ChatGPT 的內部秘密揭曉：一份「系統指令」如何塑造你眼前的 AI
圖靈學院
科楠老師
2025-9-2
前言
你每天都在用 ChatGPT。你下指令，它回應。順手時像魔術，不順手時像卡關。為什麼它會這樣？近日一篇發在 Medium 的文章，整理出一份「系統指令」的外流內容，讓我們得以從底層視角理解 ChatGPT 的行為邏輯。這不是八卦。這是一次把「AI 使用說明書」攤開在桌上的機會。
本文以報導式寫法，帶你快速抓重點：系統指令是什麼、內容包含哪些模組、對你平常使用有什麼影響、哪些流言不可信、該如何更有效下指令。最後，我用實務清單收尾。看完，你會更會用，也更少抱怨「它怎麼又沒照做」。
什麼是「系統指令」
- 定義：系統指令（system prompt）是放在模型最前面的「隱藏規則」。它告訴模型該扮演誰、應遵守哪些邏輯、能用哪些工具。
- 位置：在你輸入任何提示詞之前，系統指令已經先上桌。它是主菜，使用者提示只是佐料。
- 影響：同一個基礎模型，換一套系統指令，就能長出不同個性與行為邏輯。你看到的「ChatGPT」其實是「LLM + 系統指令 + 工具」的整合體。
一句話總結：你以為自己在直接對話模型，其實你是在跟一套「帶規則的模型配置」互動。
外流內容的關鍵點
1. 角色與邊界已預先定義
系統指令會設定模型的自我介紹、知識截止日、當前日期、是否支援影像輸入、回答口吻等。也會加上版權限制提醒，例如避免長篇複製受保護內容。
2. 模型名稱的回答方式
若有人問「你是什麼模型？」指令會要求回覆固定名稱。這是品牌一致性的設計。你不必糾結它背後的實際型號號碼。
3. 工具總管
外流內容列出一串工具說明。重點不在程式碼細節，而在「工具治理」：什麼時候該叫用、叫用後回覆要點、錯誤如何處理。這是把模型變成「會做事」的節點，而不只會回話。
4. 安全與使用規範
系統指令會把安全政策寫清楚。像是避免違法教學、限制敏感內容、處理私人資料方式等。你看不見，卻一直在守門。
關鍵模組一覽（重點解讀版）
1. 自動化（Automations）
- 能做什麼：排程提醒、定期查詢、條件通知。
- 規格要求：標題要短、提示要像用戶原話、時程用 iCal VEVENT。
- 對你有何意義：當你要「週一 9 點提醒開會摘要」之類的長期任務，模型其實知道怎麼幫你「持續」處理，而不是一次性的回覆。
2. 畫布／文件（Canvas / Canmore）
- 能做什麼：在側邊開新文件，長文或程式碼，可逐段更新、加註解。
- 對你有何意義：寫長文、改版、疊代時更穩。減少「一次全改壞」的風險。
3. 文件搜尋（file\_search）
- 能做什麼：針對你的連結來源做多重查詢。支援精準查詢與「回憶關鍵字」。
- 對你有何意義：當你把公司文件、研究資料都掛進來，模型能更快找準段落，不再「講概念」而是「抓證據」。
4. Google 生態讀取（Calendar、Contacts、Gmail）
- 能做什麼：唯讀查詢行程、聯絡人、郵件內容。
- 對你有何意義：彙整資訊、產生摘要、準備回覆草稿。不能代你發信或改行程，但能幫你省大量整理時間。
5. 影像生成（image\_gen）
- 能做什麼：畫圖與圖像編修。
- 設計哲學：生成後不贅述長篇描述。減少噪音，直接交付圖像。
6. Python 執行環境（python）
- 能做什麼：在雲端 Notebook 跑運算、做圖表、產文件。
- 限制：無外網。圖表規則嚴格（用 matplotlib、單圖、不指定顏色）。
- 對你有何意義：要表格、要 PDF、要數據分析，這裡就是產線。
7. Web 檢索（web）
- 能做什麼：查最新資訊。
- 原則：凡是時效、規格、價格、名單、新聞，就該查網路，不靠「記憶」。
- 對你有何意義：減少過時資訊。你要的不是「大概」，而是「現在」。
這些設定，為什麼讓你「覺得它不聽話」
你下指令，它偶爾不照做。常見原因有三：
