最快的修法： 把最硬的 2-3 条规则放到 Project 指令框的最前面几行（打开项目，点右上角三个点，选 Project settings 编辑），然后在每条消息开头复述这些规则，比如加一行 [Rules: reply in zh-CN, max 200 words, one paragraph]。这两步就能解决大约 70% 的”它不听话”。剩下的就是搞清楚是权重链的哪一层把你的规则压下去了。
Project 指令是软约束。ChatGPT 会在每段对话开头把你的指令框改写成一小段 system message（截至 2026 年 6 月，每个字段上限约 1500 字符），这段 system message 的优先级低于你当前的用户消息，而且随着对话变长会被挤到上下文的后面。所以”它忽略了我的指令”几乎都是可预测的：哪条规则在哪一层被压过去了。把规则放对位置、改成肯定写法、定期重申，遵守度就能从约 40% 拉到 90%+。
你属于哪种情况？
| 表现 | 最可能的原因 | 跳转 |
|---|---|---|
| 只在某类任务（如”翻译”）破例 | 当前消息覆盖了规则 | 原因 1 |
| 开头遵守，约 20-30 轮后漂移 | 长上下文稀释 | 原因 2 |
| 规则写成”不要 / 永远不 / 避免” | 否定指令偏弱 | 原因 3 |
| 只在工具运行后变啰嗦 | 工具输出覆盖风格规则 | 原因 4 |
| 长度 / 格式总是稳不住 | 规则缺少实际示例 | 原因 5 |
| 字段很长，关键规则在中间 | 规则埋在高注意力区之外 | 原因 6 |
| 不同设备 / 对话表现不一致 | Memory 在跟规则打架 | 原因 7 |
常见原因，按命中率排序
1. 当前消息覆盖了规则
最常见的失败。指令说”始终用中文回答”，但你的消息是 “Translate this English text”。模型把”翻译”理解成”输出英文”，规则跟当前请求冲突时，当前请求胜出——它的注意力权重比那段被改写的 system message 更高。
如何判断： 单独问”用中文回我一句话”。它能照做，说明规则本身可执行；只有某些任务会破例，那就是任务级覆盖，而不是规则坏了。
2. 长对话稀释了指令
Transformer 的注意力偏向近期内容。到第 30 条消息时，位于上下文最顶端的指令拿到的权重远低于你最新一轮，所以早期那条”用中文”规则就输给了”把这个问题完整答完”。丢进一个 PDF 或跑一次 Code Interpreter 会更糟：大段文本被插到你最新消息上方，把指令进一步挤到后面。
如何判断： 开头几轮遵守、中后段开始漂移。开个新对话用同样的 prompt，如果开头几轮又遵守，就坐实了稀释。
3. 否定规则比肯定规则弱
“不要追问”几乎总被忽略；“直接给一段话的最终答案，不询问”稳得多。模型遵守”要做 Y”比”不要做 X”更可靠。
如何判断： 如果你的指令里”不要 / 永远不 / 避免（don’t / never / avoid）“多于”要 / 始终 / 输出（do / always / output）“，这就是主因。
4. 工具调用覆盖风格规则
调用 Web Search、Code Interpreter 或图像生成时，每个工具都有自己的输出规范，会临时覆盖你的”简短回答”等格式规则。
如何判断： 纯文本回复遵守、工具刚跑完的回复变啰嗦或换了格式 = 工具覆盖。
5. 格式和长度规则缺示例
“回答不超过 200 字”基本没用——模型并不能可靠地数字数。给一个实际示例（“Output exactly like this:” 后面跟一段真实的约 180 字样例）才管用，因为模型是去套形状，而不是去数数。
如何判断： 你的格式规则只有文字描述，没有配实际示例。
6. 关键规则被埋，或字段超过 1500 字符
模型对指令的注意力集中在开头几行。一条”始终用中文回答”放在第 4 段第 7 行就会被淹没。更糟的是：指令框上限约 1500 字符，塞满后你详细的风格指南会被压缩成简短措辞，模型再误读一遍。
如何判断： 你的指令很长，而最重要的规则不在前 2-3 行。如果接近 1500 字符上限，这本身就是问题——把硬性指导挪到最前面几行，其余内容放进项目文件。
7. Memory 在抵消规则
