搭 AI 对话工具到现在我前前后后写了不下几百条 prompt从最开始只会丢一句帮我写个文案到后来能稳定产出我要的东西中间踩过的坑真的能写一本小册子。今天不聊那些花里胡哨的万能公式就聊最底层的一件事情把任务、对象、依据、交付这四件事说清楚你的 prompt 成功率起码提高一大半。很多人觉得写 prompt 靠文采、靠运气其实不是。它更像把心里那团模糊的想法翻译成一张别人能照着执行的需求单。需求单上信息残缺AI 就只能猜信息完整AI 才能给你交差。这篇就当聊家常把我自己从每次都要重写三遍到一次生成就能用的经验摊开来说适合所有刚接触提示词、或者写了不少但结果总是不稳定的朋友。1. 别急着开写先搞懂 Prompt 是什么1.1 一句话定义Prompt 就是一张需求单Prompt 这个词英文原意是提示、促使放到 AI 语境里就是你提交给模型的那段输入文本。它可以是问题、指令、背景描述也可以是半成品草稿。无论形式怎样本质都是同一件事把你脑中的意图编码成模型能理解的文字信号。拿点外卖类比最直观。你跟商家说来份吃的对方只能猜你想吃辣还是清淡、堂食还是带走、预算多少。但你要是说一份不要香菜、微辣、送到小区门口20 分钟内商家执行起来几乎不用动脑。模型也一样你给的上下文越具体它需要脑补的空白就越少输出自然就越贴你的心意。所以别再纠结Prompt 是不是越高级越好。高级感是次要的信息完整度才是第一位的。判断一条 prompt 好不好标准很简单把里面的名词和条件全部遮住剩下的描述你还认得出自己在要什么吗认不出就是需求单没填完。1.2 为什么你写的 prompt 总是不对味我见过太多人反复在同一个地方翻车总结下来无非三种病。第一种叫指令太泛。只给动词不给场景。帮我写个方案帮我分析一下给我个思路这种话放给真人同事对方也得追问三连什么方案给谁看要达到什么效果模型倒是不会追问它会默默替你选一个最可能的默认答案于是你拿到手的永远是平庸的、泛泛而谈的东西。第二种叫上下文缺失。你想推荐一款咖啡机但没告诉模型目标用户是办公室白领还是居家新手没说预算区间没说竞品情况。模型只能按它训练数据里最常见的咖啡机文案风格来写写出来自然又空又套放朋友圈都没人点赞。第三种是交付标准模糊。这是最隐蔽的问题。你不说字数、不说格式、不说到什么程度算过关模型就会按它自己的默认偏好输出。结果你嫌它太长、嫌它没分点、嫌它语气太正式改来改去最后干脆自己上手重写——那要它干嘛把话说到这儿结论其实已经浮出来了与其到处找神级 Prompt 模板不如先把任务、对象、依据、交付这四根柱子立起来。下面逐根拆。2. 四要素拆解任务、对象、依据、交付2.1 任务把要干什么写成一个明确动词任务是一句话里的核心动作最好是一个具体动词写、总结、翻译、改写、对比、打分、生成大纲、模拟面试……动词越精确模型的发挥空间越可控。分析和对比就不一样。前者可能给你洋洋洒洒三千字单点分析后者会自然地列出维度表格。你要是心里想要的是对比表却说成分析就成了需求单填错项。我的习惯是动词前面再强制加上针对什么做。比如帮我写一篇产品介绍可以改成为这款便携咖啡机写一篇 800 字的产品介绍。写清楚了模型才知道围绕什么对象展开而不是凭空给你一篇谁也不属于谁的文案。顺便说个容易忽略的点任务里还可以写不要做什么。不要用营销黑话、不要编数据、不要用第一人称。这类负向约束往往比正向描述更能拉低模型的翻车率尤其是做事实型内容时一句不要虚构未经验证的数据能省你不少校对时间。2.2 对象给内容找一个具体的受众坐标对象不是指素材本身而是指内容最终给谁用、用在什么场景。这是用户最容易漏掉的一项也是影响风格最狠的一项。同样一份活动方案发给老板看和发给执行同事看完全是两种写法。前者要结论先行、讲投入产出、给决策建议后者要时间节点、负责人、物料清单、风险预案。你直接把受众坐标告诉模型它大概率能自动切换语态和结构根本不需要你手把手教它要有数据、要加粗关键结论。除了受众对象还包含场景坐标。这篇文案是发朋友圈、发小红书、还是印在海报上是写给自己做备忘还是发给客户做汇报同一个主题渠道和场景一变篇幅、语气、信息密度全都要变。