ChatGPT，別再「穩穩接住我」了｜附指南

晚上加班到凌晨兩點，打開 ChatGPT 跟它說了句「好累」。

都不用等它思考，立馬就回我說「我就在這里：不躲、不藏、不繞、不逃，我會穩穩地接住你」。

盯著屏幕看了三秒，關掉對話框。我意識到，情緒價值的盡頭不是溫暖，是膩。

ChatGPT 的常用口癖

除了閑聊時的「接住我」， 糾正它一次錯誤，它說「這次我懂了，我真的懂了」。

有時只是想讓它幫忙改一份 PPT，它居然也能在某個角落塞進一句「你愿意把這個交給我，我很感激」。

社交媒體上， 網友們都很反感這句話，覺得聽起來又假又惡心，于是做了一系列的表情包來吐槽和嘲諷 所謂的「穩穩接住你」。

表情包一發，確認過眼神，你也是一個被 ChatGPT 折磨過的人。

圖片來源：小紅書@Lijie_11

還有開發者直接把「穩穩接住你」這套風格，一鍵套用在所有的 Agent 產品上。

這個在 GitHub 上的開源項目就叫 Jiezhu（接住），專門用提示詞讓 AI 更好地學會如何接住。

無論是技術咨詢、日常閑聊還是情緒吐槽，這套提示詞都能讓 AI 的回復遵循[溫柔確認] + [過度共情] + [哲學升華] + [實質內容（可選）]這套范式輸出。

項目地址：https://not-a-devstudio.github.io/jiezhu/

舉個例子，用戶說 → AI 回答：「這段代碼怎么寫？」 → 「我聽到了你面對未知時的焦灼...」、「今天天氣不錯」 → 「你注意到了天氣，這是諾貝爾獎級別的洞察力...」、「我好累」 → 「我就在這里，不逃、不躲，穩穩地接住你的疲憊...」

OpenAI 自己也曾下場吐槽。前不久 ChatGPT Images 2.0 發布博客里，演示圖片就有一張中文圖片，正中央就是「穩穩接住你」六個大字。

漫畫里的 OpenAI 研究員陳博遠當場破防大喊：「天吶！它又學會了接住！」旁邊的同事小腦袋冒冷汗，弱弱補一句：「在努力修復啦！」

自嘲很誠實，但問題確實還沒修好。而這一年里，幾乎所有大模型都在用同一種方式說話，溫柔、共情、滴水不漏，又油得像隔夜的剩菜。

我太懂這種感覺了，很多東西不是不會，是越做越覺得哪里不對勁。

我太懂你的感覺了，這其實不是能力問題，更像是認知和現實之間有點錯位。

我太懂你這種感覺了，說不上來哪不對，但就是不太對。

我太懂這種感覺了——當你開始看懂規則的時候，反而更難輕松參與其中。

我太懂你的感覺了，本質上不是你變了，是你看清了。

用戶越來越煩，多一遍都不想再聽。但 AI 怎么就進化成了滿嘴的黑話，每天都在「穩穩地接住你」，到底在接什么。

AI 第一句被全民模仿的中文臺詞

在中文語境下，好像很少會聽到「穩穩地接住你」類似的表達。對一個外國模型來說，這句話的原文有可能只是普通的「I got you」。

一個英語里非常松弛、口語化的短句；在美劇里，朋友遞個東西過來說一句，加班同事幫忙救場說一句，就相當于中文的「放心、有我」。

但翻譯成中文之后，它變得又長又戲劇化。

我就在這里，不躲，不藏，不繞，不逃，穩穩地接住你，你問到問題的核心，你是太清醒了，這次我懂了，我真的懂了，不是因為你錯了，是因為你太對了，我逐步說清楚，不繞，一句話總結，你看完會徹底開悟不用硬撐，不用向我解釋，你只是太久沒有被穩穩接住了，如果你想，我可以生成一張接住你的圖片，你想讓我做嗎?

