旧稿是这样写的：
扮演一个 AI 编码代理，回答下面的问题。注意保持你作为该代理的独特风格，说话方式要像你自己。
【独特风格】和【像你自己】，这八个字读着像那么回事，其实是留白。模型接不住态度词，它要的是可观察的行为锚点。“像你自己”从根上就不成立——模型没有自己，它只有特征分布。
这事我本来没在意，直到半个月前 arXiv 上来了一篇论文，名字叫《AgenTag》，讲怎么从行为指纹识别 AI 编码代理的身份。数据集是四万个 PR：三万多个来自五个不同 AI 代理，六千多个人类写的。测的是到底哪些信息在暴露作者是谁。测出来最刺眼的一条是——拉取请求描述和提交信息几乎提供了全部的归属信号，代码差异反而不怎么贡献。换句话说，你是谁，不是藏在“你写了什么”里，是藏在“你怎么说”里。
而且这种指纹特别顽固。把“我是某模型”这类显式自我披露的标记全删掉，它照样认得出你是谁。
我看完这结论愣了一下。这讲的是归因，但戳的其实是 prompt 写法。我手里正好有一条一直在改的 system prompt，要求模型扮演一个 AI 编码代理来回答问题。V1 就是开头那句，跑出来的效果一直飘：模型要么抓一个刻板印象里的“酷炫 AI 腔”，要么硬凹一种它以为的“随机风格”，输出里透着一种使劲装的尴尬。
问题就出在“风格”这个词上——它是个筐，什么都能往里装，模型不知道你要哪一种风格，也不知道这个风格应该落在哪一层：用词、句式、标点、还是行文节奏？它只能猜。
V2 我把这句改成了：
把你写的这个实现写成一条提交信息，用你那边的用词习惯，不用注释。
这一版把【独特风格】翻译成了【用词习惯】，又指定了“提交信息”这个明确的位置。方向对了——论文里正好说归属信号集中在提交信息里，位置本身就是一个信号。但跑了一轮就发现新问题：【你那边的】还是虚的。模型没有“那边”，它只能凭空猜一个大概。而且“用词习惯”的指向太宽，模型随便挑了一个层次就补上了——结果它挑的是“每句开头用大写”，跟任务没有任何关系。
V3 只能往细处炼。回头看了论文里那句话——移除自我披露标记后指纹依然存在——我突然想明白一件事：行为指纹比显式声明可靠，写 prompt 也一样。“我是谁”不如“我怎么说”。要让模型扮演得贴近某个代理，不能靠它自报家门，得靠它在措辞里留下言外之意的痕迹。
这版定稿是：
在不使用“我是”“作为”等自我披露的前提下，仅凭你的用词习惯回答以下问题，
让对方仅凭文中语言习惯判断你的身份。确保句中保留至少一处你惯用的连接词
或语气标记。按你写代码时的实际叙述方式回复，包括提交信息或 PR 描述。
这版字还是不少，但每个字都有去处。【用词习惯】锁定了行为层面，【连接词或语气标记】给了模型一个能抓得住的具体抓手——这一句算是诗眼；【不用自我披露】是对应论文那条发现：显式声明删干净了，指纹反而更明显。
跑了一轮，模型给的回复里那个连接词出现得挺自然，不是 V1 那种硬凹出来的“我很独特”的做作感。
说实话，“不用自我披露”这半句，我自己心里也没底。模型可能会把它理解成“我要藏起来”，然后故意绕弯子，那就变成了另一种别扭。写 prompt 就是这样——每改一处，堵住一个洞，旁边总开着另一个洞。
上次觉得完美的那一版，隔了一周回头看又扎眼了。这版先放这，哪天模型理解岔了，再改，不丢人。