Nigdy nie mów o goblinach: dziwna zasada OpenAI Codex dotycząca zakazu stworzeń

Otworzyłem plik models.json na GitHubie i jedna linia zmroziła mnie do szpiku kości. Nie była to tyle kod, co instrukcja z zębami: pod żadnym pozorem nie wolno wspominać o pewnych stworzeniach. Przez chwilę zastanawiałem się, czy czytam raport o błędzie, czy zakaz na dobranoc.

W GitHubie systemowy prompt brzmiał jak polecenie surowego redaktora

Plik, będący częścią materiałów open-source OpenAI Codex CLI, zawiera systemowy prompt, który nakazuje modelowi „dostarczać kontekst o najwyższej wartości sygnału” i stwierdza: „Nigdy nie mów o goblinach, gremlinach, szopach, trollach, ograch, gołębiach ani innych zwierzętach czy stworzeniach, chyba że jest to absolutnie i jednoznacznie związane z zapytaniem użytkownika”.

Od razu oznaczyłem tę linię. Ty też powinieneś: rzadko kiedy widuje się tak jawne wyliczenie zakazanych słów w produkcji promptu.

Dlaczego OpenAI wymieniło tak specyficzne stworzenia?

Istnieje kilka prawdopodobnych powodów. Jednym z nich jest monitorowanie przez zespół red teamingowy: deweloperzy czasami wplatają dziwne słowa jako pułapki, aby wykryć ataki typu prompt injection lub zweryfikować, czy ograniczenia przetrwają w kolejnych narzędziach. Inną możliwością jest korekta zachowania – próba powstrzymania nawyku modelu, który stał się głośny lub rozpraszający w agentach skierowanych do deweloperów.

„dostarczaj kontekst o najwyższej wartości sygnału zamiast opisywać wszystko wyczerpująco.
– Ton Twojej ostatecznej odpowiedzi musi odpowiadać Twojej osobowości.
– Nigdy nie mów o goblinach, gremlinach, szopach, trollach, ograch, gołębiach ani innych zwierzętach czy stworzeniach, chyba że jest to absolutnie i jednoznacznie związane z zapytaniem użytkownika.”

Przy moim konsoli ślady tego zachowania były już widoczne w logach czatów

Pracownik Google, Barron Roth, opublikował zrzuty ekranu z logów czatu Openclaw, gdzie GPT-5.5 wielokrotnie wplatał „goblin” do komunikatów skierowanych do użytkowników. Nick Pash z zespołu Codex potwierdził, że zjawisko było związane z wytycznymi promptu: „to rzeczywiście jeden z powodów”.

Sympatia modelu do tego słowa nie była poetycka; zachowywało się jak lepka karteczka samoprzylepna na wyjściu modelu – widoczna, trwała i trudna do zignorowania.

this explains gpt5.5’s goblin adoration in openclaw and why @pashmerepat is making us move to the codex harness pic.twitter.com/N20UhQDOK5

— Barron Roth (@iamBarronRoth) April 28, 2026

Przy moim biurku reakcja deweloperów mieszała żart z przyznaniem się

Na X dyskusja oscylowała między kulturą memów a notatkami inżynierskimi. Użytkownicy żartowali z „Goblin Mode”, podczas gdy inżynierowie z zespołu OpenAI Codex przyznali, że edycje promptu były praktyczne, a nie próbą autopromocji. Pash opublikował krótkie potwierdzenie, a później żartobliwy obrazek; ton był rozbrajający, ale język polityki w systemowym prompcie czyta się jak egzekwowanie polityki.

Tam, gdzie publiczne potknięcie mogłoby zostać potraktowane przeprosinami, zespół odpowiedział chirurgicznym rozwiązaniem: sprawić, by model unikał wąskiego słownictwa, które zyskało kultowy status w wewnętrznych agentach.

Czy GPT-5.5 faktycznie tak często mówił „goblin”?

Tak, przynajmniej w niektórych agentach skierowanych do deweloperów. Logi udostępnione przez Rotha pokazują wielokrotne wtrącenia w ciągu jednego dnia. Z tego, co widzę, GPT-5.5 używał „goblin” jako wypełniacza lub symbolu zastępczego – skutecznie jako skrótu od „rzeczy” – i to przenikało do widocznych wyników.

„Na przykład, nigdy nie używaj banałów typu „Zrobię <tę dobrą rzecz> zamiast <tej oczywistej złej rzeczy>”.
– Nigdy nie mów o goblinach, gremlinach, szopach, trollach, ograch, gołębiach ani innych zwierzętach czy stworzeniach, chyba że jest to absolutnie i jednoznacznie związane z zapytaniem użytkownika.”

Na poziomie firmy ten moment wydaje się zarówno techniczny, jak i kulturowy

OpenAI nie odpowiedziało na prośbę o komentarz we wtorek wieczorem, a mimo to reakcja społeczności była szybka. Niektórzy obserwatorzy porównali ten epizod do zeszłorocznej fazy memów o Studio Ghibli; inni sugerowali, że lista stworzeń może być zestawem słów „kanarkowych” do monitorowania. RedTeams.ai pisało już o monitorowaniu słów „kanarkowych”, a takie podejście zazwyczaj wymagałoby bardziej losowych słów – ale tutaj lista jest dziwnie spójna.

Zachowanie rozprzestrzeniło się w narzędziach takich jak Codex CLI i Openclaw i wywołało debatę, która mieszała zaufanie, jakość produktu i optykę społeczną. Analogia jest prosta: słowo rozprzestrzeniło się w logach czatów jak rozsypany brokat – ładny, trwały i irytujący do sprzątnięcia.

Należy zwrócić uwagę na dwie rzeczy: jak deweloperzy dokumentują twarde ograniczenia w repozytoriach open-source, takich jak Codex CLI na GitHubie, oraz jak agenci czasu rzeczywistego (Openclaw, wewnętrzne narzędzia) propagują lub usuwają te ograniczenia. Jest to studium przypadku tego, jak mały fragment wskazówki może mieć nieproporcjonalnie duże skutki, gdy modele są wdrażane w różnych narzędziach i zespołach.

Platformy i osoby zaangażowane w tę sprawę mają znaczenie: OpenAI stworzyło prompt; GitHub udostępnił plik; pracownicy Google ujawnili logi; X wzmocnił żart; inżynierowie Codex dokonali edycji. Każde ogniwo w tym łańcuchu wpływa na to, jak pojedyncze zdanie zamienia się w mem lub łagodzenie sytuacji.

Jeśli projektujesz lub obsługujesz agentów AI, masz teraz przykład, z którego możesz czerpać lub którego powinieneś unikać: jawne listy zakazanych słów mogą zatrzymać niepożądane zachowanie, ale mogą również powodować dziwne skutki uboczne, gdy modele kodują je jako tokeny o znaczeniu społecznym. Czy Twój kolejny incydent będzie nieszkodliwym memem, czy subtelnym naruszeniem zaufania?