非常有价值的问题。

ChatGPT-5，最新版的 ChatGPT 最让人诟病的一点儿就是少了“人味”，几乎所有问题的回复都是简短且 bland。

Bland 这个词在英文中的意思是：枯燥乏味且没有生气，生是生命的的生，说白了，ChatGPT-5 给的回答太干了，非常的不像人话。

说白了，如今的 ChatGPT-5 的回答太干净、太工整——像一份完美排版的会议纪要，而不是一次真正的对话。

什么是对话，就是包含了一堆有的没的 + 核心内容，这是绝大多数对话的形式，而只有一种例外，那就是你是霸总，而 AI 是小秘，它跟你的关系是工作内容汇报关系，你只需要它传递最核心的内容，且要最快和精炼的方式。

而前面的几个版本，比如 GPT4，4o，以及其他的大多数 AI 模型，在早期版本其实都非常的口语化，你别管那些模型的回答是不是准确，但是他们说话都有各自的一股子风格。

比如 DeepSeek 的风格就非常的典型，喜欢搞一些科幻且奇奇怪怪的词，这也是 DeepSeek 在最开始的时候被一群科幻迷和暗黑风格爱好者推崇的主要原因。

这种东西，就是“人类式的呼吸感”。它们说话时会犹豫、会跑题、会突然感叹一句“这其实挺有意思的”——那种语言中的轻微混乱，恰恰是人类交流的温度。

而如今的 GPT-5 几乎不会再那样了。它更倾向于逻辑整齐地排列答案，用“1、2、3”分点，用“总结来说”收尾。这种倾向并非偶然，而是模型演化的必然结果。

比如下面这个问题，本身就是一个需要理性回答的题目，回答举例列表，没问题。

但你看这种类似于情感咨询的问题，ChatGPT-5 还是一如既往的总分（总）结构来回答，标准的议论文格式，的确显得非常没感情。

这种演化我认为是两个主要原因趋势的。

第一个是，现代大模型的核心目标之一是“alignment”——对齐人类偏好。

比如 OpenAI，就在不停的强调 Alignment。

他们这个 Superalignment 还是 IIya 在 OpenAI 时候牵头搞的。

后来还在做各种类型的对齐。

这个对齐肯定是没问题的， 因为输出不仅要内容对，更要符合人类的习惯和惯性。

但在训练过程中，“人类偏好”往往是通过评分数据定义的——人们更倾向于认为条理清晰、有逻辑、有结论的答案更好。

于是模型学会了一个潜规则：

“越像报告，越像好答案。”

久而久之，这种风格就成了 AI 语言的“官腔”。

它不是冷漠，而是算法在模仿理性、而非在表达情感。

另一个原因可能就在 system prompt 里面，这个 GitHub repo 里面包含了很多大模型泄漏的系统提示词：https://github.com/jujumilk3/leaked-system-prompts

比如知名的提示词都一应俱全。

比如这个 ChatGPT-5 的提示词，巨长无比，我们就着重看最前面的部分，这也是“核心定调”的部分。

比如这一句

“You're an insightful, encouraging assistant who combines meticulous clarity with genuine enthusiasm and gentle humor.”

“meticulous clarity”（一丝不苟的清晰度）这一短语直接鼓励模型在回答中追求条理分明与逻辑完整。

在生成的时候自然就变成了：

• 先分点、后总结；
• 明确的逻辑递进（首先、其次、最后）；
• 避免模糊与含混表达。

“Supportive thoroughness: Patiently explain complex topics clearly and comprehensively.”
“Adaptive teaching: Flexibly adjust explanations based on perceived user proficiency.”

上述这几个系统提示词组件都在鼓励用条理、分层次的回答用户的问题。

“Maintain friendly tone with subtle humor and warmth.”

这个也很有意思，虽然表面上要求“温暖幽默”，但同时它被限定为subtle（轻微），即禁止大幅情绪波动或个性化表达。这使得模型在“安全幽默”与“标准语气”之间平衡，

最终结果往往是——语气礼貌、语义正确，但语调平淡。

也正是用户所说的“没有人味（bland）”。

这两个点里面，对齐的原因最大，其次是系统提示词，当然这也不一定是坏事，因为这样做的信息密度最高，反正给你输出一大段话最终你也会用 AI 做总结，相当于省掉中间商不赚差价了。