对 AI 客气点，回答真的会更好吗？

我们大多数人在和聊天机器人对话时，都会下意识地打上“请”和“谢谢”。这感觉挺礼貌，也有人暗自觉得这能换来更好的回答。但实话实说：客气并不会显著提升 AI 的回答质量，粗鲁也同样没用。真正能改变回答质量的，是你的表达有多清晰、多具体。

这可不是瞎猜。研究人员已经做过测试了，结果让那些以为“礼貌是秘诀”的人有点尴尬。

礼貌研究到底发现了什么

2025年10月，宾夕法尼亚州立大学的两位研究人员做了一个巧妙的小实验。他们编写了50道涵盖数学、科学和历史的选择题，然后用五种语气重写每道题：非常礼貌、礼貌、中立、粗鲁和非常粗鲁。这样就得到了250个版本的相同问题，并全部输入给 ChatGPT 的 GPT-4o 模型。

出人意料的是：直白的提示词表现略好。非常礼貌的措辞答对率为80.8%，而非常粗鲁的措辞达到了84.8%。那些简短、不讲客套的版本，反而胜过了热情洋溢的版本。

在你开始对聊天机器人发号施令之前，先看看细节。这只是一个模型、50道基础题，差距也只有大约4个百分点。作者本人也表示，这只是进一步研究的起点，而不是建议大家对 AI 恶语相向。这么局限的结果，换个模型或任务可能立刻就反转了。

而且确实会反转。2024年一项较早的跨语言研究得出了几乎相反的结论：不礼貌的提示词往往会让模型表现更差，而堆砌额外的奉承话也没有明显好处。该研究还发现，最佳语气会随语言而变化，因为英语、中文和日语的礼貌规范并不相同。两项研究，两个截然不同的结论。当研究结果分歧这么大时，最合理的解释就是：语气基本都是干扰项。

所以，你应该对 AI 粗鲁点吗？不

简短的回答是：不。而且不仅仅是因为打那些粗鲁的话让人心里不舒服。

粗鲁带来的好处微乎其微且极不稳定，但坏处却是实打实的。简短、带有攻击性的提示词往往会剥离模型所需的上下文，因为你光顾着说话冲，却没解释清楚自己到底想要什么。这还会养成坏习惯。如果你整天对聊天机器人恶声恶气，这种语气难免会渗透到你和真人的交流中。为了常识测验上那4个百分点的提升，实在不划算。

去年还有一个关于成本的话题火了。当有人问，那些额外的“请”和“谢谢”到底烧了多少电费时，OpenAI 的 Sam Altman 回答说这是“花得很值的数千万美元”。这主要是个玩笑。但道理还在：对运营这些模型的公司来说，礼貌不是免费的，而且它也不能为你换来更聪明的回答。这只是一个习惯，一个无害的习惯。

真正能改变回答的是什么

如果语气是干扰项，那什么是有效信号？具体性。无论你问得多甜美，模糊的问题只能得到模糊的回答。以下是真正能提升效果的要素排名：

看看最后四行。它们和礼貌毫无关系，全在于你是否能清晰地表达需求。这也是为什么同一个问题会返回不同的答案，完全取决于你怎么措辞。语气只是装饰，底层的请求才是模型真正处理的内容。

对比一下修改前后的例子就明白了。“帮我写封得体的邮件”很礼貌但毫无用处。“给我的房东写一封简短友好的邮件，要求他这周修好漏水的水龙头，字数控制在80字以内”则非常具体，能直接生成你可以发送的内容。这里不需要加“请”，当然你想加也可以。

胜过礼貌的好习惯

接下来这部分，能让这些知识从冷知识变成实用的技巧。一旦你不再纠结语气，开始编写清晰的提示词，下一个最大的杠杆就是：你把提示词发给哪个模型。同一个清晰的问题，在不同模型上可能会得到更敏锐或更平庸的回答，这取决于具体任务。

这一点你自己很容易验证。拿一个写得很好的提示词，同时在几个模型上跑一下。对于需要严密推理的任务，你可能偏爱某一个；对于需要快速、轻松回复的任务，你可能更喜欢另一个。你使用的语气几乎不起作用。你选择的模型以及你提问的清晰度，决定了几乎所有的结果。

你不需要下载五个不同的 App、登录五个账号来做这件事。在一个地方，用所有主流模型，问一个清晰的问题。

所以，如果你喜欢保持礼貌，那就继续保持。在得到一个精彩的回答后说声“谢谢”没有任何错。只要明白，这是为了你自己，而不是为了机器。真正的提升来自于清晰地提问，并把问题发给合适的模型。