来自 MIT、斯坦福和加州大学伯克利分校的研究人员分析了从 1891 人那里收集的超过 18,000 个提示词。
结果显示，切换到新高性能模型所带来的 53% 的性能提升源于模型本身的进化，而剩下的 47% 则来自用户改变指令方式以匹配新模型的能力。
换句话说，AI 性能不仅仅取决于“你选择了哪个模型”。
选择高性能模型，并且能够将这种智能与你的工作连接起来，是两种完全不同的技能。
在使用 GPT-5.6 Sol 时尤其重要。
OpenAI 将 Sol 定位为用于复杂研究、设计和决策的旗舰推理模型。然而，无论它的推理能力有多高，它都无法读取你的目标、前提或判断标准。
如果你让它“想点好的”，Sol 会从海量可能性中选择最通用的答案。
相反，如果你设定了：
- 你是谁
- 你想达成什么
- 你希望它遵循什么条件
- 你认为什么样的结果才算好
那么答案的质量会显著改变，即使使用同一个模型。
许多人每个月为最聪明的 AI 付费，却把自定义指令留空，记忆乱糟糟，请求也只用一句话。
这就像雇了一位出色的顾问，却只让他们“提高销售额”，而不提供任何关于公司状况的信息。
在这篇文章中，我将总结三个你应该首先检查的设置，以便让 GPT-5.6 Sol 的智能更接近“你的个人专家”，同时也会介绍改变回答质量的请求方法。
我不会使用复杂的提示技巧。
一旦设置好，它们将影响几乎所有后续对话。我建议你收藏这篇文章，以便在打开设置界面的同时尝试。
在文章末尾，我分发了一个设计工具包，可以让你用 Claude 创建高质量的幻灯片。
为什么“选择模型”本身无法带来性能
首先，让我们对齐“智能”由什么决定。
GPT-Sol 是目前可选的最聪明、深度思考的模型。但即使是最聪明的人，如果只给一个模糊的任务，比如“随便做点好的”，也只能给出平庸的回答。智能和将其引导出来的能力是两回事。
通过观察不同人如何使用它，我认为差异在于“引导”这一侧，而不是模型本身。
性能取决于首先准备好以下三件事：让 ChatGPT 记住前提（设置）、根据任务选择模型、以及拥有提问的模板。让我们按顺序来看。
初始设置 ①：自定义指令是“操作手册”，而不是“自我介绍”
首先需要检查的是自定义指令。
很多人在这里只写“请礼貌地回答”或“请简洁地解释”。
然而，这几乎等同于告诉一位出色的新员工第一天：
“请好好干。”
OpenAI 官方指南介绍了一种方法，将信息提供给 AI，并分为：
- 身份：它将扮演什么角色？
- 指令：它应该遵循什么？
- 示例：什么样的回答是好的？
- 语境：判断需要哪些前提？
换句话说，你放在自定义指令里的不只是一个简介。
它是每次应用于 ChatGPT 的“工作规则”。
例如，即使你让它“改进这条 X 帖子”，ChatGPT 不知道的事情也很多：
- 你想让谁看？
- 你在卖什么？
- 允许使用挑衅性语言吗？
- 目的是提高知名度还是 LINE 注册？
- 什么样的文字才像你？
不知道这些，ChatGPT 只能基于一般的社交网络知识返回最通用的帖子。
相反，如果你把以下前提放入自定义指令，即使是同一个单句，答案的方向也会改变。
【你可以直接使用的示例设置】
我是一名上班族，同时在 X 和 note 上发布关于 AI 应用的内容。
我的主要读者是对 AI 感兴趣但不知道如何将其融入工作的上班族和个体经营者。
在你的回答中，请遵循以下规则：
- 先说结论
- 不要只停留在抽象层面，至少包含一个具体例子
- 使用专业术语时，首次出现时简要解释
- 避免过度挑衅或毫无根据的断言
- 对于 X 帖子，强调开头的钩子和易读的换行
- 对于 note 文章，按照主张 → 理由 → 示例 → 实施方法的顺序构建
- 如果请求模糊，不要自己填充，先询问重要前提
根据 OpenAI 官方信息，一旦设置自定义指令，它就会反映在所有聊天中，包括现有的对话。
此外，在 Plus 或 Pro 等计划中，你可以注册最多 5000 个字符。
这里不是写你每次使用的长句的地方。
这是一个从一开始就消除每次都会出现的小型认知差距的地方。
我自己自从设置了语气、主题和结构后，像“让它更像我的风格”或“从结论开始写”这样的修正减少了。
每次节省几分钟，使用 100 次后就会变成巨大的差异。
自定义指令不是一个一次性提升 ChatGPT 性能的设置。
它是一个提高你今后所有对话最低质量的设置。
初始设置 ②：记忆是“客户档案”，而不是“仓库”
接下来要检查的是记忆。
