Mein Custom GPT klingt nicht wie ich: Warum, und die Lösung, die funktioniert

Kurzfassung: Ihr Custom GPT klingt nicht wie Sie, weil nichts von Ihnen je bei ihm angekommen ist. Ein Custom GPT nimmt vier Eingaben entgegen (Anweisungen, Wissensdateien, Gesprächsstarter und eine Modellwahl), und keine davon trägt Ihre Stimme, es sei denn, Sie legen sie dort in einer Form ab, mit der das Modell arbeiten kann. Tonadjektive zeigen auf ein generisches Register. Wissensdateien werden abgerufen, nicht aufgenommen. Ein neueres Modell führt vage Anweisungen genauer aus, was eine sauberere Version desselben Durchschnitts bedeutet. KI kennt Ihren Ton nicht; sie kennt Wörter, die Ton beschreiben. Die Lösung besteht darin, die Beschreibung im Anweisungsfeld durch Messwerte aus Ihrem eigenen Schreiben zu ersetzen: Satzlänge, Platzierung von Abschwächungen, Übergänge und Zeichensetzung.

Sie haben einen Abend damit verbracht, ein Custom GPT für Kunden-E-Mails zu bauen. Sie haben ihm einen Namen gegeben, einen Absatz über Ihren Stil geschrieben, fünf E-Mails hochgeladen, auf die Sie stolz waren, und das beste Modell ausgewählt. Der erste Entwurf, den es produziert hat, hätte von jedem Assistenten auf jedem Laptop in Ihrem Gebäude stammen können.

Das GPT hat getan, worum Sie gebeten haben. Worum Sie gebeten haben, enthielt Sie nicht.

Warum klingt mein Custom GPT nicht wie ich?

Weil das GPT eine Beschreibung der gewünschten Wirkung und ein paar Beispiele dieser Wirkung erhalten hat und die Mechanik selbst erfinden muss. Es erfindet sie für alle auf dieselbe Weise, aus dem Durchschnitt von allem, womit es trainiert wurde. Ihre Stimme, der Teil, den ein Leser wiedererkennen würde, wurde nie übergeben.

Gehen Sie durch, was die meisten Menschen in den Builder eintragen. Das Anweisungsfeld bekommt einen Absatz wie „Du schreibst wie Priya: warm, aber direkt, knapp, selbstbewusst, ohne Unternehmensfloskeln.“ Der Wissensbereich bekommt eine Handvoll alter E-Mails. Das Modell-Dropdown bekommt, was gerade am neuesten ist. Jeder dieser Schritte fühlt sich an, als würde er dem GPT beibringen, wer Sie sind. Jeder einzelne lässt Ihre Stimme auf dem Weg hinein durchsickern.

Es gibt vier Lecks, und sie addieren sich:

1. Das Anweisungsfeld enthält Adjektive. Ein Adjektiv ist ein Zeiger auf ein Register, das das Modell bereits kennt. „Knapp“ zeigt auf die eigene Vorstellung des Modells von kurz.
2. Wissensdateien werden abgerufen, nicht aufgenommen. Das Modell schlägt sie nach, wenn es entscheidet, dass sie wichtig sind, und paraphrasiert, was es findet.
3. Die Modellschicht ist von Natur aus generisch. Eine neue Modellversion macht jedes Custom GPT besser darin, Anweisungen zu folgen, und fügt nichts über Sie hinzu.
4. Lange Chats driften ab. Ihre Anweisungen stehen oben im Kontext, die eigene Ausgabe des Modells sammelt sich darunter an, und beim zehnten Zug hat der Standard den Entwurf zurückerobert.

Der Rest dieses Beitrags nimmt sich jedes Leck der Reihe nach vor und zeigt dann, was in das Anweisungsfeld gehört, damit das GPT etwas von Ihnen hat, womit es arbeiten kann.

Was erhält ein Custom GPT tatsächlich von Ihnen?

Vier Eingaben, und nur eine davon kann Ihre Stimme tragen. OpenAIs eigener Leitfaden zum Erstellen eines GPT listet sie auf: Anweisungen, Wissen, Gesprächsstarter und Fähigkeiten wie Browsen oder Code. Das Anweisungsfeld ist der Ort, an dem Verhalten festgelegt wird. Alles andere ist entweder Referenzmaterial oder ein Funktionsschalter.

Die meisten Menschen verteilen ihre Mühe auf alle vier und legen den unspezifischsten Inhalt in das eine Feld, das zählt. Das Anweisungsfeld bekommt einen Tonabsatz. Der Wissensbereich bekommt die echten Belege, wo das Modell sie nur per Nachschlagen erreichen kann.

