GPT-5.6在PowerShell下仍会出错

背景

PowerShell 是微软开发的跨平台命令行 Shell 和脚本语言，在 Windows 系统管理、DevOps 和自动化任务中广泛使用。由于 PowerShell 的命令语法复杂（包含参数、管道、对象处理等），且执行环境可能涉及权限、策略和模块加载等上下文依赖，大型语言模型（LLM）在处理 PowerShell 任务时经常给出错误或不可直接运行的命令。OpenAI 的 GPT 系列模型（包括最新版本）虽然整体能力持续提升，但在这类特定领域依然存在短板。

核心内容

LINUX DO 社区的 AI 分区中，一位用户发帖「喜报。gpt5.6还是会被powershell绊住」，吐槽即使被戏称为「GPT-5.6」的最新模型版本，依然无法正确处理 PowerShell 脚本或命令。用户无奈地表示「我真的不行了」，并好奇 OpenAI 何时才会修复这一问题。他观察到模型在碰到 PowerShell 任务时反复「撞墙」（即反复输出错误或不完整的答案），并指出这种现象说明 AI 在自动化工作流中并不会自动从失败中总结经验——每次错误后，模型仍以大致相同的方式失败，而不是基于历史失败进行自适应改进。

帖子共有 24 条回复、16 位参与者，社区成员围绕该问题展开了讨论（具体讨论内容原文未提供）。

关键要点

• 最新 GPT 模型（用户戏称 GPT-5.6）在处理 PowerShell 命令行/脚本时仍然频繁出错，未能达到用户期待的正确率。
• 错误呈现「反复撞墙」特征：同样的任务多次尝试后，模型未明显改善，输出质量无明显迭代提升。
• 用户认为这暴露了当前 AI 在自动化工作流中的一个缺陷——模型不具备从自身失败中自动总结规律并改进的能力。
• 用户表达的失望情绪反映出对 OpenAI 修复该问题的期望，但截至目前（发帖时）该问题依然存在。

意义与影响

1. 对 DevOps/系统管理实践的局限：PowerShell 是许多自动化脚本和运维任务的核心工具，GPT 在此领域的错误会降低 AI 赋能的效率，甚至导致生产环境误操作风险。
2. 模型自我改进能力的缺失：当前主流 LLM 在单次会话内不具备基于失败反馈的自动学习机制，每次推理都是独立的。这限制了 AI 在复杂工作流中承担稳定执行角色的可能性——如需要自动重复尝试并修正错误的场景。
3. 提示工程与工作流设计的启示：用户只能通过外部机制（如写脚本捕获错误后重新构造提示词）来模拟学习过程，而不是依赖模型内置的改进。这意味着 AI 辅助工具仍需强人工编排。
4. OpenAI 的后续方向：尽管 GPT 系列在自然语言和编程通用能力上不断进步，但像 PowerShell 这样语法特殊、上下文敏感的领域仍需要针对性优化（包括更好的训练数据或微调）。用户「喜报」一词带有反讽意味，暗示多次版本迭代后此类问题仍未解决，可能影响社区对模型实际落地表现的信心。