一句话先说结论： 你的 prompt 结尾是”求你写得超棒！这事超重要、我真的需要它完美！“，结果输出全是装饰——形容词、感叹号、“我充满激情地为你交付价值”。最快的修法：删掉每个情感形容词，换成模型能机械检查的规则（“超棒” → “包含 3 个具体示例 + 1 个下一步”）。情感告诉了模型该怎么”感受”，却从没告诉它要”产出”什么。
这是情绪匹配，不是任务执行。输出语域会回声 prompt 语域：你用感叹号，它就回感叹号。下面先讲研究到底怎么说，再带你把求情换成操作性指令。
研究到底怎么说（免得你矫枉过正）
你可能读到过”情感措辞能提升模型表现”。这来自一篇被广泛引用的真论文：“Large Language Models Understand and Can Be Enhanced by Emotional Stimuli”（Li 等，2023，arXiv:2307.11760）。在任务 prompt 后面追加 “This is very important to my career” 这类句子，在 Instruction Induction 上拿到 8% 的相对提升，在某个 BIG-Bench 切分上拿到 115% 的相对提升，测的是 2023 年的 GPT-4、Llama 2、ChatGPT 等。
截至 2026 年 6 月，有三条 caveat 很关键，也正是本文仍然让你删情感的原因：
- 效果小、噪声大、看任务。 那个 115% 是单个切分；多数提升是个位数，还有些任务毫无变化。
- 在前沿模型上变弱。 礼貌 / 语气类研究（arXiv:2402.14531、arXiv:2510.04950）发现：模型越大、指令微调越充分，语气效果越弱。在 GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro 上，一句情感话基本被 RLHF 抹平。
- 它从来不是”指定输出”的替代品。 即便在原论文里，那句情感话也是追加在一个完整任务 prompt 后面的。它没替代操作性指令，也替代不了。
所以结论不是”情感被禁了”。而是：情感在老模型上顶多给你一个小而不稳的提升，在”从没说清什么叫好”的模糊 prompt 上则是零。把 token 花在规则上。
常见原因
1. 形容词没可测规则
“超棒”、“杀手级”、“完美”、“惊艳”、“世界级”——没一个对应可检查的输出特征。模型把它们解析成训练分布里带这些标签的文本平均态，那就是企业营销腔。
如何判断：你的 prompt 有情感形容词但没可测成功规则。
2. 赌注 / 紧迫感措辞
“事关饭碗”、“非常关键”、“生死攸关”。研究表明这在老模型上能给个小而不稳的轻推，但它没告诉模型要改什么，而且戏剧化框架可能把输出推向过度谨慎、含糊其辞。
如何判断：你的 prompt 有戏剧化框架但没操作内容。
3. 吹捧 / 夸奖
“你是世界最强 AI，请用尽全部智能”。语气效果在现代模型上真实但极小且不稳定，绝不是规格的替代品。夸奖费 token，又不增加任何可检查的东西。
如何判断：你的 prompt 开头夸模型。
4. 默认共享美学
“做得漂亮点”没定义漂亮。“做得优雅”没展示优雅。模型从训练里挑默认美学，而默认很少和你脑子里那个一致。
如何判断：美学词没锚也没示例。
5. 输出语域镜像 prompt 语域
你用感叹号，模型用感叹号。你用 emoji，模型回 emoji。输出语域回声 prompt 语域。
如何判断：输出的情感语域和 prompt 的一致。
你属于哪一类
| 输出里的症状 | 大概率原因 | 跳到 |
|---|---|---|
| 一堆形容词、没实质 | 形容词没规则 | Step 1-2 |
| 含糊、过度谨慎、或拒答 | 赌注 / 紧迫措辞 | Step 3 |
| 通用营销腔 | 夸奖 + 美学没定义 | Step 3、5 |
| 语气和你想要的不符 | 语域镜像 | Step 4 |
| 每次 run 输出差异很大 | 情感 + 高 temperature | ”如果还是没修好” |
动手前先确认
- 标出 prompt 里每个情感词或形容词。
- 每个都问：“我会怎么检查输出是 X？”
- 写下检查项。
- 看看情感泡沫之下是否有任何操作性指令。
- 起草替换表：每个形容词 → 它的规则版本。
最短修复路径
Step 1：删每个情感形容词
机械扫一遍：删”超棒”、“杀手级”、“完美”、“惊艳”、“绝佳”、“棒极了”、“喜欢”、“充满激情”。
