10个“秘密指令”对ChatGPT：它们真的有效吗

在社交网络上，不断出现有关 ChatGPT 的“秘密命令”集合。似乎只需在请求中添加一个词——/human、red team、meta 或 socrates——模型就会立刻开始以更聪明、更诚实和更自然的方式回答。

我在不同的任务中测试了类似的命令。有些确实会改变回答，但这里并没有任何魔法。这些不是 ChatGPT 的内置功能或隐藏设置。模型只是试图理解所写词语的含义。

例如，如果写下 red team，它会推测出需要对这个想法进行批评。如果写下 ELI10，它会努力更简单地解释主题。但是，正常的指令几乎总是比一个神秘的词更有效。

1. /human — 以更自然的方式写文本

通常在请求前加上命令 /human，是为了获取没有生硬措辞和典型神经网络风格的文本。

例如：

/human 为关于本地启动神经网络的文章写一个引言。

有时结果确实变得稍微简单一些。但模型自行决定什么算是“人类的”文本。它可以添加口语化的词汇、情感，或者只需使句子更简短。

在实践中，最好直接说明您不喜欢的内容：

用简单的人类语言写作。不要使用官样文章、模板化的引言和过于正式的措辞。交替使用短句和中等长度的句子。文本应听起来像作者在对熟人讲述一切。

这样结果会更加稳定。同时，命令 /human 并不保证能通过人工智能检测器。这些检测器常常会出错，甚至可能将普通的原创文本标记为机器生成。

2. Red team — 找出想法的弱点

Red team 是这些集合中少数真正有用的命令之一。我在需要检查某个想法之前，避免浪费时间和金钱时会使用这种方法。

例如：

我想启动一个自动收集来自不同来源的新闻的网站。对这个想法进行 red team 分析。

ChatGPT 会尝试找出这个项目可能无法盈利的原因。它会关注竞争对手、技术问题、维护成本、内容质量和法律风险。

但最好直接请求模型不要出于礼貌与您达成一致：

请充当独立评论员。找出我想法的弱点、潜在风险和失败原因。不要仅仅为了礼貌而同意我的意见。在批评后，提供如何解决发现的问题的建议。

这种分析在网站、服务、新板块启动或购买昂贵设备之前很有用。它并不能替代实际检查，但有助于发现那些在想法开始受到欢迎时容易忽视的地方。

3. Meta — 先分析问题本身

命令 meta 不是为直接回答而设，而是为分析问题本身。模型首先查看任务是否正确提出，信息是否足够。

例如：

Meta: 是否应该购买用于运行本地 LLM 的服务器？

ChatGPT 可能不是直接给出“是”或“否”，而是从预算、模型大小、速度要求和用户数量开始。

我通常会将这些表达得更清楚：

首先分析问题本身。确定缺少哪些数据以及决策的依据是什么。然后再给出答案。

这种方法对类似“哪台电脑更好”、“是否应该开设网站”或“选择哪个模型”这样的问题特别有效。没有额外的数据，依然无法正常回答。

4. Alt 3 — 获取多个选项

Alt 3 意味着需要提供三个替代方案，而不是一个答案。

例如：

为关于 Raspberry Pi 的文章想一个标题。Alt 3。

这个命令简单且通常易于理解。然而，选项往往几乎相同。只有几个词变动，但整体思想保持不变。

因此，我更喜欢直接按照风格来划分选项：

提供三个不同的标题：1. 简单且信息丰富。2. 更具情感的。3. 带有主要搜索查询的 SEO 标题。

这样选项之间的差异立刻显而易见。您可以请求五个标题、三种解决方案或多个不同长度的文本版本。此时，并不需要使用 alt 一词。

5. /truth — 不要猜测未知的事实

命令 /truth 应该迫使 ChatGPT 诚实地说出他不知道的内容。

例如：

/truth 下个月会发布哪款新款智能手机？

问题在于，单个词并不会让模型变得准确无误。它仍然可能搞错日期、引用旧的传闻或过于自信地表述假设。

最好直接说明：

不要猜测事实。将确认的信息与传闻和假设分开。如果没有足够的数据，就直接说。不要把预测当作确凿的事实。

对于新闻、价格、法律、新设备的特性等快速变化的主题，还需要验证最新的信息来源。没有任何代码词能替代正常的信息核查。

6. ELI10 — 用简单的话解释复杂内容

ELI10 大致的意思是“解释得像我十岁一样”。

例如：

ELI10: 端对端加密是如何工作的？

模型会去掉大部分术语，并试图通过简单的例子来解释主题。它可以将端对端加密与只能由接收者打开的密封盒进行比较。

对于首次接触该主题的人来说，这已经足够。然而，如果我真的需要弄清楚，我会请求两种解释：

