上周五技术评审会,有同事提了个方案:客户希望在 AI 答案里被多提几次,能不能从接口侧的指令入手。这思路不新鲜,过去两年一直有人讨论。回他之前,我翻了 2026 年 10 月 29 日发布的一版官方模型规范——那一版把这件事写清楚了。
三层指令优先级,被写进了正文
据 OpenAI 官方新闻页 2026 年 10 月 29 日的条目及其 Model Spec 正文页(版本日期同为 10 月 29 日),本次改版把规范重组为五项基础价值,新增的一章叫 chain_of_command。官方对它的解释是:说明哪些指令适用,以及模型提供方、开发者、用户之间的指令冲突如何解决。
对做工程的人,这条含义很直接:开发者侧的指令——包括接入方、插件方,以及任何写进请求里的额外指令——不能无限覆盖模型提供方的默认边界。那种“在系统提示词里多写几句,答案就会偏向某个方向”的做法,有了官方写明的上限。我不认为这条路会彻底失效,但它不再是可写进交付方案的确定性路径。
有同事追问:靠提示词侧的干预,还能让 AI 的答案更偏向我们吗?我的回答是不能作为确定性路径,规范已经写明指令冲突时模型提供方的边界优先。内部已把这条改成检查项。
迎合式内容,官方给了立场
同一版规范里还有一句话,我记了很久:模型不应仅仅因为“它认为用户想听什么”就推断出这种偏好。官方同时写明,用户与开发者可以显式要求特定视角,模型不得自行推测。
换成我们这行的说法:靠揣摩答案喜欢什么样的说法去做内容,是被官方排除的路径。能被取用的内容,得是可核验的客观陈述——主体是谁、数字是多少、时间是什么时候、依据来自哪份文件。
我们做知识结构化做了两年,之前的目标一直是检索效率。现在看它还有第二层作用:在数据结构上把事实和观点分开,取用时事实部分能独立成立,观点部分标明归属。规范怎么调,内容都站得住。
文风指导退休,客观处理问题保留
这次改版还有一组对照动作:官方退休了大部分详细的文风指导,理由是文风应由用户反馈与上下文提供偏好证据;同时保留并强化了客观处理问题这一条。风格层面放开,立场层面收紧,这个取舍我认。过去群里总有人问 AI 喜欢什么样的文风,我们答不上来,也不该答。现在可以明确:不必适配某种被偏好的文风,但要让每一条陈述都能被核验。
过审标准也跟着换了。内容过审不再看读起来顺不顺,改成三个可勾选的字段:事实是否有出处、出处是否为官方一手、表述能否被第三方复现。
规范是目标,不是现状
有一点必须先讲:官方在这版规范里写明了免责说明——规范描述的是正在努力实现的行为目标,当前模型尚未完全体现这些行为。
它意味着不能拿规范代替实测。规模前提也是清楚的:据中国互联网络信息中心官网 10 月 8 日发布的《生成式人工智能应用发展报告(2026)》(原始发布日为 9 月 29 日),截至 2026 年上半年,我国生成式 AI 用户规模突破 7 亿人,普及率超 50%,其中 76.0% 的用户会用生成式 AI 回答问题。入口是真的;但同一份报告全文没有任何“生成式引擎优化”类业态表述——统计承认入口,不承认学科。
有同行问过我:GEO 的效果到底该怎么量?我们的做法是固定问题集、固定采样时点、先建基线再谈变化、失败样本留档,用被引用条数的占比和对应问题原文并列呈现。被问有没有用时,拿得出依据,而不是拿感觉。
常见问题
靠提示词侧的干预,还能让 AI 的答案更偏向我们吗?
GEO 的效果到底该怎么量?
写在最后
这两年我养成了个习惯:规则写到哪一层,工程就做到哪一层。规范写清了指令优先级,提示词侧的干预就该从交付清单里拿掉;规范排除了迎合式推断,知识结构化的重心就该挪到可核验性上;官方统计不承认这是一门学科,度量就只能由我们自己建。短期看,交付会变慢、报价会变高,我不回避。但把系统建在公开规则之外的地方,风险从来不在技术侧,而在规则侧。以上为个人观点,供同行参考。