解决 GPT 大模型处理任务“偷懒”的探讨

本文源自 V2EX 社区关于如何解决 GPT 大模型在长文本处理中“偷懒”的讨论。用户在使用 GPT 5.5（或 GPT-4o 等版本）处理 Excel 文档（每个文档含 20 个约 500 字的单元格）并生成文案时，发现模型在处理数个文件后便开始套用固定模板“偷懒”，必须通过人工质问才能重新按要求生成。相比之下，Claude 系列模型在此类任务中表现更佳。 针对这一大模型在实际生产中的常见痛点，开发者们通常会采用以下几种优化策略：一是通过 Prompt 工程，在 System Prompt 中明确限制其使用模板，并加入惩罚性规则；二是采用 Few-Shot（少样本提示），给出多样化的输出范例以打破思维定势；三是调整 API 参数，如适当提高 Temperature（温度）或 Presence Penalty（存在惩罚），以增加文本的随机性和多样性。这对于需要频繁处理大批量文本生成任务的 AI 开发者具有重要的实操参考价值。