talk-normal — 让 LLM 说人话的 System Prompt

> 一句话版本：一个精心打磨的 system prompt，能让任何大模型的输出字数平均减少 72%，同时保留所有有用信息——杀掉 AI 的废话、套话和格式化注水。

核心内容

一句话版本（pun intended）

整个项目就是一个 prompt.md 文件（~3.5KB），粘贴到任何 LLM 的 system prompt 里即可。

它解决了什么问题？

LLM 默认输出的"AI 味"：

• "Great question!" / "I'd be happy to help!"
• "Let me break this down for you..."
• "In conclusion..." / "综上所述..."
• "如果你愿意，我还可以..."
• "不是X，而是Y"（否定式对比句式）
• 明明一句话能说完，非要分 5 个要点展开

核心规则（v0.6.2）

最有价值的规则：否定式对比禁令

这是作者迭代了 4 轮才收敛的规则：

❌ 真正的创新者不是"有创意的人"，而是五种特质同时拉满的人
✅ 真正的创新者是五种特质同时拉满的人

❌ 这更像创始人筛选框架，不是交易信号
✅ 这是一个创始人筛选框架

❌ It's not about intelligence, it's about taste
✅ Taste is what matters

覆盖所有变体：标准序、逆序、链式、对称式，中英文通用。

效果数据

在 10 个测试问题上，GPT-4o-mini 和 GPT-5.4 平均减少 72-73% 字数：

工程亮点

• 回归测试：每个规则迭代都有 regressions/ 文件记录实测违规次数
• 版本追踪：prompt 第一行 ，支持自动版本检测
• ChatGPT 压缩版：prompt-chatgpt.md 压缩到 1400 字符，适配 ChatGPT 1500 字符限制
• OpenClaw 集成：支持 clawhub install talk-normal 一键安装为 skill
• idempotent 安装：install.sh 可重复运行，自动更新

分析

优势：

• 解决了真实痛点（AI 废话是所有人都烦的）
• 效果量化透明（10 题完整对照 + 字数统计）
• 规则迭代有数据支撑（4 轮收敛否定式禁令，6→0 违规）
• 工程化程度高（版本追踪、回归测试、压缩版）
• 跨模型通用（GPT、Gemini、LLaMA 都能用）

不足：

• 本质还是一个 prompt，不同模型遵从度不同
• 72% 缩减在简单问题上效果好，复杂推理任务可能过度压缩
• 203 stars，项目刚 4 天，规则可能继续变化
• 没有自动评测管线（手动跑测试）

与 Jay 的关联：

• SOUL.md 高度相似：Jay 的 researcher agent 的 SOUL.md 已经有 "Skip the 'Great question!'" 这类规则，理念完全一致
• OpenClaw 原生集成：已发布到 ClawHub，clawhub install talk-normal 即可安装
• 中文场景特别有用：作者专门覆盖了中文 filler（"值得注意的是"、"综上所述"、"让我们一起来看看"），对中文 LLM 输出优化效果明显
• 可以合并到现有 AGENTS.md：talk-normal 的规则和 Jay 自己的 SOUL.md 有重叠，可以取长补短

评分