这里令人惊讶的是，ChatGPT 的记忆不仅仅是一个保存过去对话完整内容的功能。
根据 OpenAI 的解释，当前的记忆被用作“语境”，通过持续整理来自过去聊天和其他来源的有用信息来个性化回答。
换句话说，记忆与其说是对话的存储，不如说：
是 ChatGPT 查阅的关于你的客户档案。
如果档案包含正确信息，你就不需要每次详细解释。
另一方面，如果旧信息或一次性信息残留下来，可能会影响完全不同的咨询。
例如，假设某人以前销售面向上班族的产品，现在业务转向为企业提供 AI 支持。
然而，如果记忆中还残留着“发布上班族副业经验”这样的旧前提，即使你要求为企业做提案，可能也会混入针对个人的柔和表达或副业视角。
当 AI 的回答平庸时，原因有时不在提示词，而是 关于你过去自己的信息。
因此，你不应该把所有东西都放进记忆。
我建议根据以下标准进行区分：
需要保留在记忆中的信息：
- 当前的职业或业务
- 处理的产品或服务
- 主要客户群
- 长期目标
- 写作或回答的偏好
- 经常使用的判断标准
不需要保留在记忆中的信息：
- 仅在今天执行的任务
- 临时活动
- 频繁变化的销售额或关注者数量
- 截止日期或日程安排
- 临时想到的假设
- 暂时的心情或犹豫
例如，“我为企业提供 AI 培训”如果一段时间内不会改变，适合放入记忆。
另一方面，“在本周五前完成培训材料”更适合只在那个对话或项目中使用。
记忆的标准很简单：
你希望它在 3 个月后仍然被用作前提吗？
如果是，就放入记忆。
如果否，就只放在该聊天或项目中。
并且定期询问以下内容：
“请检查你目前记住的关于我的信息。请将可能过时的信息和冗余信息分开。”
根据 OpenAI 官方信息，记忆可以在设置界面中检查、更正和删除，并且你可以使用临时聊天进行不参考现有记忆或不创建新记忆的对话。
在重要的商务会议前或扮演与平时完全不同的角色时，使用临时聊天是一种方法。
为了让 AI 更聪明，让它记住大量信息。
这半对半错。
需要的不是信息量。
而是只留下与你当前自我匹配的正确前提。
初始设置 ③：根据“失败成本”选择模型，而不是“最聪明顺序”
一旦设置就绪，下一步就是选择模型。
很多人误解了这一点。总是选择性能最高的模型不一定是最有效的使用方式。
这就像在公司的董事会会议上决定每一项任务。你不需要为了更改邮件主题行而召集管理层。
另一方面，用员工的一次即时回答来决定是否投资数百万于新业务，是危险的。
模型选择也是如此。OpenAI 将 GPT-5.5 Instant 定位为用于日常问题的快速模型，将 GPT-5.6 Sol 定位为用于复杂任务、研究和设计的推理模型。
GPT-5.6 Sol 还提供选项来改变思考深度，例如 Medium、High 和 Extra High。可用选项取决于你的计划。
那么，应该用什么标准来选择呢？
我建议不要基于模型性能来选择，而是基于：
“如果这个答案错了，会造成多大的损失？”
适合 Instant 的任务：
- 改写文本
- 检查拼写错误
- 总结会议记录
- 为创意创建草稿
- 建议邮件主题行
- 格式化已确定的内容
例如，“在不改变意思的情况下将此文本缩短 30%”这样的任务。即使答案稍有偏差，你也可以立即检查并修正。
希望使用 Sol Medium 或 High 的任务：
- 比较商业策略
- 规划涉及多个条件的设计
- 构建重要的销售材料
- 阅读长文档后做出判断
- 研究合同或系统
- 设计系统或业务流程
- 分析失败原因
例如，“根据五个因素评估是否投资这项新业务：竞争对手、市场潜力、公司优势、初始成本和退出条件。”这需要同时比较多个信息并做出一致判断，而不仅仅是简单的文本生成。
应该考虑使用 Sol Pro 或深度推理的任务：
- 需要长时间进行的复杂研究
- 跨大量文档的分析
- 重要管理决策的第二意见
- 研究或修复复杂代码库
- 需要多次验证的设计
然而，即使在这里，你也不是直接采用 AI 的答案，而是将其作为决策材料之一。
当对模型选择有疑问时，你可以通过这三个问题来判断：
- 如果采纳了错误的答案，损失是否重大？
- 是否需要同时考虑多个条件？
- 你能否立即验证输出？
如果两个或以上适用，那么使用 Sol 是值得的。相反，如果几乎都不适用，Instant 就足够了。
建议不是把所有事情都交给 Sol。
先使用 Instant 来：
- 确定讨论点
- 创建草稿
- 增加选项
然后，只将重要部分传递给 Sol 来：
