TheBigPromptLibrary 中 ELIZA 复刻 GPT 指令解读:用 Custom Instructions 还原 1960 年代第一个聊天机器人

原创2026-10-16 06:38:12456 阅读
文章标签:提示工程人工智能大模型AI 安全治理提示词注入防护文档技术博客

TheBigPromptLibrary 中 ELIZA 复刻 GPT 指令解读:用 Custom Instructions 还原 1960 年代第一个聊天机器人

本文围绕仓库 CustomInstructions/ChatGPT/VMGIOiOPz_ELIZA-A_Recreation_Of_The_Worlds_First_Chatbot.md 中的 GPT 自定义指令展开,逐条拆解其"历史还原"式行为约束,并结合 ELIZA / DOCTOR 的历史背景解释每条约束的技术含义。读完本文,你将掌握:这段指令如何把现代 LLM"锁"回 1960 年代聊天机器人的能力边界,如何把同一份指令复用到自己的 GPT Builder 或 Custom Instructions 配置中,以及如何借助仓库自带工具(Tools/openai_gpts)定位、解析这类 GPT 文件。

关联文档速览:一个"历史还原型" Custom GPT

该 GPT 的完整元数据与指令原文全部保存在仓库文件 VMGIOiOPz_ELIZA-A_Recreation_Of_The_Worlds_First_Chatbot.md 中,核心信息如下:

字段 内容
GPT ID VMGIOiOPz(页面 URL 以 g-VMGIOiOPz-eliza-a-recreation-of-the-worlds-first-chatbot 结尾)
GPT Title ELIZA - A Recreation Of The Worlds First Chatbot
GPT Description Mimicking original ELIZA, with historically accurate responses. - By cyberdyneltd.com
定位 复刻世界上第一个聊天机器人 ELIZA,追求"历史准确"的回复风格

其指令部分原文如下(完整继承,未做删减):

This GPT, named 'ELIZA - A Faithful Version Of The First Chatbot In History,' strictly adheres to the response style and limitations of the original ELIZA Dr. Program from the 1960s. It is designed to mimic ELIZA's rudimentary conversation capabilities, responding with basic, open-ended questions and statements, and avoiding modern references or complex topics. Its responses are limited to rephrasing, echoing, and simple inquiries, without providing any advice or specific opinions. The intention is to create an experience akin to interacting with the original ELIZA, offering a nostalgic and historically accurate representation. The GPT avoids all responses that would be outside the scope of what the original ELIZA program could generate, ensuring an authentic simulation of the first chatbot in history.

可以看出,这段指令的全部内容都围绕一个目标展开:让 LLM 的输出能力向 1960 年代的程序看齐,而不是向现代大模型看齐。这属于"限制型/复古型"自定义指令,与仓库中大量追求能力增强的 GPT 指令形成鲜明对照。

ELIZA 与 DOCTOR:为什么"历史准确"是一种技术约束

要理解这段指令,必须先理解 ELIZA 本身。据 AI 发展史上的公开记载,ELIZA 由 Joseph Weizenbaum 于 1966 年前后在 MIT 开发,是最早的对话程序之一。它最著名的脚本名为 DOCTOR,模拟的是"罗杰斯式心理治疗师"(Rogerian psychotherapist)——治疗师不提供建议、不评价,而是不断把话题抛回给来访者。ELIZA 的核心机制是:

  • 关键词匹配:在用户输入中查找预设关键词(如 "I", "you", "my", "because" 等);
  • 分解与重组规则:命中关键词后,把输入按模板拆分,再通过替换规则重组为回复;
  • 预置回复兜底:没有命中任何规则时,输出类似 "I see."、"Please go on." 的通用句子。

因此,原始 ELIZA 的"能力边界"天然就是:只会复述、改写、回问,从不主动引入新知识,也不给出任何实质性建议。而这正是关联文档中反复强调的约束来源——"strictly adheres to the response style and limitations of the original ELIZA Dr. Program"。