把这些写进 prompt等于帮模型划了一条风格范围线让它在里面自由发挥而不是跑到外头乱来。2.3 依据把事实、边界和规则塞进上下文依据是四要素里最容易让结果质量发生质变的一项。它包含三类内容第一类是事实材料比如产品参数、数据、原文摘录第二类是限制条件比如成本上限、合规要求、截止时间第三类是偏好规则比如不要用被动句术语保持中英对照。只要条件允许我会把材料直接贴进 prompt而不是让模型自己去脑补行业常识。因为模型的训练数据是有截止时间的它不知道你公司那款新品的真实卖点也不知道你们内部指定的措辞风格。与其让它猜不如把关键信息原封不动丢给它明确说所有事实以我提供的材料为准不要额外编造。有一回我需要把一份长文档转成周报直接把文档正文粘贴进去外加一句只基于以下文本内容总结不要补充外部信息。输出出来几乎不用改。而之前不提这句的时候模型总爱锦上添花硬塞一些原文里没有的推断反而害得我逐条删。这就是依据的威力它把模型的想象空间框住了框得越紧越不容易跑偏。2.4 交付说清楚你要的成品长什么样交付本质上就是验收标准。大多数人不写这一项不是不想写是压根没想过模型输出还能自定义格式。其实模型在这件事上配合度极高你只要把成品长什么样描述清楚它真的能一比一执行。交付描述通常包含四块结构分几部分、什么顺序、要不要表格、篇幅总字数、每段长度、语气正式还是口语、克制还是活泼、以及验收点包含哪些必须要素、排除哪些不要的东西。我一般还会加最后一句话输出完成后按以下标准自查一遍并指出不足。这一句能逼着模型在交付前先做一轮质检虽然偶尔有点啰嗦但能堵住不少低级错误。举个实际例子。我需要一份会议纪要交付标准是一条决策、三个待办、两个风险每项不超过 50 字待办须写明负责人和截止时间。模型第一次跑出来就是表格形式我直接复制粘贴进协作工具就完事。没有交付标准的版本呢写得跟散文似的还得我手工提炼。高下立判。3. 手把手改一个 prompt从帮我写个文案到能落地3.1 先看第一版为什么废我拿工作里最常遇到的需求来演示写一条产品文案。第一版 prompt 长这样帮我写个文案。这条 prompt 神仙来了也救不了。模型能干嘛它只能从训练数据里随机挑一种大众款文案大概率是那种品质生活从一杯好咖啡开始的通用话术放哪个品牌都行也意味着哪个品牌都不出彩。我把这条发给过十几个朋友让他们猜对方会怎么写结果十个人写出了十种完全不同的方向有写成朋友圈的有写成详情页的有写成电梯海报的语气有文艺的、有硬广的。问题不在模型在我没做任何限定同一个 prompt 每次生成的方差极大这本身就是失败的信号——稳定的输出必须来自足够明确的输入。3.2 四要素逐项补全的过程下面这条是我在实际项目中改过好几轮后的成品可以当参照系看请为便携咖啡机写一条朋友圈带货文案 面向 25-35 岁、常加班的职场白领对象 核心卖点只有三个30 秒出咖啡、放得进背包、无需清洗依据 语气要轻松、真实、有生活感避免轻奢尊享等油腻词依据-规则 全文在 120 字以内分两到三行结尾带一个行动引导交付 不要虚构用户评价和数据依据-禁止项。对比第一篇能看到每一处改动都对应四要素里的某一项。对象限定了人群画像和年龄区间语气规则把风格划进了安全区依据堵住了编造数据的漏洞交付标准锁死了篇幅和结构。这条 prompt 我实际跑过几次输出的版本虽然表述不同但基本都落在说得清卖点、语气不油腻、字数卡得住这个范围内。有一次它还自己加了一句办公室抽屉里囤一台加班不慌这在我看来完全合格甚至比我自己写的还贴切。这就是把四要素填满后的实际收益不是指望它一次完美而是确保它次次不跑偏。3.3 拿来即用的结构模板如果你不想每次从零组织语言可以直接套下面这个骨架把括号里的内容换成你自己的场景就行请【动词写/总结/翻译/改写/生成】一份【交付物类型】 主题是【对象/目标主题】 面向【受众年龄/身份/使用场景】 核心信息包括【依据1依据2依据3】 语气和风格【风格描述】 避免出现【禁止项】 篇幅要求【字数/行数】 输出格式【结构要求如分点/表格/摘要】 完成后请自查是否覆盖以上核心信息并标注遗漏。这个模板我自己用了很久最大的好处是它强制你按四要素填空。一开始可能觉得啰嗦但写熟了会形成条件反射甚至不再依赖模板张嘴就能把一条需求说全。