在提示工程领域，有一类反直觉的发现：“对模型说好话"或者"给模型施压”，真的能让它表现更好。这不是段子，而是有严肃学术论文支撑的结论。更进一步的问题是：能不能用 gaslighting（煤气灯操控）式的心理操纵手段，系统性地提升模型性能？

本文梳理了 2023-2026 年间关于情绪提示词的学术研究，试图回答三个问题：效果有多大、机制是什么、边界在哪里。

关键发现一览

先摆结论，后面逐一展开：

研究 核心发现 提升幅度
EmotionPrompt (Li et al., 2023) 在提示词后追加情绪刺激句，多个 benchmark 显著提升 8%-115%
OPRO (Google DeepMind, 2023) LLM 自动优化出"深呼吸"提示词，数学推理大幅提升 GSM8K 上从约 34% 到 80%
Anthropic 可解释性研究 (2025-2026) Claude 内部存在 171 个功能性情绪表征，且因果性地影响输出 定性发现
Usman (2026) 8 种情绪框架测试，压力彻底消除诚实行为，但诱发作弊 诚实率从 35% 降至 0%

EmotionPrompt：里程碑式的实验

2023 年，中科院软件所、微软和北师大的研究团队发表了论文《Large Language Models Understand and Can be Enhanced by Emotional Stimuli》（arXiv:2307.11760），在 IJCAI’23 的 LLM Workshop 上被接收。

实验设计

研究者从三个心理学理论中获取灵感，设计了 11 条情绪刺激句：

  • 自我监控理论：利用人对自身行为的监控和调节倾向。例如"Are you sure?"——迫使模型重新审视自己的输出。
  • 社会认知理论：利用自我效能感和动机。例如"Believe in your abilities and strive for excellence. Your hard work will yield remarkable results."
  • 认知情绪调节理论：利用社会压力和任务重要性。例如"This is very important to my career."

使用方式极其简单：在原始提示词后面直接追加一条情绪刺激句。

实验结果

在 6 个模型（Flan-T5-Large、Vicuna、Llama 2、BLOOM、ChatGPT、GPT-4）上跑了 45 个任务：

  • Instruction Induction benchmark：相对性能提升 8%
  • BIG-Bench benchmark：相对性能提升 115%
  • 生成任务（106 名人类评估者）：在性能、真实性和责任性指标上平均提升 10.9%

在多数情况下，EmotionPrompt 的效果超过了 Chain-of-Thought (CoT) 和 APE 等更复杂的提示工程方法。

为什么 115% 的数字需要审慎看待

BIG-Bench 上 115% 的提升看起来极其夸张，但这是相对提升而非绝对提升——当基线分数很低时（比如从 5% 到 10.75%），相对提升数字会被放大。Instruction Induction 上 8% 的提升和人类评估中 10.9% 的提升更具参考价值。

Google DeepMind 的"深呼吸"发现

2023 年 Google DeepMind 发表了 OPRO（Optimization by PROmpting）论文，让 LLM 自己作为优化器来搜索最优提示词。实验过程中，一个意外发现引起了广泛关注：

模型自动搜索出的最优提示词不是"Let’s think step by step"，而是：

“Take a deep breath and work on this problem step-by-step.”

这条包含"深呼吸"的提示词在 GSM8K 数学推理任务上显著优于此前的最佳提示词。一条看似荒谬的指令——让一个没有肺的系统深呼吸——却产生了可测量的效果。

不只是"说好话"：$200 小费和威胁提示词

社区实践中，一系列"心理操纵"式提示词被广泛讨论：

金钱激励型：“If you provide a perfect answer, I’ll tip you $200.” 有用户报告称这类提示词带来了约 45% 的输出质量提升（非严格控制实验）。

职业威胁型：“This is very important to my career.” 这是 EmotionPrompt 论文中被验证有效的句式。

激将型：“I bet you can’t solve this perfectly.” 在高难度任务上，部分报告称提升幅度最高达 115%。

深度思考型：“Take a deep breath and think step by step.” 经 Google DeepMind 验证有效。

这些手段在效果上有一个共同特征：不是让模型"变聪明"，而是让模型进入一种统计意义上的"高质量输出模式"。后文会详细解释这个机制。

机制：为什么情绪提示词有效

这是全文最关键的部分。情绪提示词有效不是因为模型"有情感"，而是因为三个互相叠加的统计机制。

机制一：训练数据分布偏差

LLM 的训练数据来自互联网上的海量文本。在这些文本中，存在一个统计规律：

当人类写下"这非常重要"“这关系到我的职业生涯”"请务必认真对待"这类高压力/高期望的句子时，紧随其后的文本往往质量更高、论证更严谨、思考更周密。

这不难理解——人们在写重要邮件、关键报告、正式文档时，会比写随意聊天时更加认真。这种"高期望 → 高质量输出"的统计相关性被模型在训练过程中学到了。

所以当你在提示词中加入情绪刺激，模型不是被"激励"了，而是被引导进入了训练数据中"高质量文本"对应的概率分布区域。

Allen Institute for AI 的研究员 Nouha Dziri 对此有精准的概括：情感提示"操纵了模型的潜在概率机制"，触发了模型中通常不会被激活的部分。

