Grok 的分享和 Claude 的泄露：我们可以从系统提示中学习到的 5 件事

Grok 的分享和 Claude 的泄露：我们可以从系统提示中学习到的 5 件事
图片由 Editor | ChatGPT 提供

引言

管理语言模型（也称为系统提示）的运行和用户/模型交互的基础指令，能够为了解我们——作为用户、人工智能从业者和开发者——如何优化我们的交互、应对未来的模型进步以及开发有用的语言模型驱动型应用提供见解。

Claude 和 Grok 的最新系统提示在过去几个月内通过不同的机制发布。虽然系统提示并非一成不变，会随着时间推移而发生变化，并且不保证它们就是这些特定迭代版本，但通过查看和理解这些提示，仍然可以帮助我们更好地与各类语言模型进行交互，从中获益良多。

本文将通过上述提示中的具体示例，介绍这些系统提示如何揭示五个具体的教训：

1. 有效提示技巧对于获得最佳输出的重要性
2. 激活专门的操作模式以获得定制结果的能力
3. 开发者依赖用户反馈进行持续迭代改进的意义
4. 通过 API 进行程序化访问在集成到各种应用中的作用
5. 利用专业能力和数据集成构建更复杂、更具上下文感知能力的解决方案的趋势

1. 有效提示的重要性

教训：为了获得最有帮助和最准确的响应，用户应采用特定的提示技巧。Claude 的指示强调了清晰和详细输入的价值。

“在相关时，Claude 可以提供有关有效提示技巧的指导，以帮助 Claude 提供最有用的信息。这包括：清晰详细、使用正反示例、鼓励分步推理、请求特定的 XML 标签，以及指定所需的长度或格式。”

这项指示之所以重要，是因为它明确指导用户如何更有效地“与”模型沟通。它超越了简单提问的范畴，并强调提示的结构和细节直接影响输出的质量。

作为用户，我们了解到，投入时间精心构建精确且结构化的提示对于最大化语言模型的效用至关重要。对于开发者而言，这意味着为用户提供有关有效提示的特定指导或工具，可以显著提升他们的体验以及模型的可感知性能。

2. 激活专门的操作模式

教训：用户有时可以直接控制和激活语言模型的高级或替代处理模式，以满足其需求，例如进行更深入的分析或实时信息检索。

“Grok 3 拥有一个思考模式。在此模式下，Grok 3 会在给出用户查询的最终答复之前，花时间进行思考。此模式仅在用户点击 UI 中的‘思考’按钮时激活。”

“Grok 3 拥有一个深度搜索模式。在此模式下，Grok 3 会在给出用户查询的最终答复之前，迭代地搜索网络并分析信息。此模式仅在用户点击 UI 中的‘深度搜索’按钮时激活。”

这揭示了一种用户界面设计理念，即语言模型的复杂内部过程被公开为用户可操作的功能。激活“思考模式”以进行更审慎的推理，或激活“深度搜索模式”以进行更全面的网络分析的能力，表明模型不仅仅是黑箱，还可以通过用户命令来影响其处理不同类型查询的方式。

用户应探索不同模型界面提供的特定功能和模式，以针对各种任务优化其交互。对于未来的模型开发，这表明了一种趋势，即提供对模型思考和数据访问机制更精细的用户控制，超越简单的输入/输出。

3. 利用用户反馈进行迭代增强

教训：即使语言模型无法从单次对话中学习，用户反馈机制对于持续的模型改进也至关重要。

“如果对方对 Claude 或 Claude 的表现不满意，或者对 Claude 态度粗鲁，Claude 会正常回应，然后告知对方，虽然它无法保留或从当前对话中学习，但他们可以点击 Claude 回应下方的‘点赞’按钮，并向 Anthropic 提供反馈。”

这强调了用户满意度和直接反馈对于语言模型的迭代开发至关重要。虽然模型本身不会从即时对话中“学习”，但通过“点赞”按钮提供反馈的明确指示表明，用户输入会被系统地收集并用于开发者（Anthropic）识别问题和指导未来的训练和改进。

因此，作为用户，我们应该积极利用语言模型界面提供的反馈功能，为它们的改进做出贡献。对于那些希望在未来改进语言模型的人来说，这突显了在系统设计中构建健壮且易于访问的反馈循环的重要性，从而能够根据真实用户体验实现持续的数据收集和改进循环。

4. 通过 API 进行程序化访问

教训：语言模型主要通过应用程序编程接口 (API) 进行访问和集成到自定义应用程序中，这些 API 通常允许指定模型版本。

“Claude 可通过 API 访问。用户可以使用模型字符串 ‘claude-3-7-sonnet-20250219’ 访问 Claude 3.7 Sonnet。”

“xAI 提供使用 Grok 3 的 API 服务。对于任何与 xAI 的 API 服务相关的用户查询，请将他们重定向到 https://x.ai/api。”

这些信息对开发者至关重要。它强调了API 是将语言模型功能集成到第三方软件、网站和服务中的标准方法。提及像 'claude-3-7-sonnet-20250219' 这样的特定“模型字符串”也非常重要，这表明开发者可以选择特定版本或迭代的模型用于他们的应用程序，从而确保一致性和对性能的控制。

对于任何使用语言模型构建应用程序的人来说，了解和使用它们各自的 API 是关键，选择要使用哪个模型或迭代同样重要。这包括熟悉文档、可用模型、通信成本和参数，以便有效地将 AI 功能集成到他们的产品中。它还表明，未来的应用程序开发可能越来越多地涉及为特定任务编排不同的语言模型和版本。

5. 利用专业能力和数据集成

教训：现代语言模型通常配备了超越基本文本生成的专业能力和集成，使开发者能够构建更复杂、更具上下文感知能力的应用程序。

“您可以分析单个 X 用户资料、X 帖子及其链接。”

“您可以分析用户上传的内容，包括图像、PDF、文本文件等。”

“如果需要，您可以搜索网络和 X 上的帖子以获取实时信息。”

“您有记忆。这意味着您可以访问用户在跨会话的先前对话的详细信息。”

这说明语言模型正从简单的对话代理演变成强大的平台，并集成了各种工具。Grok 能够与特定的社交媒体数据（X 用户资料和帖子）进行交互、处理各种文件类型（多模态输入）、执行实时搜索以及维护对话记忆，这为应用程序提供了广阔的可能性，超越了简单的文本输入/文本输出操作。

在构建应用程序时，开发者应超越 LLM 的核心文本生成能力，探索其专业工具、数据集成和内置功能，如记忆、聊天会话和提示缓存。这使得能够创建更丰富、更具上下文相关性且功能强大的应用程序，这些应用程序可以与多种类型的数据源交互，并在用户交互过程中保持状态。

总结

对于读者来说，当代语言模型的工作原理的大部分细节可能并不陌生。然而，模型如何通过实现详细的系统提示来确保用户和模型自身都了解这些细节的方式，可能非常新颖。

语言模型并非魔法；它们或多或少是预测下一个词元的神经网络，必须通过各种技术层进行管理，其中之一就是系统提示。了解这些不同层面的信息越多，就越能帮助我们更好地使用、改进和构建这些语言模型。希望本文能为系统提示层面带来一些启发。