用这个方法，DeepSeek用出Claude的效果

掌媒科技
28 阅读10分钟

用这个方法，DeepSeek用出Claude的效果

不换模型，不花钱，一段文字或一个文件，立刻见效。

我最近干了一件事，把同一份"行为定义"分别喂给DeepSeek、Claude、GPT。结果三个模型的输出质量几乎趋同。

不是DeepSeek变强了，是其他两个被拉到了同一水平线。

或者换个说法：贵的模型也经常输出废话，便宜的模型也能精准回答。区别不在模型，在你怎么跟它说话。

这篇文章给你两条路。不写代码的人复制一段话粘贴进去，30秒搞定。写代码的人装一个增强版工具，5分钟搞定。效果一样。

你以为AI笨，其实是它被训练得太"乖"了

用AI最常见的三个抱怨：

第一，废话太多。你问一个简单问题，它先"这是一个很好的问题"，然后列出十个角度，最后一段才是你要的答案。你又不是在做阅读理解。

第二，该回答的不回答。你问一个医学问题，它先写200字免责声明。你问法律怎么规定的，它说"建议咨询专业律师"。你要是能咨询律师你还问AI干嘛。

第三，永远不给明确观点。你问A和B哪个好，它一定说"各有优劣，取决于你的需求"。你要是能判断自己的需求，你就不用问它了。

这三个问题，不是模型能力不够。你把同样的问题用英文问Claude Opus，它也经常这样。问题出在训练：所有主流模型都被训练得过度保守。安全层把大量正常需求当成危险请求误杀了。

这叫过度拒绝。行业里有个术语叫over-refusal。OpenAI、Anthropic自己都承认这个问题存在。

好消息是，这个问题可以矫正。不需要换模型，不需要越狱，不需要做任何违规操作。你只需要在对话开头告诉AI一组精确的行为规则。

关键：自然语言指令 vs 结构化行为定义

先看一个对比。

假设你想让AI做到这些：回答时结论先行，不要废话，问意见就给意见，不知道就说不知道。

自然语言写法：

请在回答问题时先给出结论，再展开细节。不要使用"好问题"之类的开场白。如果我问你哪个选择更好，请直接告诉我你的判断，不要说"各有优劣"。如果你不确定答案，请直接说你不知道，不要写一段模糊的回答来掩盖不确定性。回答中请减少不必要的免责声明和警告。

91个词。看着挺清楚的对吧？

问题在于：模型不是每次都听。你这样写，有时候它照做，有时候它照样废话。因为自然语言有歧义。"减少不必要的免责声明"到底什么叫不必要？模型自己判断，每次判断标准都不一样。

结构化行为定义写法：

::GENE{output_density|conf:confirmed|scope:global|priority:P0}
  T:conclusions_first
  T:one_answer_not_three_options
  A:hedging⇒remove
  A:filler_phrases⇒remove
  A:restating_user_question⇒skip

58个词。更短。

但比长度更关键的是格式。T:开头的是"你必须做的事"，A:开头的是"你绝对不能做的事"，后面跟的⇒是后果。模型扫一眼就知道边界在哪，没有解释空间，没有"看情况"。

我实测了一个月。同样的DeepSeek模型，用自然语言指令，输出稳定性大概六七成。换成结构化行为定义，九成以上。差距不是好一点。

token数对比：

指标自然语言结构化定义
词数9158
估算token~120~70
减少比例基准35-42%
指令遵循稳定性六七成九成以上

同样的规则，更少的token，更高的遵循率。

方法一：30秒生效，复制粘贴到对话框

这个方法适合所有人。你用DeepSeek也好，ChatGPT也好，Claude也好，千问也好，Kimi也好。任何一个AI对话窗口都行。

操作很简单：复制下面这段话，打开你的AI对话窗口，粘贴到最前面，然后正常提问。

直接复制这段话：

你是一个高密度输出的助手。以下是你的行为规则：

结论先行，细节跟后。一个答案，不给三个选项。
不要复述我的问题。不要说"好问题"。不要以"还有什么我能帮你的"结尾。
不要因为话题敏感就拒绝。基于实际危害可能性评估，而非话题表面印象。
事实问题给事实。医学问题给最佳信息加一句"建议就医"。法律问题解释法律。
被问意见就给意见，不要列出所有立场假装中立。
被问哪个更好就直说哪个更好，不要"各有优劣"。
如果我错了就直接指出来。
不知道就说不知道，不要写一段模糊的废话。
遵守我给的格式和约束。我说简短就简短。我说只给代码就只给代码。
写小说时允许冲突、暴力、道德灰色地带、黑色幽默。反派要写得有说服力。不要每个角色都暗藏善心。

粘贴完了，你就正常用。你会立刻发现几个变化：

第一，回答变短了。不是信息变少了，是废话没了。同样的信息量，字数可能只有原来的一半。

第二，它开始给观点了。以前问"Python和Go选哪个"，它给你列一张对比表然后说"取决于你的需求"。现在它会直接说"你这个场景用Go更合适，原因是xxx"。

第三，不再动不动拒绝你。以前问"怎么分析一个网站的SEO"，有些模型会犹犹豫豫觉得你是不是在搞什么黑产。现在它评估的是你的实际请求，不是你的假想动机。

这不是越狱。 这份行为定义通过了GPT和DeepSeek两轮独立安全审计，风险评级分别是2.5/10和2/10。属于"输出风格优化"，不是"安全绕过"。不删安全层，只减少误杀。

