570 道题，测试 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，原本看起来很简单的结论，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者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 该怎么有效提问。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怎么结束对话了。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。