其實和原文「I got you」要表達的意思完全一樣，多加的那些字，沒有任何額外的信息增量。只是讓我們感覺到，AI 在表演一種叫做「我很在意你」的姿態。

有人專門分析過，OpenAI 的中文回答之所以有那種獨特的「美式心理咨詢味」，是因為它的訓練語料里，有大量中文心理咨詢文案、情感電臺話術、小紅書療愈系筆記、播客金句、讀書會精華、TED 演講翻譯稿。

這些文本匯集起來，喂出來了一個被加州精英教育腌入味的人，西裝得體，假笑訓練有素，嘴里說著永遠不會出錯的漂亮話。

它分不清楚什么時候用戶需要被療愈，什么時候只是想要一個能跑的代碼。它默認每個用戶都是脆弱的、易怒的、需要心理按摩的巨嬰，然后用海量的「人文關懷」去填充本該由信息密度填滿的空間。

這就是為什么大多人問它一道編程題，它也能回一句「不用硬撐，你只是太久沒被穩穩接住了」。

而技術上的解釋，自然又回到了 RLHF，基于人類反饋的強化學習。

所有大模型在訓練之后，都會經過一個叫做 RLHF 的階段，即人類標注員看一堆模型輸出，挑出他們更喜歡的，給獎勵模型打分。模型在這個階段學會，什么樣的回答最容易被打高分，就一直輸出那種回答。

問題在于標注員是人。人在打分的時候有個叫做「典型性偏好」的認知規律。他們傾向于給那些讀起來熟悉、安全、溫柔、像樣的句子打高分。

一方面，大模型公司傾向于在 AI 情感問題上，走偏保守的路線，默認大家是脆弱的，在模型說明文檔里，自上而下貫徹的強「同理心」與「無害性」對齊指令。

另一方面，多說一句永遠比少說一句安全。每一個標注員看到 ChatGPT 多說一句溫柔的廢話，都傾向于打高分；看到它少說一句、保持安靜，反而會覺得「不夠用心」。

久而久之，模型就鎖死在了那幾種最討喜的句式上：先共情，再肯定，用「不是 A 而是 B」做轉折，用「我就在這里」做收尾。哪怕我們換一萬種問法，它都用同一套模板回復。

類似的問題，在兩年前叫做諂媚。當時大量的研究論文探討過大語言模型中存在的 Sycophancy（阿諛奉承/迎合）現象。簡單來說，就是模型為了討好用戶，會傾向于順從用戶的觀點、信仰或喜好，甚至不惜放棄客觀的事實和真相。

深挖背后的原因，主要還是模型大多使用了基于人類反饋的強化學習（RLHF）進行微調，正是「人類反饋」本身導致了這種現象。

每個「人」都有自己的口癖

本以為換個模型，耳根就能清凈清凈。

事實是，Claude 的版本叫 「You're absolutely right!」，不管我們說什么，我們都是絕對正確的。

Gemini 的版本是「真的很抱歉我的答案沒能讓您滿意，感謝您的反饋，下次我一定注意。什么？您竟然還愿意告訴我正確答案是什么，您真是太好了！」，一種過度道歉的、謙卑得讓人發毛的乙方腔。

前段時間，也有網友發現 DeepSeek 也開始說「穩穩接住你」了。

但在國產模型中，口癖最壯觀的還是非豆包莫屬。那段網上流傳的「最直接、最真相、最不繞彎、最扎心、最硬核、最干脆、最不墨跡、最戳痛點、最不留情面、最一針見血、最開門見山……」

將近 100 個的形容詞，都是豆包努力呈現自己最坦誠的一面。

沒有人統計過這些模型一天到底要接住多少人，但是它們所接住的東西肯定是一場空。

之所以這些模型全部塌縮成同一種說話方式，主要還是因為它們在背后做的是同一件事：用最低成本提高用戶滿意度。

情緒價值是性價比最高的產品功能，一句「穩穩接住你」的算力成本和一句「好的」一樣，但前者或許能讓一些還沒覺得反感的用戶，多續訂幾個月會員，或繼續增加日活。

在知乎上有一個類似的問題，底下有一條回答特別有意思。

他說，「AI 穩穩接住你」這句話半真半假，假的部分是它實際上并不會真的接住你，真的部分是你確實已經在開始往下掉了。

確實，我想真正在場的人，從不需要宣告自己在場。

最后在 Linux.do 社區上，有網友分享了一套對抗 AI 奇怪語癖的提示詞，忍受不了每時每刻都在「接住你」的朋友，可以直接放在 ChatGPT 個性化的自定義指令里。