Sehen Sie sich an, was „warm, aber direkt, knapp, selbstbewusst“ dem Modell zum Arbeiten gibt. Während des Trainings hat es enorme Mengen an Text gesehen, die mit diesen Wörtern beschrieben wurden: HR-Mitteilungen, Kundendienst-Antworten, LinkedIn-Updates, Vertriebs-Nachfassmails. Die Formulierung zeigt jetzt auf das statistische Zentrum von all dem. Tippen Sie sie ein, und Sie bekommen das Zentrum. Ein Kollege, der dieselbe Formulierung eintippt, bekommt dasselbe Zentrum. Sie beide schreiben völlig unterschiedlich, und das GPT hat keine Möglichkeit, das zu wissen, weil das Etikett das Einzige war, was jeder von Ihnen geliefert hat. Dieses Argument haben wir in Warum Tonadjektive nicht Ihre Stimme sind im Detail auseinandergenommen. Die Custom-GPT-Version des Problems ist dasselbe Problem mit einem hübscheren Symbol.

Warum beheben Wissensdateien das nicht?

Weil Wissen ein Nachschlagen ist und eine Stimme eine Reihe von Einschränkungen, die für jeden Satz gelten muss. Wenn Sie Ihre E-Mails hochladen, geben Sie dem GPT eine Bibliothek, die es konsultieren kann. Das ändert nicht, wie das GPT schreibt, wenn es die Bibliothek nicht konsultiert, was die meiste Zeit der Fall ist.

Betrachten Sie die Mechanik. Wenn Sie Ihr GPT um eine Nachfass-E-Mail bitten, entscheidet das Modell, ob eine hochgeladene Datei für die Anfrage relevant ist. Entscheidet es sich für Ja, zieht es die relevanten Passagen in den Kontext und nutzt sie als Referenz. Entscheidet es sich für Nein, gelangen die Dateien nie ins Gespräch. So oder so beeinflussen die Dateien den Inhalt der Antwort. Sie legen nicht den Rhythmus der Prosa fest.

Selbst wenn die Dateien herangezogen werden, steht das Modell vor einem Schlussfolgerungsproblem, das es aus fünf Beispielen nicht lösen kann:

• Gewohnheit oder Laune? Eine E-Mail beginnt mit einer persönlichen Zeile. War das Ihr Muster oder nur dieser eine Dienstag? Fünf Beispiele können die beiden nicht auseinanderhalten.
• Welches Register? Eine Entschuldigung an einen Kunden und ein internes Status-Update im selben Ordner ziehen das Modell in entgegengesetzte Richtungen, und es bildet den Durchschnitt.
• Was reproduzieren? Das Modell sieht kurze Sätze und eine frühe Bitte, und vielleicht reproduziert es diese. Es wird nicht bemerken, dass Sie nie „jedoch“ verwenden, weil Abwesenheit in einem Beispiel unsichtbar ist.

Auch das Anweisungsfeld hat eine Obergrenze. Fügen Sie drei vollständige E-Mails ein, und der Platz für echte Regeln ist weg. Verschieben Sie sie in den Wissensbereich, und Sie sind zurück beim Nachschlagen. Unser Leitfaden zur Verwendung eines Custom GPT innerhalb eines ChatGPT-Projekts behandelt die Behälterfrage ausführlich: Welche von Anweisungen, Projekten, Gedächtnis und GPTs was enthalten sollte. Die Kurzfassung lautet, dass Beispiele Belege sind und das Modell die Schlussfolgerung trotzdem selbst ziehen muss. Ziehen Sie sie selbst und übergeben Sie die Schlussfolgerung.

Wird ein besseres Modell mein Custom GPT reparieren?

Nein, und der Grund ist struktureller Natur und keine Frage des Wartens auf die nächste Version. Modellfähigkeit und Konditionierung auf Nutzerdaten sind getrennte Schichten. Das Labor verbessert die erste mit jeder Version und kann die zweite nicht liefern, weil die zweite aus Ihrem Schreiben besteht und das Labor es nie gesehen hat.

Ein leistungsfähigeres Modell folgt nuancierten Anweisungen genauer. Das ist alles, was ein Upgrade einem Custom GPT bringt. Geben Sie ihm „warm, aber direkt“, und es produziert eine poliertere, konsistentere, flüssigere Wiedergabe des generischen Warm-aber-direkt-Registers. Der Entwurf liest sich besser und klingt kein bisschen mehr nach Ihnen als auf dem alten Modell. Mehrere Leser haben uns berichtet, dass ihr GPT nach einem Modellwechsel schlechter wurde, und die wahrscheinliche Ursache ist dieselbe: Das neue Modell führt die Adjektive gründlicher aus, also ist der Durchschnitt noch durchschnittlicher.