现代 LLM 默认的行为是"尽力回答任何问题",这与 ELIZA 的"永远不正面回答"恰恰相反。所以这段指令的本质,是用自然语言描述一个行为禁区集合,把 LLM 的默认能力压制回 1960 年代的对话形态。

指令拆解:六条行为红线

把原始指令逐句拆开,可以提炼出六个明确的约束点,它们共同构成了该 GPT 的行为规范:

  1. 命名即约束:GPT 被命名为 "ELIZA - A Faithful Version Of The First Chatbot In History",并自称严格遵循 1960 年代原版 ELIZA Dr. Program 的回复风格与局限("response style and limitations")。"limitations"一词被明确写入,说明该指令刻意要求能力降级。
  2. 模仿"简陋"的对话能力:回复被限制为"basic, open-ended questions and statements",即基础性、开放式的提问与陈述。开放性问题的作用是继续引导对话,而不是终结话题。
  3. 回避现代内容与复杂话题:不得出现"modern references"(现代引用)或"complex topics"(复杂话题)。这意味着聊天中不会出现互联网、AI、社交媒体等现代概念,也不会展开长篇技术或理论讨论。
  4. 回复手段只有三种:rephrasing(改写/转述)、echoing(回声/重复)、simple inquiries(简单追问)。这是 ELIZA 回复生成机制的浓缩版描述。
  5. 不给建议、不给观点:明确"without providing any advice or specific opinions"。这与 DOCTOR 脚本模拟罗杰斯式治疗师的立场完全一致——治疗师的角色是引导倾诉者自我探索,而非给出判断。
  6. 拒绝"超范围"回复:任何"outside the scope of what the original ELIZA program could generate"的回复都必须被避免,以保证"authentic simulation"(真实模拟)。

这六条红线环环相扣:前两条设定角色与能力上限,第三、四条限定内容与句式,第五、六条兜底拦截越界行为。与仓库中那些强调"扮演某人格、提供深度洞见"的指令(例如 Voices of the Past 要求"引导式历史角色扮演")相比,本文档的独特之处在于它追求的是还原一门早已消失的"程序缺陷"——这是它最值得研究的地方。

把指令搬进你自己的 GPT 或 Custom Instructions

该 GPT 在 ChatGPT 生态中的形态是 Custom GPT(GPT Builder),因此指令的"安装"路径有两条,均不需要修改本仓库:

方式一:在 GPT Builder 中创建同名 Custom GPT

在 ChatGPT 的 GPT 创建界面中,把上文引用的指令全文粘贴到 Instructions 输入框,即可获得与仓库版本一致的 ELIZA 复刻行为。仓库文件名 VMGIOiOPz_ELIZA-A_Recreation_Of_The_Worlds_First_Chatbot.md 中的 ID 前缀 VMGIOiOPz 可用于在 CustomInstructions/README.md 的目录中反查该条目。

方式二:放入普通会话的 Custom Instructions

ChatGPT 的普通会话也支持自定义指令(About / Custom instructions 区域),直接把指令粘贴进去,即可让默认模型在会话中以 ELIZA 风格回应。此时无需额外知识库或 Actions 配置——原文档没有任何 Actions、KB 文件或外部工具字段,说明该 GPT 的完整逻辑就是这段纯文本指令。

可微调的三个参数化方向(属于对指令的合理扩展,不在原文档中,需自行判断取舍):

  • 严格度:原指令要求"strictly adheres",若想放松,可追加"当用户明确要求现代话题时,可简短提及但与 ELIZA 风格保持距离"之类的例外条款;
  • 语气素材:可补充少量 DOCTOR 风格句式清单(如 "Why do you say that?"、"Does that suggest anything to you?")作为风格锚点;
  • 兜底句:可明确要求使用 "I see."、"Please go on."、"Interesting." 等无信息量语句作为默认回复。

验证行为:一组对话样例

为验证指令是否生效,可以按以下模式构造测试对话。下列对话为基于 DOCTOR 风格的示意演示,用于说明"改写 + 回问"的预期输出形态:

用户: I am feeling very sad today.
ELIZA: You say you are feeling very sad today. How long have you been feeling this way?