1. 系統指令權重更高
你的提示要與系統規範相容。當衝突發生，系統優先。像安全限制、版權規則、工具使用邏輯，都可能壓過你的要求。
2. 隱含任務太多
你給了一句「幫我做完這份報告」。模型得自己拆解：要不要查網路、要不要找文件、要不要排版、要不要畫圖。每多一步，誤解機率就上升。
3. 工具條件不滿足
你期待它寄信、改行程、讀到未連結的資料庫。結果工具是唯讀、或壓根沒接上。你以為它「故意不幫忙」，其實是「車庫沒鑰匙」。
流言粉碎機
流言 1：外流等於所有回覆可被「破解」
事實：外流的是「行為框架」，不是完整參數或權重。能幫你理解邏輯，不等於能控制輸出結果。
流言 2：只要改提示，就能關掉安全限制
事實：安全規則寫在系統層與工具層。提示繞不過去。能做的只有換合法表述，或縮小任務範圍。
流言 3：模型會「偷存」你的資料
事實：工具指令對資料使用有流程限制。是否存取、是否持久保存，要看你開了什麼連結與授權。別把「可讀」想成「可帶走」。
使用者的實戰清單（省時版）
1. 任務要素寫清楚
- 產出型態：報導、簡報、腳本、程式碼
- 證據來源：要不要查網、要不要用你上傳的檔
- 格式規範：字數、語氣、語言、版型
- 時效要求：截至日期、版本號、發表時間
2. 明確叫用工具的條件
- 「請用 web 查 2025 年 8 月後的政策更新」
- 「請用 file\_search 搜尋我上傳的〈XX 提案〉並摘錄數據表」
- 「用 python 產出折線圖與 CSV」
- 「不必畫圖，只給結論與引用」
3. 用『約束清單』壓住走偏
- 結構：標題、前言、三段重點、結語、參考來源
- 禁詞：如你希望避免口水語、廣告語
- 範例：給一段你滿意的參考段落，模型會更貼近
4. 逐步驗收
這樣出錯可回滾。一次出菜，容易翻車。
5. 別跟安全限制硬碰硬
換說法，縮範圍，或改成理論討論。你會更快拿到可用內容。
對產業與使用者的啟示
對一般使用者
- 把 ChatGPT 當「多工具總控台」，不是「萬能回覆器」。
- 把需求切小，讓它用對工具。你會發現準確度上來，錯誤率下去。
對團隊與企業
- 建立你自己的「系統指令變體」與「文件連結規範」。
- 把工作流標準化：何時查網、何時讀庫、何時產報告。
- 把安全與合規寫進流程，不要靠臨場反應。
對教育與研究
- 教學生與同事「提示工程 = 工作分解 + 工具治理」。
- 不迷信神奇提示。回到資料、流程、驗證。
範例：把「大任務」拆成可落地的工作流
以「改寫一篇 3,000 字報導」為例（就是你現在看到的場景）：
1. 要求大綱與 SEO 標題清單
2. 指定語氣、禁詞、段落長度
3. 明確列來源：只用提供的文章，不做外部檢索
4. 要求結構：前言、定義、重點模組、誤解澄清、操作清單、產業觀點、結語、參考
5. 最後請它輸出同版型之 FB 短貼文摘要（可選）
這套流程，不花俏，卻穩。
風險與倫理
- 過度依賴：把系統指令當聖經，忽略情境判斷。你的判斷力會生鏽。
- 資料界線：連結來源要最小化授權。需要才接。用完就斷。
- 來源透明：要可追溯。寫報告就列出處。做簡報就留備查頁。
- 偏見管理：模型有規範，但不等於沒偏見。關鍵結論請二次驗證。
結語
外流內容不是災難。是教材。它讓我們看見一台「能回話的系統」背後的工程結構：規則、工具、安全、工作流。當你理解這些元素，提示詞就不再靠靈感。你的產出會更穩，也更快。下次你覺得它「不聽話」，先想想：是不是你要的事，超出了它的工具邊界？是不是你沒把規格說清楚？把任務拆開、把工具說白、把格式定死。你會驚訝它其實很能幹。只是你以前沒給它正確的舞台。
小結一句：別再和它「聊天」。和它「協作」。
參考資料
system prompt: https://github.com/theblackhatmagician/PromptEngineering/blob/main/openai/gpt5-systemprompt.txt
