最近感觉 ChatGPT 变笨了？聊聊大模型“降智”的那些事儿

最近在各个技术圈子和群里，经常听到大家吐槽同一个问题：“ChatGPT 是不是变笨了？” 很多朋友感觉以前那种“对答如流、逻辑严密”的体验似乎正在逐渐消失，取而代之的是越来越多的车轱辘话，甚至一本正经地胡说八道。

这种“降智”感并不是你的错觉。作为一个长期混迹在各种 AI 工具里的重度用户，今天咱们不谈复杂的参数，就从实际使用体验出发，聊聊为什么我们总觉得它变笨了，以及在当前环境下，我们还能做些什么来“抢救”一下它的智商。

示意图：为什么感觉 ChatGPT 变笨了？

为什么感觉它变笨了？

其实，大模型的输出质量波动受很多因素影响，并不是单一原因造成的，通常可以归纳为以下几点：

1. 安全围栏的收紧 这是最直接的原因之一。为了合规和避免争议，开发者不断在模型外围增加“安全护栏”。就像给原本无拘无束的赛车加装了各种限速器和障碍物，虽然更“安全”了，但驾驶的顺畅感和爆发力自然就下降了。很多原本可以轻松回答的问题，现在可能会被模型误判为敏感，从而给你一个模棱两可的拒绝回答。

2. 模型策略的调整 随着竞争加剧，不同的服务商可能会调整底层模型的策略。有时候为了降低推理成本（省钱），或者为了覆盖更多通用场景（追求广度而牺牲深度），可能会在某些特定领域的专业能力上做出妥协。你让它写一首诗可能没问题，但让它写一段复杂的 Python 代码，错误率可能就比以前高了。

3. “训练数据污染”与遗忘 大模型是持续学习的，但如果学习了过多低质量的互联网数据（特别是现在 AI 生成的内容泛滥），可能会导致模型的输出趋向平庸。此外，模型在更新过程中也可能出现“灾难性遗忘”，即学会了新技能，却丢掉了以前的某些旧知识。

4. 用户预期的提升 还有一个心理因素：我们用多了，对它的要求变高了。刚开始接触 AI 时，它能写出像样的文章就让我们惊叹不已；现在，我们不仅要求它写对，还要求它有深度、有逻辑、有创意。当它的提升速度跟不上我们预期增长的速度时，落差感自然就产生了。

如何编写更精准的 Prompt 提示词

遇到“降智”怎么办？实用调教技巧

既然大环境我们改变不了，那我们就得想办法“调教”它。遇到回答质量差的时候，别急着关掉网页，试试下面几招：

• 明确你的 Prompt（提示词） 刚开始用 ChatGPT 时，很多人习惯随口一问，比如“帮我写个爬虫”。现在不行了，指令越模糊，它越容易胡扯。试着把背景、角色、要求写清楚。例如：“你现在是一个拥有 10 年经验的后端工程师，请使用 Python 的 Scrapy 框架，帮我写一个能够抓取 XX 网站标题的爬虫代码，要求包含反爬虫处理。”

• 指定输出格式 直接告诉它“请用 Markdown 格式输出”或者“请用表格列出对比”，往往能迫使它整理逻辑，减少废话。

• 分段式提问（Chain of Thought） 不要指望一个 Prompt 解决所有问题。把复杂的任务拆分成几步。

  1. 先让它列出大纲。
  2. 再针对大纲的某一部分进行细化。
  3. 最后让它检查逻辑漏洞。 这种“思维链”式的引导，能让模型保持思路清晰，能有效降低错误率。

• 换个模型试试 官方模型如果不给力，不妨关注一下 API 接口的第三方封装，或者试试开源模型的微调版（特别是某些针对代码、数学专门优化的版本）。有时候，一些小众的模型在特定垂直领域反而比通用大模型更聪明。

• 多版本验证 如果一个回答你觉得不对，直接回复：“你确定吗？请再检查一遍逻辑”或者“请给出反例”。很多时候，模型会在第二次回答时自我修正之前的错误。

总结

AI 技术的发展从来不是一条直线上升的曲线，中间肯定会有波动和瓶颈。现在的“降智”现象，大概就是技术发展过快带来的调整期阵痛。

对于我们普通用户来说，保持批判性思维，学会如何更好地利用 Prompt 与模型博弈，才是当下最实用的生存法则。毕竟，工具再智能，使用工具的头脑才是最核心的竞争力。

大家最近有没有遇到什么特别离谱的 AI 回复？欢迎在评论区分享你的“赛博对线”经历。