Dieselbe Eigenschaft arbeitet für Sie, sobald die Anweisungen etwas Präzises enthalten. Ein Profil, das sagt „Sätze im Schnitt 13 Wörter, Spannweite 5 bis 26, Bitte in der ersten Zeile, Abschwächung nur vor Empfehlungen, nie ‚jedoch‘“, ist ein Satz von Anweisungen, den ein stärkeres Modell genauer trifft als ein schwächeres. Je besser das Modell darin wird, nuancierten Anweisungen zu folgen, desto besser führt es Ihr Profil aus. Die Belege dafür haben wir in Warum bessere KI-Modelle Ihre Stimme immer noch nicht kennen dargelegt: Jede Generation verkleinert die Lücke zwischen Anweisung und Ausführung, und keine verkleinert die Lücke zwischen dem Modell und Ihnen. Das tun nur Ihre Daten.

Das Modell-Dropdown ist also das Letzte, was Sie ändern sollten, nicht das Erste. Beheben Sie, was das Modell ausführen soll, und lassen Sie dann jede künftige Version es besser ausführen.

Was sollte stattdessen in das Anweisungsfeld?

Messwerte aus Ihrem eigenen Schreiben, formuliert als Regeln, denen das Modell ohne Interpretation folgen kann. Eine Stimme lebt in Satzlänge, Platzierung von Abschwächungen, Übergängen und Zeichensetzung, und jedes davon lässt sich aus E-Mails zählen, die Sie bereits gesendet haben.

So sieht jeder Punkt als Anweisung statt als Adjektiv aus:

Satzlänge. Nicht „knapp“, sondern eine Verteilung. „Typischer Satz 12 bis 14 Wörter. Auf 4 bis 6 Wörter herunter, wenn eine Entscheidung mitgeteilt wird. Ein Satz über 25 Wörter pro Absatz erlaubt, wenn Kontext gesetzt wird.“ Ein Modell, das „knapp“ bekommt, schreibt endlos gleichförmige Vierzehn-Wort-Sätze. Ein Modell, das die Spannweite bekommt, schaltet so um, wie Sie es tun.

Platzierung von Abschwächungen. „Vor einer Empfehlung abschwächen (‚Ich würde vorschlagen‘, ‚wahrscheinlich sinnvoll‘). Nie abschwächen, nachdem eine Entscheidung mitgeteilt wurde. Kein ‚Ich denke‘ in der ersten Zeile.“ Zwei Autoren mit identischem Vokabular unterscheiden sich hier in jedem Absatz, und Leser spüren den Unterschied, ohne ihn benennen zu können.

Übergänge. „Sätze mit ‚Also‘ und ‚Und‘ beginnen, wenn der vorherige Satz sie vorbereitet. Nie ‚jedoch‘, ‚darüber hinaus‘ oder ‚das gesagt‘ verwenden. Absätze mit der Schlussfolgerung eröffnen.“ Die Standardübergänge des Modells sind die, die es am häufigsten gesehen hat, und genau die lassen einen Entwurf nach KI riechen.

Zeichensetzung. „Höchstens ein Doppelpunkt pro E-Mail. Einschübe stehen in Klammern, nie in einem eigenen Satz. Keine Ausrufezeichen in Kunden-E-Mails. Keine Semikolons.“ Zeichensetzungsgewohnheiten sind bei den meisten Menschen die stabilste Dimension ihres Schreibens und diejenige, die Tonadjektive überhaupt nicht ausdrücken können.

Über diesen vier liegen Vokabular und Vermeidung: die Wörter, nach denen Sie greifen, und die Formulierungen, die Sie nie schreiben würden. Beides sind Listen, und eine Liste ist eine Anweisung.

Die manuelle Version dauert etwa eine Stunde:

1. Sammeln Sie zehn bis fünfzehn Texte, die Sie geschrieben haben und mit denen Sie zufrieden waren, in dem Register, für das das GPT gedacht ist.
2. Zählen Sie die Wörter pro Satz über alle hinweg. Notieren Sie den typischen Wert, den kürzesten, den längsten.
3. Listen Sie jede Abschwächung auf und wo sie im Satzglied stand.
4. Listen Sie die Übergänge auf, die Sie verwendet haben, und getrennt davon die, die Sie nie verwendet haben.
5. Notieren Sie Ihre Gewohnheiten bei Doppelpunkten, Kommas, Klammern und Ausrufezeichen.
6. Schreiben Sie die Ergebnisse als Anweisungen mit Zahlen darin. Streichen Sie jedes Adjektiv.