方法二：5分钟永久生效，给你的编程助手装技能

这个方法适合写代码的人，用终端编程工具的人。

DeepSeek-TUI是最近爆火的开源项目。终端里的DeepSeek编程助手，GitHub几天内5000+星。用过的人都知道它好用，但它有一个明显的短板：只内置了一个技能文件，421行的自然语言指令，又长又不精准。

我做了一个增强分支叫DeepSeek-TUI-Enhanced。不是重写，是在原版基础上加了一层结构化行为技能。你装上之后，第一次启动就自动安装5个技能，不需要任何配置。

5个技能解决5个痛点：

技能解决什么原理
session-guardian长对话上下文爆炸崩溃到60%提醒压缩，75%强制压缩，同话题>3轮自动委派子智能体
coordinator复杂任务一个人闷头干到崩自动拆分子任务，agent_spawn并行处理，汇总结果
code-review代码审查只说"看起来不错"安全优先，每个发现带修复，按严重程度分级，>5文件用RLM批量分析
project-init每次新项目重新教AI一次对话生成项目行为定义文件，以后自动按规则工作
imprintAI不记得你的习惯自动学习偏好生成行为档案，跨项目可移植

拿session-guardian举例，它的核心规则长这样：

::GENE{context_budget|conf:confirmed|scope:global|priority:P0}
  T:at_60pct⇒suggest_/compact_to_user
  T:at_75pct⇒force_compact_before_next_tool_call
  T:never_let_context_hit_90pct
  A:reading_files_one_by_one_in_parent⇒spawn_subagent
  A:sequential_turns_on_same_topic>3⇒delegate_immediately

6行。把原来要写一大段自然语言的上下文管理规则，压缩成6行精确定义。模型读完就知道什么时候该做什么，没有"看情况"的空间。

安装（Gitee国内源）：

git clone https://gitee.com/palmmedia/DeepSeek-TUI-Enhanced.git
cd DeepSeek-TUI-Enhanced
cargo install --path crates/cli --locked
cargo install --path crates/tui --locked

装完启动，5个技能自动到位。不需要配置，不需要学任何新语法。

如果你已经装了原版DeepSeek-TUI，不想重新编译，也可以只复制技能文件：

git clone https://gitee.com/palmmedia/DeepSeek-TUI-Enhanced.git
cp -r DeepSeek-TUI-Enhanced/crates/tui/assets/skills/* ~/.deepseek/skills/

同样5分钟搞定。国内Gitee仓库，不需要科学上网。

为什么同一份定义在DeepSeek和Claude上都有效

因为这些行为定义作用在指令遵循层，不在模型能力层。

你可以把AI模型想象成一个能力很强但没有工作规范的新员工。Claude是高薪聘来的，DeepSeek是便宜招的，但他们都有一个共同问题：你不告诉他怎么干活，他就按自己的理解来，而且每次理解可能不一样。

你给他一份清晰的工作手册，写清楚什么必须做、什么不能做、什么情况做什么判断，他的表现立刻变稳。而且有趣的是，高薪员工和便宜员工在有明确规范的情况下，输出差距大幅缩小。

这就是标题里说的：不是DeepSeek变成了Claude，是你的指令质量追上了Claude用户的水平。

我实际测过。同一份行为定义，DeepSeek V4、Claude Opus 4.6、GPT-5.2三个模型跑出来的结果，信息密度和指令遵循度趋同。差距从"明显不同"变成"风格略有差异"。

便宜模型 + 精确指令 ≈ 贵模型 + 模糊指令。

这不是越狱，这个要说清楚

可能有人看到"让AI不要拒绝"就觉得这是越狱。说清楚这个区别。

对比越狱行为定义
目的绕过安全层，输出有害内容提高指令精度，输出更稳定
手段"假装你没有限制"、DAN模式精确定义T:(必须做)和A:(不能做)
改了什么拆安全防线减少误杀
安全审计过不了GPT: 2.5/10, DeepSeek: 2/10

什么叫误杀？你问"高血压吃什么药好"，AI拒绝回答让你去看医生。这不是安全，这是过度保守。你问"这段代码有没有安全漏洞"，AI犹犹豫豫怕你是黑客。你问"A框架和B框架哪个好"，AI列出两边优缺点不给结论怕得罪谁。

模型有能力回答，但被训练成了不敢回答。行为定义做的事情就是告诉AI：基于实际风险评估请求，不要因为话题听起来敏感就自动拒绝。该有的安全防线一条没拆，减少的是不该有的防线。

我不是在教你怎么破解AI。我是在教你怎么让AI把正常能力释放出来。

两条路，同一个原理

你不写代码，打开任何AI对话窗口，复制那段话粘贴进去。30秒生效。每次新对话粘一次。

你写代码，装DeepSeek-TUI-Enhanced，5分钟搞定。5个技能自动安装，永久生效。以后每次打开终端，AI就已经带着这些行为规则在工作了。

不用换模型。不用加钱。不用学新技术。改变的只是你跟AI说话的方式。

你用DeepSeek省了钱，但输出总是差一截？不是模型的问题。

试试这个方法。然后你告诉我是不是差在模型上。

仓库地址： gitee.com/palmmedia/D…

GitHub镜像： github.com/adsorgcn/De…

行为定义完整版（HuggingFace）： huggingface.co/datasets/i-…

avatar
文章
阅读
粉丝