据 OpenAI 于 2023 年 7 月 20 日发布的消息，ChatGPT 正在推出“自定义指令”（Custom instructions）能力，目标是让用户对 ChatGPT 的回复方式拥有更多控制权。来源显示，用户可以预先设置自己的偏好，ChatGPT 会在未来对话中将这些偏好纳入参考，从而减少每次开启新会话时反复说明背景、角色、格式或表达风格的成本。
这项功能的核心变化并不在于模型本身突然拥有新的知识，而是把用户长期重复输入的“使用要求”前置为一组可持续生效的配置。对于频繁使用 ChatGPT 进行写作、代码辅助、客服话术、数据整理或内部知识问答的用户来说，自定义指令相当于把部分提示词从单次会话中抽离出来，变成跨会话的默认上下文。
自定义指令解决了什么问题
在以往的对话式使用中，用户通常需要在每次新建会话时重新说明自己的身份、目标、输出格式、语言偏好、语气要求等信息。例如开发者可能希望回答默认包含示例代码，运营人员可能希望结果使用中文并给出小标题，企业用户可能要求回复更偏正式风格。若这些要求需要反复输入，不仅浪费时间，也容易因为提示词遗漏导致输出不稳定。
OpenAI 此次推出自定义指令，意味着 ChatGPT 可以在后续会话中持续参考用户预设偏好。来源摘要明确提到，用户设置偏好后，ChatGPT 会在未来对话中记住这些要求。换句话说，它更像是面向个人工作流的“长期系统提示”入口，让用户把常用约束沉淀下来。
- 用户可设置希望 ChatGPT 了解的偏好或背景信息；
- 后续新对话中，ChatGPT 会将这些偏好作为参考；
- 可减少重复输入提示词的频率；
- 有助于提升多轮使用中的回复一致性；
- 对有固定输出格式需求的用户更友好。
对开发者和 API 使用者的启发
虽然此次消息面向 ChatGPT 产品体验，但对开发者和 API 使用者同样具有参考价值。很多团队在接入大模型 API 时，都会通过 system prompt、模板化 prompt、用户画像参数等方式控制模型输出。ChatGPT 的自定义指令功能，实际上把类似思路产品化：将稳定、重复、全局性的要求放在对话开始前，而不是混在每一次用户输入里。
对于使用 OpenAI、Claude、Gemini 等模型 API 的团队而言，这提示了一个重要方向：在构建 AI 应用时，应区分“长期偏好”和“即时任务”。长期偏好可以由用户配置、组织策略或业务规则承载；即时任务则对应当前问题。这样做不仅能让上下文结构更清晰，也有利于降低 token 浪费，避免每次请求都携带冗长说明。
从成本角度看，如果应用端能够把用户常用偏好抽象成可复用配置，并在必要时动态注入模型请求，就有机会减少重复提示词带来的消耗。对于通过 API 中转、额度管理或多模型调度来控制成本的团队，提示词配置化是提升稳定性和可维护性的基础能力。它还能让不同模型之间的调用策略更统一，例如同一套业务偏好可按需适配到不同模型的消息格式中。
对模型调用生态的影响
自定义指令的推出，反映出大模型产品正在从“单次问答工具”走向“可配置的长期助手”。这对生态的影响在于，用户不再只关心模型是否能回答某个问题，也会越来越重视回答是否符合个人习惯、业务流程和团队规范。
对第三方接入服务、API 批发与中转平台来说，这类能力也会推动上层产品提供更细粒度的配置项。例如按用户、项目、应用场景保存默认提示词；按模型自动转换参数；在并发调用时保持输出规范一致；在不同额度池之间复用相同的业务指令。随着模型调用场景变多，“偏好管理”和“提示词治理”会成为 API 接入体验的一部分，而不只是前端聊天框里的附加功能。
总体来看，ChatGPT 自定义指令并不是一次单纯的界面更新，而是强化了用户对模型行为的控制能力。它让常用偏好能够跨会话延续，也为开发者设计 AI 应用提供了清晰信号：未来的大模型接入，除了关注模型能力、价格、额度和稳定性，也需要重视用户偏好如何被保存、传递与执行。