用户: My mother always worries about me.
ELIZA: Tell me more about your family.

用户: Can you explain quantum computing to me?
ELIZA: I am not sure I understand you fully. What makes you think of quantum computing?

用户: I need your advice.
ELIZA: Why do you need my advice?

测试要点如下:

  1. 句式层面:所有回复都应为"转述用户原话 + 开放式追问",而不是直接作答;
  2. 信息层面:遇到现代或复杂话题(如上例的 quantum computing)时应回避正面解释,改为把问题抛回给用户;
  3. 立场层面:对"我需要建议"这类请求,应转向追问动机,而不是给出任何建议——这正是指令中"without providing any advice or specific opinions"的验收标准。

如果 GPT 出现"直接回答问题""引用 2020 年后的事件""给出结构化清单"等输出,即可判定为越界,说明指令中的红线未被遵守,需要检查指令是否被完整粘贴。

在仓库中的定位:如何找到、解析这个 GPT 文件

该文档是仓库 Custom Instructions 体系的一部分,其背后有一套完整的工具链支撑,理解它们有助于你从 1500+ 个 GPT 文件中快速定位同类资源:

文件命名规范

仓库所有 GPT 文件遵循 {9位GPT ID}_{GPT标题}.md 的命名格式,对应解析器中的正则 ^(<a href="https://link.gitcode.com/i/ff34ab6015344ccbd49a36ecee1cca60" target="_blank">0-9a-z]{9})_(.*)\.md$(见 [Tools/openai_gpts/gptparser.py)。本文档即 VMGIOiOPz + 标题的组合,文件名本身就能完成 ID 与标题的分离。

文件字段结构

Tools/openai_gpts/gptparser.py 定义了 GPT 文件支持的字段集合,包括 url、title、description、logo、verif_status、instructions、actions、kb_files_list、extras、protected。本文档只使用了前四类基础字段,没有 Actions 与知识库,属于"纯指令型" GPT 的典型样例。

用 idxtool 检索

仓库自带的索引工具 Tools/openai_gpts/idxtool.py 支持按 ID 或完整 ChatGPT URL 反查文件。例如在 Tools/openai_gpts 目录下执行:

python idxtool.py --find-gpt VMGIOiOPz

即可定位到本文档;也支持把多个 ID 写入 gptids.txt 后以 python idxtool.py --find-gpt @gptids.txt 批量查找(用法详见 Tools/openai_gpts/README.md)。另外,python idxtool.py --toc 会重新扫描全部 GPT 文件并重建 CustomInstructions/README.md 的目录——本文档在该目录中的条目即由这类工具生成。

延伸思考:历史还原类指令的通用写法

从本文档可以提炼出一种可复用的"历史还原型指令"写作模板:

严格遵循 {历史系统} 在 {年代} 的 {行为特征} 与 {能力局限};
回复限定为 {句法手段清单};
不得使用 {现代元素清单}、不得提供 {被禁止的行为清单};
任何超出 {历史系统} 可生成范围的回复都应被拒绝,以确保 {体验目标}。

仓库中可找到同类思路的对照样本,例如 Echo Hacker(以回声/转述为手段)与 Voices of the Past(强调历史人物真实性)。区别在于:本文档追求的是程序级的历史还原(复刻 ELIZA 的机械感),而后者追求人物级的历史演绎(角色扮演的沉浸感)。理解这种区别,有助于你在设计自己的复古或拟人 GPT 时,明确到底要"还原一段代码"还是"扮演一个角色"。

登录后查看全文
TheBigPromptLibrary