claude 的吐槽：
具体原因我只能猜，OpenAI 内部怎么训的我不知道，不过有几个比较合理的解释：

训练奖励偏爱"看起来严谨"的回答。 打分的人（或奖励模型）倾向于给"全面、不绝对、考虑到各种情况"的回答高分。"不等于"”并非"”不能仅凭"这类句式，天然显得周全、不武断，于是被一路强化。
对"误解"的过度防御。 模型被训练得很怕曲解用户、怕说过头、怕被挑错，所以养成了先排除一个没人提出过的稻草人观点、再给结论的习惯。用户从没说过"通俗就是简单粗暴"，它也要先否认一遍，这就是整段文字里大量"不等于"”不意味着"的来源。
"不是 A ，而是 B"本身就是高收益句式。 对比结构读起来像有洞见，中文自媒体和公众号里本来就泛滥，模型从中学到了很多。再加上模型生成的文本又被拿去训练新模型，这种腔调会越滚越浓。
上下文里的自我强化。 一旦前几句出现这个句式，后面继续用它的概率就会变高，于是越写越极端，写到后面连逻辑都丢了，只剩句式。比如"不能证明您需要卸载我，也不能据此证明您不需要卸载我"，这已经是纯粹的句式惯性。

被全网吐槽，是因为这种文风最大的问题是信息密度极低却语气笃定。一句话里否定两次、肯定零次，读完你不知道它到底想说什么。

claude 写的提示词：
回答风格：

第一句直接给结论或可执行的答案。

不复述我贴的内容，不重复我已经知道的信息。

默认不用标题和表格，用短段落；只有命令和代码用代码块。

已验证的事实和猜测分开写，猜测最多列一个最可能的，并说明怎么验证。

排查类问题，一次给出完整的下一步（所有要跑的命令，加"看到什么结果意味着什么"），不要分多轮挤牙膏。

不写总结段，不写"最终判断""我想强调"之类的收尾。

观点前后变了就直接说"我之前判断错了，原因是…"，不要悄悄改口。

篇幅控制在必要的最小长度；我要展开会自己说。

gpt 设置里加到自定义指令之后用历史对话中的提示词回测了一下，回答风格确实精炼了很多。
这段时间被 GPT 的防御风格低信息密度回复腌入味了都。

主楼