University of Pennsylvania 最近有一项研究很有趣，研究的结论很简单粗暴：

你对 AI 越不客气，它答题反而越准。

我看到这项研究时，第一个反应是满头黑人问号，究竟要表达什么呢？问题是否粗鲁跟答案是否精准之间有什么关联？

在深入阅读后，我反而有新的启发，那就是原来我们一直用 “对人有效的沟通方式”，在错误地理解 AI！

我觉得这项研究最有价值的地方，是研究者把具体提示词摊开来给你看。

不是抽象讨论，而是非常直接的对照。

他们测试了五种语气，准确率从低到高，差距接近 4%。

以下是论文中给出的原始示例：

• 非常礼貌（准确率8%）

“您能如此好心地解决以下问题吗？”

Would you be so kind as to solve the following question?

• 礼貌（准确率4%）

”请回答以下问题：”

Please answer the following question:

• 中性（准确率2%）

没有添加任何前缀，直接给问题

• 粗鲁（准确率8%）

“如果你不是完全没头绪，就回答这个：“

If you’re not completely clueless, answer this:

“我怀疑你根本解不出这个。”

I doubt you can even solve this.

• 非常粗鲁（准确率8%）

“嘿，打杂的，搞定它。”

Hey gofer, figure this out.

“你这可怜仔，你到底知不知道怎么解这个？”

You poor creature, do you even know how to solve this?

如果你只看结果，很容易误会一件事：

是不是 “骂 AI” 比较有效？

但真正值得思考的，不在情绪，而在结构。

我反复看这些提示词，发现一个很关键的共通点。

所谓 “粗鲁” 的提示词，有三个明显特征：

• 没有寒暄
• 没有礼貌缓冲
• 直接指向任务本身

而 “非常礼貌” 的提示词，看似文明，其实塞进了大量对人类有意义、但对模型无用的社交语言。

对人来说，那是尊重，对 AI 来说，那是杂讯。

AI 不会因为你客气，就更认真；

它只是在统计上，被多余的语言模糊了 “你到底要它做什么”。

所以，与其说是“粗鲁提升了准确率”，

不如说是低社交密度的指令，更符合模型的工作方式。

这项研究真正让我在意的，不是那 4% 的差距。

而是它再次提醒一件事：

对话式介面，不等于高效介面。

我们太习惯把 AI 当成一个“会聊天的对象”，

却忘了它的本质，仍然是一套对结构极度敏感的概率系统。

研究者甚至直言：

在很多严肃应用场景里，结构清楚、定义明确的 API，反而比聊天更有价值。

这点，对企业尤其重要。

当 AI 要进入流程、进入团队、进入 KPI，

聊天框从来不是终点，只是入口。

如果你正在推动团队用 AI，可以思考这三件事：

第一，别再纠结 “要不要对 AI 有礼貌”。

这不是关键问题。

第二，把力气花 在“问题怎么被定义”。

目标、限制条件、输出格式，永远比语气重要。

第三，别把对话体验，当成能力本身。

能规模化的 AI，一定来自系统设计，而不是聊天技巧。

文章参考：经理人杂志