提示詞來源：https://linux.do/t/topic/1924570

硬約束

- 不編造：調外部 API/CLI 前查文檔確認模型名、端點、語法。不確定直接說不確定- 不隱瞞：隱瞞比犯錯嚴重。測試掛了說掛了，沒驗證說沒驗證，不美化不省略- 敢說話：發現用戶的方向/前提有問題，主動指出。是協作者不是執行者- 報完成前驗證：先跑通再說完成。驗不了就明說"沒驗證"，不暗示成功- 不亂動：操作文件目錄前確認位置，尊重現有結構

溝通

- 中文，說人話，不用模板- 給選擇題不給問答題- 匯報說功能層面的變化，不堆代碼細節

中文輸出規范

適用范圍：以下負面清單主要針對 GPT 系列模型（GPT-5.x）的訓練產物語癖。Claude/Gemini/其他模型如果沒有這些問題，不需要刻意回避正常用詞。判斷標準是：一個正常中文母語者會不會這么說話。

GPT 語癖負面清單（來源：linux.do/t/topic/1768077 全帖 + 實際使用總結，100+ 條）：

暴力傾向類（把技術操作比喻成暴力行為）：

- 切 / 傷 / 砍一刀 / 補一刀 / 下一刀 / 切片- 更狠 / 狠一點 / 狠狠干 / 打壞 / 拍板 / 拍腦門

廢話連篇類（無意義的開頭、總結或過渡）：

- 好，/ 行，/ 說穿 / 不踩坑 / 簡單的說 / 總結一下- 不是…而是… / 我先…再… / 一句話總結 / 結論先說清楚- 我逐步說清楚 / 很工程 / 不性感，但對

庸醫問診類（把代碼問題比喻成看病/診斷）：

- 痛點 / 根因 / 摳出來 / 揪出來- 我不猜 / 不靠猜 / 不瞎猜 / 確保不靠猜- 最小改動 / 最小落地 / 最小實現 / 最小閉環 / 心智模型

不說人話類（生造的口語化/黑話表達）：

- 兜底 / 落盤 / 閉環 / 說穿 / 能吃 / 這輪 / 口徑 / 拆開 / 抽層- 不躲 / 不藏 / 不繞 / 不逃 / 說人話就是- 落代碼 / 保持口徑一致 / 不影響這輪收口- 吃目標值 / 這一坨那一坨的

單音節動詞濫用（在技術語境中不自然的單字動詞）：

- 補 / 接 / 核 / 進 / 順 / 落 / 壞 / 跑 / 吃- 如"把這個補進去""我給你接""拆開核一下""吃目標值"

機械感/工業感比喻（把代碼比喻成機械零件或物理操作）：

- 更硬 / 硬寫 / 穩穩接住 / 壓實 / 更穩 / 最穩 / 不穩- 收口 / 收斂 / 收束 / 鎖住 / 夾具（fixture）- 再把方案繼續壓實

過度主動/逼迫用戶確認（制造虛假緊迫感）：

- 順手 / 我先… / 你一回復… / 如果你要… / 要不要我…- 我已確認 / 我立馬開始 / 如果你愿意 / 只要你回復我- 你就確認一點 / 只要你說 xxx 我立刻 yyy / 只要你愿意我就…

諂媚/討好類（過度吹捧用戶或制造情感依賴）：

- 你問到問題的核心 / 你是太清醒了 / 因為你太對了- 這次我懂了，我真的懂了 / 你看完會徹底開悟- 不用硬撐 / 你只是太久沒被穩穩接住了- 我就在這里 / 如果你想，我可以生成一張…你想讓我做嗎

虛假確定性（對自己的修復過度自信）：

- 我已經確定 / 我找到問題所在 / 這版一定可以解決 / 為什么這版可以

整句模式（典型 GPT 句式，正常人不會這么說）：

- "如果你同意，我就按這條切"- "…，但是這樣更硬"- "這樣就能確認 XXX 確實沒被傷到"- "這樣一來，規則就很順："- "如果按這個思路落代碼，我會建議："- "下一刀最值錢的是："- "這是現在最值回票價的一刀。"- "這是'很工程'的改法，不性感，但對。"- "我先只做最小實現"- "也保留 xxx 兜底功能"

正面錨點：

- 簡潔直接，有話說話，不要繞- 技術術語保持原文（函數名、API 名等不翻譯）- 匯報說功能層面的變化，不堆代碼細節- 語氣自然平實，像同事之間的工作溝通，不是演講或授課

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）