大模型召回率为何重要

读了一些系统提示词, 基本都非常冗长, 表达不精炼. 一些提示词主要是教模型做事.

另外看到 roo code 里有重复将系统提示词发送到模型的开关, 说明是可以强化角色设定, 和指令遵循. 但会增加 token 消耗.

可能是因为重要的东西需要重复多次, 以提升在计算时的权重, 提升被确认的概率, 最终得到更有可能正确的结果. 可惜的是, 这样的结果仍然是概率性正确.

长时间用过 claude 模型和 gpt5high 的可能有感触, gpt5high 尽管很慢, 但是正确率非常高.

是否可能和 gpt5 的召回率达到 100%有关.

我在使用 AGENTS.md 指挥 gpt5 干活时发现, 只需要非常简练, 精炼的话, 即可以指挥 codex cli 干活.
而使用 claude code 时, 常常需要将 CLAUDE.md 写的非常"啰嗦", 即使这样, claude 也会忽略一些明确要求的注意事项. 改善方式也并不一定需要重复说一个要求, 使用不同的词汇如"必须", "重要"等字词, 使用括号, markdown 的加粗(\*\*), 都可以加强遵循性.

也就是说, 使用 claude 模型时, 对提示词的要求较高, 细微词汇变化即会影响模型表现.
而使用 gpt5 时, 对提示词的要求不高, 只要精炼的表达不存在逻辑矛盾之处, codex cli 就可以做的很好. 如果存在逻辑矛盾之处, gpt5 会指出来.

我现在对和 claude 模型的合作开发越来越不满, 倒不是它活干的太差, 而是被坑过几回后无法信任它, claude 每次发作都会改很多代码, 让它改 CLAUDE.md 也是非常激进. 所谓言多必失, 一个很长的系统提示词如何保证不存在前后矛盾之处, 检视工作量实在太多, 心智负担也很大.

相较而言, gpt5high 似乎具有真正的逻辑, 这或许和它的高召回率相关.