首先用简单的语言解释主题，不要使用复杂的术语。然后给出普通的技术解释。

这样，首先能形成一个大致的理解，然后再转向细节。

7. /predict — 描述可能的情景

命令 /predict 用于预测。

例如：

/predict 在接下来的三年内，本地神经网络市场将如何发展？

ChatGPT 可能会收集已知的趋势并推测未来可能发生的情况。但这仍然不是真正的预测。模型不知道未来，只能基于可用信息构建版本。

因此，我不会请求一个准确的预测。最好直接给出几个情景：

描述三种可能的情景发展：基础情景、乐观情景和悲观情景。指出每种情景可能发生的条件，以及可以注意到的迹象。

这样的回答更有用。与其得到一个自信的声明，不如获得多个选项并理解每个选项的依赖条件。

8. OODA — 分步分析问题

OODA 是一个四步决策方案：

• 观察 — 查看发生了什么;
• 定位 — 理清收集的数据;
• 决定 — 选择解决方案;
• 行动 — 采取具体措施。

例如：

新网站的访问量几乎没有增长。根据 OODA 模型分析这个问题。

首先，ChatGPT 会建议收集数据：检查索引、展示、位置、网站速度和用户行为。然后它会帮助找到潜在原因、选择一些更改并制定检查计划。

我喜欢这种方法，因为它不会仅仅以“改善内容”这样的普遍建议结束。良好的回答应包含具体的行动和可以之后检查结果的指标。

9. X10 think — 更深入地思考

短语 x10 think 据称能让 ChatGPT 思考得更深入十倍。

例如：

如何改善网站上的相关文章模块？X10 think。

数字十在这里没有任何衡量标准。模型并不会突然完成十倍的工作。它只是理解人们期待的不仅仅是第一个明显的答案。

我会用正常的指令替代这个命令：

不要给出第一个明显的答案。要从技术角度、用户角度和网站拥有者的角度考虑问题。比较几种解决方案，找到每个方案的弱点，并选择最佳选项。

这样，模型就能理解什么才算是深入分析。结果通常比使用 x10 think 一词后得到的结果更有用。

10. Socrates — 通过问题得出解决方案

命令 socrates 请 ChatGPT 使用苏格拉底方法。模型开始提出问题，而不是给出现成答案。

例如：

Socrates: 我是否应该启动一个新的互联网项目？

ChatGPT 可能会问，这个项目是为谁创建的，解决了什么问题，第一次用户将从哪里来，以及您愿意花多少时间在这上面。

为了避免对话变成一场冗长的问卷，最好直接设定规则：

不要立即给出现成的答案。要逐个问我一个问题，考虑之前的回答，并帮助我得出结论。当信息足够时，总结。

这样更方便分析那些尚不明确的想法。有时在几个问题后，会发现问题实际上被错误地表述了。

ChatGPT 中是否有真正的秘密命令

类似集合中的命令并不是 ChatGPT 的隐藏功能。它们没有特殊模式，在出现 /human 或 /truth 后会被激活。

模型只是读取请求并试图理解其意义。斜杠在词前通常也没有任何改变。

有时一个简短的命令就足够了。例如，ELI10 或 red team 已经很好地传达了所需的任务。但在大多数情况下，准确的描述更为可靠。

代替：

/human

最好明确说明文本应简单、生动且没有模板化的表达。

代替：

/truth

最好请求不要猜测事实并诚实地指出疑问。

代替：

x10 think

最好列出需要从哪些角度考虑问题。

如何在一个请求中结合多个方法

这些方法可以一起平稳使用。只是我不会将它们组合成一串不明的词语。

糟糕的例子：

meta red team alt 3 truth x10 think

ChatGPT 可能会理解总体意思，但部分要求可能会丢失。

正常的例子如下：

分析启动本地神经网络服务的想法。首先确定评估所需缺失的数据。然后找出想法的弱点和潜在的失败原因。之后提供三种不同的实施选项。为每种选项列出优点、缺点和风险。不要猜测未知的事实，并区分假设与确认的信息。

这里没有秘密词，但是结果需求显而易见。

总结

大部分所谓的“秘密命令”只是著名信息处理方法的简短名称。它们可能会改变回答，但不会揭示任何隐藏的可能性。

我有时会使用 red team、ELI10 或请求提供几个替代选项。但对于重要任务，我仍然会用普通话来描述要求。

您越准确地解释所需的内容，ChatGPT 就越不会猜测。通常，这正是影响答案质量的最重要因素，而不是斜杠、英文单词或所谓的秘密命令。