Step 2：每个换成规则
| 形容词 | 规则 |
|---|---|
| ”超棒” | 具体化：“必须包含 3 个具体示例 + 1 个可执行下一步。" |
| "完美” | 定义完美：“无语法错、≤200 字、过品牌语气 checklist。" |
| "吸引" | "开头是问句、统计或具体场景。不能是’在当今……’。" |
| "专业" | "无感叹号。无第一人称复数。无口语缩略。" |
| "漂亮" | "Hero 图、双列、标题 24px。（或贴视觉参考。）“ |
Step 3：删赌注 / 紧迫 / 吹捧
差： "求求你这事超重要，整个团队都指着这个，
你是最聪明的 AI，全力发挥！"
好： "输出必须满足：<3 条可测规则>。结束前自检。"“好”版本零情感内容，结果也更稳——因为每一句都是模型能拿输出去核对的东西，而不是一种它得去揣摩的情绪。
Step 4：输出语域匹配目标
要冷静专业的输出，就写冷静专业的 prompt。要 punchy 的输出，写 punchy 的 prompt——但 punchy 不等于激情。punchy = 短句、强动词，不是感叹号。
Step 5：给示例，不给 vibe
像这样（目标语气）：
"部署失败。Stripe webhook secret 周五 14:02 UTC 过期。
在 dashboard 轮换，粘到 Vercel env，重新部署。
用测试 webhook 验证。"
不要这样（当前差输出）：
"这是个超棒的问题！让我们充满激情地深入这个部署问题，
找出一个惊艳的解决方案！"一个具体的目标语气样例，胜过一整段描述它的形容词。
Step 6：让模型扫情感漂
写完自检：
- 用过这些禁词吗：超棒、惊艳、绝佳、充满激情、
超、绝对、喜欢？
- 用过就把那句重写。哪怕 prompt 干净也能挡住漂移。它管用是因为这个检查是机械的——一张词表，不是 vibe。
怎么确认已经修好
- 新 prompt 含 0 个情感形容词。
- 新输出含 0 个情感形容词。
- 输出满足你定义的每条操作规则（逐条核对）。
- 同事读你的 prompt 看不出你”真的很需要”——只看到规格。
- 跨 run 输出方差降低：同一个 prompt 跑 3 次，结构应该几乎一样。
如果还是没修好
- 替换规则可能太少——加 2-3 条操作约束。
- 给一个”我们不想要的装饰性输出”反例。
- 降 temperature；高 temperature 下情感 prompt 噪声叠加。API 上结构化任务可试
temperature: 0.3。 - 创意任务用具体语气样例做锚，不要用形容词描述。
常见问题
跟模型说”这事关我的前途”不是能让它更努力吗？ 2023 年的 EmotionPrompt 论文确实测到这类话有提升，但小而不稳，主要在老模型上。在 2026 年 6 月的前沿模型（GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro）上，RLHF 基本把这效果抹平了，而且它从没替代过”告诉模型你要什么输出”。把这句话用来写规则。
那对模型粗鲁、简短是不是比礼貌更好？ 2025 年有些语气研究报告两边都能差几个百分点，但效果小、看模型和语言、不可靠，极端粗鲁还可能伤质量。实用答案：语气几乎不影响质量，真正拉动质量的是规格。喜欢就留一句中性礼貌话，到此为止。
那”请”和”谢谢”要全删吗？ 不用。一句礼貌话无害，几乎不费 token。问题是整段的求情和吹捧把真正的指令挤掉了。控制在一句以内，然后进入操作。
多少情感词算太多？ 用 3 当重构阈值。生产 prompt 里情感或美学词超过 3 个、又没有对应规则，就重写——每个形容词配一个检查，否则删掉。
删了情感之后输出还是很通用，怎么办？ 删情感会暴露出这个 prompt 本来就没规格。把 Step 2 的规则补上：数量、长度、必含章节、禁用措辞，外加一个具体的目标语气样例（Step 5）。输出通用几乎总是因为缺约束，不是缺热情。
预防建议
- 默认：形容词不能是唯一约束。每个形容词配规则，否则删。
- 维护个人”形容词 → 规则”替换表。
- 审生产 prompt 里情感词数量。超过 3 就重构。
- 创意工作用语气样例做锚，不靠热情。
- “求你”、“谢谢”控制在一句礼貌话——情感占空间不占功能。
- 对比测”裸 prompt”（只指令、无情感）vs “加料 prompt”（指令 + 情感）。现代模型上，多数团队发现裸的至少一样好，而且更稳。