提示词在多大程度上改变了文本的感觉？
提示词是唯一最可控的因素。一项2026年的研究测试了AI聊天机器人的两个版本——一个被提示为“共情”，另一个被提示为“富有同情心”——结果发现，共情版本在122名参与者中引发了显著更强的情绪（共情、同情、痛苦）[2]。两者唯一的区别在于提示词；底层模型和训练数据完全相同。这表明，即使是细微的提示措辞变化，也能显著改变输出内容的感知个性与情感基调。
文本风格迁移研究提供了进一步证据。2024年的一项研究表明，对所有输入使用相同的提示词并非最优方案——不同输入对不同的提示词反应更佳[4]。他们构建了一个系统，能够自适应地为每个输入选择最佳提示词，与使用固定提示词相比，实现了更优的风格迁移效果。这证实了提示词的选择并非微调细节，而是决定输出质量与风格的核心因素。
训练数据会留下永久印记吗？
是的，这是可以检测到的。2025年的一项研究分析了五大AI模型（ChatGPT、Claude、Gemini、文心一言、Grok）生成的文本，发现每个模型都有独特的“语言风格指纹”，这些指纹基于词汇选择、句子结构和标点习惯等特征[5]。利用这些指纹，研究人员能够以高准确率识别出某段文本是由哪个模型生成的。这意味着训练数据——即每个模型所学习的语料库——会烙印下一种基础风格，且这种风格不会因提示词的不同而改变。
然而，提示词可以覆盖部分这些特征。同一项研究指出，他们的方法在十种不同的语义任务中均有效，这表明虽然模型的“声音”具有一致性，但并非不可改变。提示词可以引导输出接近或偏离这一基线，但训练数据中潜在的统计模式仍然可被检测到。
那么模型本身呢？
模型架构决定了质量的上限，但在同一类模型中，提示词和数据更为关键。2023年一项关于文本风格迁移的研究发现，基于提示词的编辑方法在性能上超越了参数规模大20倍的系统[3]。这表明，巧妙的提示词设计可以弥补模型规模较小或能力不足的缺陷。模型架构决定了可能性（例如，它能在多大程度上遵循复杂指令），而提示词则决定了实际执行的效果。
话虽如此，不同模型确实有各自独特的风格。2025年的指纹识别研究[5]表明，即便使用相同的提示词，ChatGPT和Claude等模型生成的文本也存在可测量的差异。因此，模型固然重要，但它只是基础——提示词和训练数据才是绘制最终画卷的颜料与画笔。
关于这些来源
该回答基于5篇经同行评审的研究——发表于2023年至2026年，其中4篇为2024年及以后发表，1篇发表于Q1–Q2期刊——这些研究是从5篇通过质量筛选的研究中选出的最相关成果，而该筛选过程则源自对超过5亿篇论文数据库中检索到的61篇文献的梳理。
本文引用的文献
学习检测AI生成的文本，并了解其局限性。
在一项针对254名捷克语使用者的研究中，获得即时反馈的参与者提升了区分AI文本与人类文本的能力，纠正了最初关于AI文体特征和可读性的误解[1]。
与基于大语言模型的人工智能对话，能够激发可持续发展教育中的情感与认知过程。
在一项涉及122名参与者的研究中，具有共情能力的人工智能聊天机器人比富有同情心的聊天机器人更能激发强烈的情感（共情、怜悯、痛苦），这表明提示词的人格特质会直接改变读者的体验[2]。
基于提示的文本风格转换编辑
一种基于提示的文本风格转换编辑方法，其表现超越了参数规模大20倍的系统，证明了巧妙的提示设计可以弥补模型规模的不足[3]。
基于预训练语言模型的任意文本风格迁移的自适应提示路由
一种自适应提示路由框架针对不同输入选择不同提示，相较于对所有输入使用固定提示，在风格迁移上取得了更优效果[4]。
通过语言风格指纹识别AI生成文本来源
通过语言风格指纹（包括词汇选择、句法结构和标点使用），分类器能够识别出给定文本是由五个AI模型（ChatGPT、Claude、Gemini、文心一言、Grok）中的哪一个生成的[5]。