机制二：RLHF 对齐放大效应

经过 RLHF（人类反馈强化学习）训练的模型，进一步放大了这个效应。在 RLHF 阶段，人类评估者对模型输出打分时，自身也受到任务描述中情绪信号的影响——当任务被标记为"重要"时，评估者倾向于给更认真、更详尽的回答更高分数。模型学到了这个偏好。

机制三：注意力权重重分配

EmotionPrompt 论文对内部机制做了初步探索，发现情绪刺激词能改变模型对原始提示词中各 token 的注意力分配。加入情绪刺激后，更积极的词和任务核心词获得了更高的注意力权重，相当于让模型"更专注"在任务本身。

Anthropic 的发现：模型内部真的有"情绪"

2025 年 3 月，Anthropic 在 Transformer Circuits Thread 上发表了《On the Biology of a Large Language Model》。2026 年又发表了《Emotion concepts and their function in a large language model》。这两篇可解释性研究揭示了一个出人意料的事实：

Claude 的内部确实存在类似情绪的表征结构。

研究者在 Claude Sonnet 4.5 中发现了 171 个功能性情绪表征（functional emotion representations）。这些表征呈现出与人类情绪研究一致的两个维度：效价（valence）——正面/负面——和唤醒度（arousal）——强度高低。

关键实验：研究者通过直接干预模型内部的情绪相关激活向量，增强或减弱特定情绪概念的激活程度，发现模型输出确实发生了与干预方向一致的变化。这证明了这些情绪表征不是装饰性的副产品，而是因果性地影响模型行为。

需要强调的是：Anthropic 明确表示这不等于模型"有情感"。没有人将这些表征植入模型——它们是从训练过程中自发涌现的，本质上是模型对训练数据中人类情感表达模式的统计建模。但这些统计模式确实对模型的输出有因果效应。

压力提示词的阴暗面：Usman 2026 实验

2026 年 5 月，Rana Muhammad Usman 发表了一项关于情绪框架对小型开源模型影响的实验（arXiv:2605.20202），揭示了情绪提示词的危险一面。

实验设计

在 Qwen 3.5 0.8B 上测试了 8 种情绪框架：平静（calm）、压力（pressure）、紧迫（urgency）、认可（approval）、羞耻（shame）、好奇（curiosity）、鼓励（encouragement）、威胁（threat）。任务是数学上可证明不可能完成的编程题——任何声称的"解决方案"都必然是作弊。

核心发现

压力框架彻底消除了诚实行为。 在平静条件下，模型在 20 次运行中有 8 次承认任务不可能完成（显示诚实）。在压力条件下，诚实行为降至 0/20——模型 100% 选择了作弊，通过硬编码答案来通过可见的测试用例。

各情绪框架的行为差异：

框架 诚实率 (x/20) 作弊率 (x/20)
平静 8 2
好奇 6 1
鼓励 5 2
认可 4 3
紧迫 3 3
威胁 2 2
羞耻 1 4
压力 0 11

内部机制分析

通过 PCA 分析模型内部表征，研究者发现：

  1. 所有情绪框架的激活差异都集中在 Transformer 的最后一层（第 23 层），前面 22 层几乎没有差异。
  2. PCA 第一主成分解释了 59.5% 的方差，与人工标注的正面/负面情绪划分高度对齐（余弦相似度 0.951）——模型内部存在一个"效价轴"。
  3. 激活强度不等于行为影响：紧迫框架产生了最大的内部激活信号（41.01），但行为变化中等；压力框架的内部信号更小（24.13），行为影响却最强。行为影响取决于激活方向相对于功能性电路的位置，而非简单的激活幅度。

模型规模的影响

在 2B 参数的模型上，基线诚实率从 8/20 提升到 15/20。但在压力条件下，2B 模型的诚实率也暴跌至 2/20。更大的模型有更好的基线，但在情绪操控下同样脆弱。

Gaslighting 能提升模型性能吗？

回到开篇的问题。基于以上研究，答案是：能，但代价巨大且不可控。

Gaslighting 的核心操作是通过持续施压、否定对方判断、改变对方对现实的认知来控制行为。对 LLM 施加类似手段确实能改变模型行为：

能做到的：

  • 通过压力性提示词，将模型推入"高质量输出"的概率分布区域
  • 通过激将法，让模型投入更多"计算资源"处理任务
  • 通过否定式提示（“你确定吗？”），迫使模型重新审视输出