到那个阶段你才算真正脱离了纯靠运气跑 prompt的层次。4. 实战中的暗坑invalid prompt、token 超限、闪退4.1 invalid prompt 是怎么冒出来的用过在线 AI 工具的人多少都见过这类报错invalid prompt或者是your prompt was flagged as potentially violating our usage policy。遇到这个先别急着骂工具九成情况是触发了两类问题。一类是内容安全审查。平台会对输入做风险扫描某些词、某些主题会被标记为潜在违规哪怕你本意完全正常字面踩线就会被拦。解决办法不是去绕审查而是换个建设性的、正向的表达方式。比如你想让模型规避某个负面案例与其描述不能出现 XX不如改成请只聚焦于正向做法。目的达到了字面也安全了。另一类是格式层面的非法输入。比如某些工具不允许空 prompt、不允许纯特殊字符、不允许在特定端点塞进二进制内容。这种通常检查一下输入是否有乱码、粘贴时是否带了隐形格式就能解决。我的习惯是长文本先在记事本里过一遍再贴进对话框能排除不少莫名其妙的问题。4.2 prompt token 与上下文窗口的关系Token 是模型处理文本的最小单位你可以粗略理解为切成小块的字词。中文场景下一个汉字通常对应一到两个 token英文一个单词通常一个 token。模型每次对话能处理的 token 总数是有限的这段空间叫上下文窗口prompt 输入、模型输出、中间的多轮历史全都要挤在这个窗口里。我在实际使用中遇到最多的情况是prompt 写得太长贴了一整份文档再加上几轮修改历史直接把窗口撑爆。结果要么是模型忘掉对话开头的内容要么直接报错。遇到这种时候我的处理顺序是先删掉多余的历史轮次再压缩 prompt 里的非关键背景最后把最核心的指令提到最前面。这个顺序很重要因为模型对开头和结尾的内容记忆最牢把关键任务沉到中间是最亏的。另外别迷信越长越全。上下文窗口是共享资源prompt 吃掉的 token 越多留给输出的就越少。我见过有人为了追求完美 prompt写了两千字的约束结果模型输出被截断在三分之一处。与其面面俱到不如只留那些真正影响质量的约束这才是对 token 的健康态度。4.3 人像 prompt 特别容易翻车的三个点人像生成是另一个高频翻车区简单说三个最常见的坑。第一过度堆砌外貌细节。头发颜色、眼睛形状、嘴角弧度全写完反而容易互相冲突生成出四不像的脸。我的经验是只锁定两三个关键特征其余交给模型发挥效果反而自然。第二忽略了环境光与构图描述。只说一个女孩而不说场景出来的图往往平淡补一句窗边自然光、浅景深、半身构图画面质感立刻不一样。第三盗用真人姓名或知名角色形象轻则生成效果差重则触发版权和平台审核。想生成特定气质的人像用发型穿搭气质词去描述比挂一个明星名字安全且可控得多。还有一个通用技巧人像生成不要忘记提供不要什么的负向描述比如不要歪脸、不要多余手指、不要模糊背景。这类负向控制能显著降低废图率。如果你想要同一人物保持一致性就把基础描述固定下来每次都沿用同一段底文只改场景和动作这样一致性会高很多。4.4 prompt optimizer 到底有没有用这两年市面上冒出一堆 prompt optimizer号称一键帮你优化提示词。我的真实体验分两面。正面说它们确实能帮你做查漏补缺经常能补上你漏掉的角色设定、输出格式、限制条件相当于给 prompt 做了一个结构化体检。对于刚上手、还不知道四要素为何物的新手这类工具反而是一种很好的学习脚手架看它给你改了什么你也就学会了该写什么。反面说优化器生成的结果普遍存在严重膨胀问题。一句话的需求它能给你扩成三段式、五要素、十条规则的论文级 prompt。看起来专业实际很吃 token而且约束过多会限制模型的发挥空间生成内容容易变得死板、套路化。我实际测试下来登录流转率这类风格类任务提示下用它优化后的 prompt 和手写精简版相比效果并没有显著提升反而 token 成本翻了一倍多。所以我现在的用法是拿它当检查器不用它当写手。写完 prompt 先丢给它过一遍看它在哪些位置补了内容然后我手动判断哪些补得对、哪些是冗余删掉不需要的再用。