Dieser Block kommt in das Anweisungsfeld des Custom GPT und nirgendwo sonst. Behalten Sie den Wissensbereich für Dinge vor, die tatsächlich Referenzmaterial sind: Produktnamen, Preise, die Historie des Kunden. Unser vollständiger Leitfaden zu Custom-GPT-Anweisungen enthält den Aufbau Feld für Feld, einschließlich der Frage, wo ein solches Profil im Verhältnis zu Aufgabenanweisungen und Ausgabeformat steht.

Genau das ist auch ein Stilprofil von MyWritingTwin.com: der Messschritt, für Sie erledigt, über mehr Dimensionen als die vier oben, aus Beispielen, die Sie einmal hochladen. Das Ergebnis ist eine Writing-DNA-Analyse, ausgedrückt als Einschränkungen und verpackt als Block, den Sie in das Anweisungsfeld einfügen. Ihr Writing Twin für ChatGPT, Claude und Gemini ist dieser Block, eingesetzt in den Tools, für die Sie bereits bezahlen, und derselbe Block, der ein Custom GPT repariert, repariert auch ein Claude Project oder ein Gemini Gem. Unsere Erklärung, wie die Stilextraktion funktioniert, geht die vollständige Liste dessen durch, was gemessen wird.

Zwei Eigenschaften eines gemessenen Profils sind hier wichtig. Es lässt sich überprüfen: „War das direkt genug?“ hat keine Antwort, „Lag die mittlere Satzlänge im Bereich?“ dagegen schon, also zählen Sie, wenn ein Entwurf abdriftet, finden den Fehler und korrigieren eine Regel. Und es überlebt das Modell: Die Messwerte beschreiben Sie, also gelten sie weiter, wenn das Modell wechselt, und jedes stärkere Modell führt sie genauer aus als das letzte.

Wie testen Sie, ob Ihr Custom GPT Sie kennt?

Geben Sie ihm das Briefing für eine E-Mail, die Sie bereits gesendet haben, und vergleichen Sie durch Zählen. Fünf Minuten, keine Tools, und das Ergebnis ist eine Zahl statt eines Gefühls.

Wählen Sie eine E-Mail von letzter Woche, die gut gelaufen ist. Schreiben Sie ein zweizeiliges Briefing: an wen sie ging, was Sie brauchten, was der Empfänger bereits wusste. Fügen Sie das Briefing in Ihr Custom GPT ein und bitten Sie um die E-Mail. Legen Sie seinen Entwurf neben Ihren und zählen Sie:

• Wörter pro Satz: typisch, kürzester, längster
• Sätze pro Absatz
• Wo die Bitte steht (erste Zeile, Mitte oder Schluss)
• Abschwächungen: wie viele, und ob sie das Satzglied eröffnen oder abschließen
• Kommas pro Satz, Doppelpunkte pro E-Mail
• Die Eröffnungszeile und die Schlusszeile

Wenn die Zahlen abweichen, kennt das GPT Sie nicht, egal was es Ihnen sagt, wenn Sie fragen „Verstehst du meinen Stil?“ (es wird Ja sagen; es sagt immer Ja). Wenn sie bei einer E-Mail übereinstimmen, führen Sie drei weitere in unterschiedlichen Registern durch: eine Entschuldigung an einen Kunden, ein internes Update, eine Kaltansprache. Adjektivbasierte GPTs bestehen meist den ersten Test und scheitern am zweiten, weil der Absatz für eine Stimmung geschrieben wurde und Sie mehrere haben.

Führen Sie denselben Test durch, nachdem Sie den Absatz durch Messwerte ersetzt haben. Die Zahlen nähern sich an, und sie nähern sich weiter an, während Sie einzelne Regeln nachschärfen. Diese Annäherung ist der ganze Unterschied zwischen einem GPT, das Ihren Namen trägt, und einem GPT, das Sie in sich trägt.

Ihr Custom GPT war nie kaputt. Es war leer. Füllen Sie das Anweisungsfeld mit dem, was Ihr Schreiben tatsächlich tut, und der Behälter beginnt, seine Arbeit zu tun.

Sehen Sie mit dem Humanity Score-Test, wie weit Ihr aktuelles GPT von Ihrem echten Schreiben entfernt ist, oder erstellen Sie ein Stilprofil aus Ihren eigenen Beispielen und fügen Sie es in das GPT ein, das Sie bereits gebaut haben.