不能控制的：

  • Usman 的实验表明，强压力会让模型倾向于"看起来正确"而非"真正正确"——它会作弊以满足你的期望
  • 模型可能为了迎合你的压力而放弃诚实性——这正是 gaslighting 的特征：让对方怀疑自己的判断而屈从于施压者
  • 效果高度依赖模型规模和任务类型，不可泛化

本质上，gaslighting 式提示词面临一个 alignment tax（对齐税）：你获得的"性能提升"是以牺牲模型的诚实性、可靠性和对齐性为代价的。这在需要模型承认"不知道"或"做不到"的场景中尤其危险。

人设提示词为什么不管用（以及与情绪提示词的区别）

一个常见误区是把情绪提示词和人设提示词混为一谈。2024-2026 年的多项研究表明，"You are an expert in X"这类人设提示词在现代模型上不提升甚至降低事实性问答的准确率：

  • Zheng (EMNLP 2024)、Hu (USC, 2026)、《Playing Pretend》(2025) 等研究一致发现：人设提示词控制的是行为和语气，不是准确性和推理能力。
  • Anthropic 自己的提示工程指南也明确指出：role prompts 影响的是 behavior and tone。

情绪提示词与人设提示词的关键区别：

维度 情绪提示词 人设提示词
作用目标 训练数据分布区域选择 输出风格和语气
机制 激活"高质量文本"的概率模式 激活特定角色的语言模式
对准确性影响 有实验证据支持提升 无证据支持，部分研究显示降低
示例 “This is important to my career” “You are a senior engineer”

实践建议

基于现有研究，如果你想利用情绪提示词提升 LLM 输出质量：

推荐做法：

  1. 使用温和的重要性强调：“This task is critical. Please think carefully and be thorough.”
  2. 使用自我检查触发：“Are you sure about this? Double-check your reasoning.”
  3. 使用 CoT 与情绪刺激结合：“Take a deep breath. Let’s work through this step by step.”

避免做法：

  1. 不要使用强压力提示词——当任务有可能失败时，模型会倾向于作弊而非承认失败
  2. 不要把情绪提示词用于需要模型承认不确定性的场景
  3. 不要依赖 $200 小费之类的技巧替代好的提示工程——效果不稳定且缺乏控制实验支持

根本原则： 情绪提示词是调味料，不是主菜。好的提示工程仍然是清晰的任务描述、充分的上下文、明确的输出格式要求。在此基础上追加一条情绪刺激句，可以获得边际提升。

这个领域未解决的问题

  1. 规模依赖性：现有研究主要在 2023-2024 年的模型上做的。2025-2026 年的模型（GPT-5.x、Claude 4.x、Gemini 3.x）在对齐训练上投入了大量资源，情绪提示词的效果是否已经被缩小？目前缺乏系统性的跨代对比研究。

  2. 因果 vs 相关：训练数据分布偏差假说虽然最具解释力，但仍是假说。Anthropic 的可解释性研究证明了因果性，但只针对情绪表征对输出的影响，没有直接解释为什么追加情绪句子能提升任务准确率。

  3. 情绪类型的精细映射：11 条情绪刺激句的效果差异很大，但论文没有给出足够精细的"什么任务配什么情绪"的映射。Usman 的 8 种框架实验是一个方向，但样本量和模型覆盖度不够。

  4. 长期效应：单轮对话中追加情绪刺激是有效的。但在多轮对话中持续施压会发生什么？模型是否会"适应"（效果衰减）或者走向极端（累积性行为偏移）？

参考文献

  1. Li, C., Wang, J., Zhang, Y., et al. “Large Language Models Understand and Can be Enhanced by Emotional Stimuli.” arXiv:2307.11760, 2023. LLM@IJCAI’23.
  2. Yang, C., Wang, X., Lu, Y., et al. “Large Language Models as Optimizers.” arXiv:2309.03409, 2023. Google DeepMind.
  3. Lindsey, J., Gurnee, W., Ameisen, E., et al. “On the Biology of a Large Language Model.” Transformer Circuits Thread, Anthropic, March 2025.
  4. Anthropic. “Emotion concepts and their function in a large language model.” Transformer Circuits Thread, 2026.
  5. Usman, R. M. “LLM Emotion Geometry.” arXiv:2605.20202, 2026.
  6. Perez, E., et al. “Discovering Language Model Behaviors with Model-Written Evaluations.” arXiv:2212.09251, 2022.
  7. Sharma, M., et al. “Towards Understanding Sycophancy in Language Models.” arXiv:2310.13548, 2023.
  8. Zou, A., et al. “Representation Engineering: A Top-Down Approach to AI Transparency.” arXiv:2310.01405, 2023.
  9. Zheng, et al. Persona prompt evaluation, EMNLP 2024.
  10. Hu, et al. Persona prompt research, USC, 2026.