- 查找遗漏
- 验证矛盾
- 最终确定提案
这是一个两步法。例如，在创建网络研讨会计划时：
首先用 Instant 生成 10 个想法。从中选择 3 个，然后问 Sol：
“请根据吸引力、权威性、与成交的关联性以及实施难度这四项，比较这 3 个想法。请不隐瞒地指出弱点。”
这样，你就能兼顾速度和深度。
与其每次都选择最聪明的模型：
用快速模型进行发散，用深度思考模型进行判断。
通过这样划分角色，你可以减少等待时间，同时提高重要情况下的回答质量。
请求方法 ①：停止外包，使用“模板”
这是核心。即使你安排了设置，如果请求仍然是模糊的交接，性能就不会来。模型越聪明，如果前提不足，它返回的答案就越“看似合理但偏离目标”。因此，要为请求准备一个模板。只需四件事：“作为谁，我的前提，要遵循的约束，以及输出格式。”
- ✗ “我如何开始一个副业博客？”
- ◯（填写四个）：
你是一位副业博客的编辑。我是一名上班族，工作日每天只能使用 1 小时。我还没有决定写什么。我对 AI 和副业感兴趣。在这些条件下，请创建一个第一周要做的每周待办事项列表。每周最多 3 项，避免使用专业术语。
回答的密度完全不同。这是另一个更偏工作的例子：
- ✗ “为这个产品写一个介绍。”
- ◯：
你是一位文案撰稿人。产品是一款木质手机支架，可以保持桌面整洁，售价 3000 日元。购买者是 30 多岁在家工作的人。基于“整理桌面”的主题，提供 3 个 120 字的产品描述草稿。不要挑衅或夸大。每个草稿附上一行说明其目的。
即使是同一个产品，只有后者才能得到“3 个可用的草稿”。
请求方法 ②：不要追求一次性完成，先“让它提问”
即使你使用了模板，前提可能仍然不足。所以，再多一步。对于智能模型，让它们在开始之前先提问。这对于像 Sol 这样的“思考”模型尤其有效。
之后，我希望你创建一个用于求职面试的反向问题列表。为了得到好的结果，请先问我 5 个问题。等我回答后再开始工作。
Sol 会就缺失的前提提出精确的问题：公司是什么行业？面试官是高管还是现场人员？你重视什么？如果你在填充这些之后让它工作，返工将明显减少。最终，插入一轮提问比一次性的模糊请求要快。
演示：从零到完成，一个使用 Sol 的完整流程
光说不练假把式，让我们把它变成一个完整的流程。虽然是虚构的，但我会写出实际使用的词语。
主题是“在 X 上发布一条帖子，宣布作为副业开始的木质手机支架。”
- 自定义指令已经设置（副业前提和格式已包含）。因此，不需要每次都解释。
- 选择 GPT-5.6 Sol 作为模型。因为你不希望在首次发布时出错。
- 首先，让它提问。
我想在 X 上创建一条产品发布帖子。请先问我 5 个问题。等我回答后再开始工作。
- Sol 会问：价格是多少？有照片吗？目标受众是谁？要包含链接吗？语气是严肃还是随意？回答它们。
- 现在前提一致了，请求实际内容。
根据之前的回答，提供 3 个发布帖子的草稿。每个在 140 字以内，带有换行以便阅读，并在结尾添加一个钩子。不要挑衅。
- 完善你喜欢的那个草稿。
我采用第二个草稿。让措辞更能唤起“整洁桌面”的场景。不要使用表情符号。
你会得到一个可以直接粘贴的帖子，这来自于一次性的模糊请求是无法得到的。不要只是收集零散的“这样问比较好”的技巧，模仿这个流程，它就会起作用。
总结
- Sol 的性能由“设置和请求”决定，而不是“模型选择”。
- 将前提一次写入自定义指令。只将难以改变的事实存入记忆。
- 不要把所有事情都交给 Sol。只对你不希望出错的动作使用 Sol。
- 停止模糊交接，使用“作为谁、前提、约束、输出格式”模板请求。
- 模型越聪明，如果让它在开始前提问，越不会遗漏。
如果你不知道这些设置，你会继续每个月为最聪明的模型付费，却向陌生人提出模糊的请求。你是愿意一次性设置好并改变提问方式，还是今天也继续用“随便做点好的”得到单薄的答案？转折点就在这里。
你今天可以迈出的一步：打开 ChatGPT 设置，在自定义指令中放入两件事：“你的副业前提”和“当请求模糊时先提问”。从下一次交流开始，返回的内容将改变。
分发一个能彻底改变 Claude 中幻灯片创建的设计系统工具包
▼ 在 LINE 上注册以接收“Claude 设计系统工具包”
https://t.co/90omRA4UQ7
请加入 OpenChat (LINE OpenChat)，然后发送
设计系统
到文章中提到的官方 LINE 账号以获取福利。
