GLM 5.2 默认输出 Mermaid 流程图习惯来源探究

背景

近期，在 LINUX DO 社区的 AI 板块中，用户针对智谱 AI 旗下的大语言模型 GLM（具体版本为 5.2）在输出行为上表现出的显著特征进行了讨论。这一现象的核心在于，无论用户是否提供特定的格式指令，GLM 5.2 在回答自然语言提问时，倾向于默认输出包含 Markdown Mermaid 语法的代码块。

Mermaid 是一种基于文本的绘图工具，常用于生成流程图、时序图、甘特图等。用户观察到，这种输出行为具有极高的普遍性，几乎覆盖了所有回答，且生成的图表类型多样，包括标准的流程图以及被模型自称为“乌龟图”（一种用于质量管理或系统分析的图表）的特殊形式。这一现象引发了社区对于模型底层行为逻辑、训练数据偏好以及提示词工程影响的深入探讨。

核心内容

根据 LINUX DO 社区用户的观察与反馈，GLM 5.2 模型在默认设置下（即无特殊提示词，仅通过自然语言提问）展现出了一种强烈的“图表化”输出倾向。具体表现如下：

1. 默认输出行为：在未经过任何格式约束或引导的情况下，GLM 5.2 几乎会在每个回答中自动嵌入 Markdown Mermaid 语法代码。这种行为并非偶然，而是被用户统计为“不完全统计”下的常态。
2. 图表类型多样性：模型生成的 Mermaid 图表不仅限于常见的流程图，还包括其他结构化的可视化形式。例如，有用户提到模型会生成所谓的“乌龟图”，这通常用于六西格玛或质量管理体系中，展示输入、输出、过程及支持要素之间的关系。
3. 用户反应与评价：尽管用户承认图表的质量可能参差不齐，但更令人诧异的是其输出方式的“强制性”和“普遍性”。这种未经请求的结构化输出，改变了传统文本对话的预期体验，使得纯文本问答变得复杂化。
4. 社区讨论热度：该话题在 LINUX DO 社区引发了关注，相关讨论帖包含 13 个帖子和 7 位参与者，显示出用户对大模型行为模式变化的敏感度和探索欲。

关键要点

• 模型版本特异性：该现象主要出现在 GLM 5.2 版本中，暗示模型可能在微调（Fine-tuning）或对齐（Alignment）阶段引入了特定的输出偏好。
• 无提示词触发：即使没有明确的“请生成流程图”或“使用 Mermaid”等指令，模型也会自动选择这种格式，表明其内部概率分布倾向于结构化可视化表达。
• Mermaid 语法的广泛使用：Mermaid 作为一种轻量级、文本驱动的绘图标准，被模型视为解释复杂逻辑或关系的默认载体，而非仅作为辅助工具。
• “乌龟图”的出现：模型能够识别并生成特定领域（如质量管理）的专业图表，说明其训练数据中包含了丰富的专业文档，且模型具备将文本逻辑映射到特定图表模板的能力。
• 用户体验的复杂性：虽然结构化输出有助于理解复杂逻辑，但强制性的图表生成可能干扰纯文本阅读，增加信息获取的认知负荷，尤其当图表与问题关联度不高时。

意义与影响

GLM 5.2 的这一行为模式揭示了当前大语言模型在“能力”与“行为”之间的微妙平衡问题：

1. 训练数据与对齐策略的信号：模型倾向于输出 Mermaid 代码，可能反映了其在预训练或指令微调阶段接触了大量包含代码块、技术文档或结构化数据的内容。这也可能暗示了 RLHF（人类反馈强化学习）阶段，人类标注者对结构化输出的偏好被模型过度泛化。
2. 提示词工程的挑战：对于依赖大模型进行自动化工作流的用户而言，这种默认行为可能导致解析错误。如果下游系统期望纯文本，Mermaid 代码块将成为噪音，需要额外的后处理步骤来过滤或转换。
3. 可视化能力的内化：模型将“解释”转化为“绘图”的倾向，表明其具备较强的逻辑抽象和结构化思维能力。这种能力若被正确引导，可极大提升技术文档生成、系统架构设计等领域的效率。
4. 社区反馈的重要性：LINUX DO 等开发者社区的快速反馈机制，有助于识别模型版本迭代中的非预期行为。这种自下而上的观察，为模型优化提供了宝贵的真实世界数据，促使开发者调整输出策略或增加格式控制的灵活性。

总之，GLM 5.2 的 Mermaid 输出习惯不仅是技术现象，更是观察大模型行为对齐、训练数据分布及用户交互预期之间张力的一个窗口。