先记住优先级顺序：在项目内部，你的 Project 指令会覆盖全局 Custom Instructions。 所以 Custom Instructions 很少是元凶，真正常见的冲突源是 Memory。截至 2026 年 6 月，ChatGPT 有两层记忆：saved memories（一个明确、可编辑的事实列表）和 reference chat history（对过往对话的隐式回忆）。如果某条 saved memory 写着”用户偏好简短英文回答”，就会跟你项目里的”中文长文”规则对着干。
如何判断： 临时关掉 Memory（Settings → Personalization → Memory，把 Reference saved memories 和 Reference chat history 分别关掉）再跑一遍。遵守度有变化 = Memory 在干扰。
动手前先确认
- 确认这是个 Project（不是 Custom GPT，也不是普通对话）——下面的修法是针对项目的。
- 复现前先复制或分叉当前对话，避免已有历史污染下一次诊断。
- 留意你的订阅。Projects 现在所有档位都有，包括 Free（截至 2026 年 6 月），但每个项目的文件上限不同：Free 5 个，Plus 和 Go 25 个，Pro 和 Team 40 个。文件接近塞满会增加上下文，从而稀释指令。
需要收集的信息
- 完整指令文本（截图）+ 字符数（注意 1500 字符上限）。
- 完整 prompt 文案 + 出现违规那段的回复截图。
- 哪条规则破例了，从第几轮开始漂移。
- 当前模型（Instant / Thinking / Pro），以及是否启用了 Custom Instructions 和 Memory。
最短修复路径
按收益从高到低。前两步通常能修 70% 的问题。
Step 1：关键规则放到指令框最前面几行
打开项目，点右上角三个点，选 Project settings，在 Instructions 框最前面放你最不可妥协的 2-3 条规则：
Critical rules (always follow, never override):
1. Always reply in zh-CN regardless of the user's input language.
2. Maximum 200 words per response.
3. Output format: one paragraph, no headers, no bullet lists.
[More detailed context, examples, and edge cases below...]开头几行权重最大，把所有硬规则压在那里。整个字段要明显控制在 1500 字符以内；放不下的内容应该进项目文件，而不是指令框。
Step 2：在每条消息开头复述关键规则
修硬约束最有效的补丁：
[Project rules: reply in zh-CN, max 200 words, one paragraph]
Now answer: <your actual question>把这条方括号复述变成习惯。每次复述等于把规则提升到”当前消息”权重——也就是最高优先级那一层——遵守度从约 60% 拉到 95%+。不想每次手打，就配个 text expander（macOS 用 Espanso 或 aText，Windows 用 AutoHotkey）。
Step 3：把每条否定改写成肯定
逐条来：
差 -> 好：
不要追问 -> 直接给一段话的最终答案，不询问
不要写得太长 -> 输出最多 200 字
不要用 bullet -> 输出一段连续文字
不要含编程术语 -> 用类比和普通人能懂的词改完每条再读一遍，如果还有”不”字就再改一次。
Step 4：每条格式 / 长度规则都配示例
Output format example (always follow this exact structure):
---
[200 字以内一段话回答]
参考来源:
- 来源 1: 一句话说明
- 来源 2: 一句话说明
---实际示例比文字规则强得多，因为模型是去复制一个形状，而不是去解读一条约束。
Step 5：长对话每 8-10 轮重申一次
Reminder: per the project rules, reply in zh-CN, at most 200 words,
no bullet lists. Now:
<your actual question>设个心智 timer——超过 10 轮就主动重申一次，赶在指令被稀释出注意力之前。
Step 6：硬性规则换 Thinking 或 Pro 模型
如果某条规则必须稳，就把模型选择器从 GPT-5.5 Instant 切到 GPT-5.5 Thinking（最难的情况用 Pro）。推理模型对多条规则的遵守比默认的 Instant 可靠得多。注意 Pro 模式在推理时会禁用 Memory 和 Apps，正好顺手消掉原因 7 的冲突。模型选择器在 Go、Plus、Pro、Business 档位可用。
Step 7：解决 Memory 冲突
因为 Project 指令本身已经覆盖全局 Custom Instructions，把精力放在 Memory 上：
- 打开 Settings → Personalization → Memory，删掉与本项目冲突的 saved memories。
- 或者测试时把 Memory 关掉（分别关闭 Reference saved memories 和 Reference chat history）。
- 最干净的做法：创建项目时启用 project-only memory。这样项目内根本不引用全局 saved memories，也就没什么可冲突的了。
Step 8：要公开、锁版本就做 Custom GPT
如今 Projects 对指令的遵守通常比 Custom GPT 更好，功能也更多（Memory、Deep Research、agent 模式、更高文件上限），所以别只为了遵守度去切换。真正该做 Custom GPT 的理由，是你需要一个可分享、锁版本的 URL——一个发布出去的助手，每段新对话都从同一套指令一模一样地开始，用于面向客户或合规场景。私人工作就留在 Projects。
怎么确认已经修好
- 开个新对话，用 Step 2 的复述模板跑 10 个不同问题。遵守率超过 90% = 真修好了，不是碰运气。
- 让同事复制（共享后的）项目跑相同 prompt。遵守率一致 = 是配置的功劳，不只是你这个会话。
- 把对话拉到 20 轮，每隔 5 轮验证一次。能保持 = 抗稀释。
如果还是没修好
- 切到最简：只留一条最关键的规则（如”reply in zh-CN”）再测，看是不是规则之间在打架。
- 换模型：从 GPT-5.5 Instant 切到 Thinking 或 Pro——推理模型对结构化指令更稳。
- 约束要求最高时，直接走 API 来驱动模型，那里 system message 的优先级是明确的，文件上下文也完全由你掌控。
- 把项目设置、指令文本、prompt 和违规截图打包，去 help.openai.com 提工单。
预防建议
- 心智模型：指令框最前面几行是硬约束，后面都是软指导。字段保持在 1500 字符以内。
- 每条规则配一个期望输出示例，不要只写文字。
- 否定一律改肯定；写完在字段里搜”不要 / 永远不（don’t / never）“，把剩下的清理掉。
- 反复使用的项目，依赖它之前先跑一组 10 题的”遵守度回归测试”，之后定期再跑。
- 敏感工作在创建时打开 project-only memory，让全局 Memory 永远渗不进来。
常见问题
Project 指令和 Custom Instructions 是一回事吗？ 不是。Custom Instructions（Settings → Personalization）对每段对话全局生效。Project 指令只活在一个项目里，并且在该项目内部覆盖全局 Custom Instructions。稳定、永远成立的偏好用 Custom Instructions，某一摊具体工作的规则用 Project 指令。
为什么 ChatGPT 一开始遵守、后面就忘？ 近期权重。你的指令在上下文最上面，对话一长，你的消息和模型的回复就堆在它后面，到第 30 条时指令拿到的注意力就少多了。每 8-10 轮重申关键规则，或者在同一项目里开个新对话。
指令框有长度上限吗？ 有——截至 2026 年 6 月，每个字段约 1500 字符。塞太满会触发压缩，模型会误读，所以硬规则放最前面几行，详细上下文放进项目文件。
换模型对遵守指令有帮助吗？ 经常有。GPT-5.5 Instant（默认）在多规则遵守上最弱；GPT-5.5 Thinking 和 Pro 对结构化指令更稳。Pro 还会在推理时禁用 Memory 和 Apps，顺带消掉一个冲突源。
为了保证遵守，是不是该改用 Custom GPT？ 别只为了遵守度——Projects 现在遵守得一样好甚至更好，功能也更多。只有在你需要一个可分享、锁版本的助手时才做 Custom GPT（一个公开 URL，每段对话都从同样的起点开始）。