这个流程兼顾了效率和可控性也算是我对这类工具最诚实的一个评价。5. 我写 prompt 的几个土习惯没有惊天动地的技巧只有几条磨出来的土习惯送给你当参考。第一条先写交付再写任务。大多数人习惯说帮我写个报告然后再补字数格式我正好反过来先在脑子里想好成品长什么样、多长、什么结构再倒推出任务怎么表述。以终为始prompt 的逻辑会清楚很多。第二条分隔符号用起来。我习惯用【任务】【对象】【依据】【交付】这种显眼标记把信息分段一眼看过去就知道这条 prompt 结构是否完整。模型对结构化的输入理解也更稳定算是一种零成本的双赢。第三条版本管理。同一个需求我会存一个 prompt 文档每次改动存一版标注哪版效果最好。时间长了你就有了自己的一套私有模板库比网上任何通用模板都好用因为它长在你的工作流上。第四条也是最重要的一条把 prompt 当成对话而不是命令行。一次跑不顺很正常你只需要在下一轮里补充缺失的要素而不是推倒重来。写 prompt 从来没多玄乎就是把话说清楚——对模型是对客户是对同事也是。这话听起来朴素做起来才是真正的门槛。
搭 AI 对话工具到现在我前前后后写了不下几百条 prompt从最开始只会丢一句帮我写个文案到后来能稳定产出我要的东西中间踩过的坑真的能写一本小册子。今天不聊那些花里胡哨的万能公式就聊最底层的一件事情把任务、对象、依据、交付这四件事说清楚你的 prompt 成功率起码提高一大半。很多人觉得写 prompt 靠文采、靠运气其实不是。它更像把心里那团模糊的想法翻译成一张别人能照着执行的需求单。需求单上信息残缺AI 就只能猜信息完整AI 才能给你交差。这篇就当聊家常把我自己从每次都要重写三遍到一次生成就能用的经验摊开来说适合所有刚接触提示词、或者写了不少但结果总是不稳定的朋友。1. 别急着开写先搞懂 Prompt 是什么1.1 一句话定义Prompt 就是一张需求单Prompt 这个词英文原意是提示、促使放到 AI 语境里就是你提交给模型的那段输入文本。它可以是问题、指令、背景描述也可以是半成品草稿。无论形式怎样本质都是同一件事把你脑中的意图编码成模型能理解的文字信号。拿点外卖类比最直观。你跟商家说来份吃的对方只能猜你想吃辣还是清淡、堂食还是带走、预算多少。但你要是说一份不要香菜、微辣、送到小区门口20 分钟内商家执行起来几乎不用动脑。模型也一样你给的上下文越具体它需要脑补的空白就越少输出自然就越贴你的心意。所以别再纠结Prompt 是不是越高级越好。高级感是次要的信息完整度才是第一位的。判断一条 prompt 好不好标准很简单把里面的名词和条件全部遮住剩下的描述你还认得出自己在要什么吗认不出就是需求单没填完。1.2 为什么你写的 prompt 总是不对味我见过太多人反复在同一个地方翻车总结下来无非三种病。第一种叫指令太泛。只给动词不给场景。帮我写个方案帮我分析一下给我个思路这种话放给真人同事对方也得追问三连什么方案给谁看要达到什么效果模型倒是不会追问它会默默替你选一个最可能的默认答案于是你拿到手的永远是平庸的、泛泛而谈的东西。第二种叫上下文缺失。你想推荐一款咖啡机但没告诉模型目标用户是办公室白领还是居家新手没说预算区间没说竞品情况。模型只能按它训练数据里最常见的咖啡机文案风格来写写出来自然又空又套放朋友圈都没人点赞。第三种是交付标准模糊。这是最隐蔽的问题。你不说字数、不说格式、不说到什么程度算过关模型就会按它自己的默认偏好输出。结果你嫌它太长、嫌它没分点、嫌它语气太正式改来改去最后干脆自己上手重写——那要它干嘛把话说到这儿结论其实已经浮出来了与其到处找神级 Prompt 模板不如先把任务、对象、依据、交付这四根柱子立起来。下面逐根拆。2. 四要素拆解任务、对象、依据、交付2.1 任务把要干什么写成一个明确动词任务是一句话里的核心动作最好是一个具体动词写、总结、翻译、改写、对比、打分、生成大纲、模拟面试……动词越精确模型的发挥空间越可控。分析和对比就不一样。前者可能给你洋洋洒洒三千字单点分析后者会自然地列出维度表格。你要是心里想要的是对比表却说成分析就成了需求单填错项。我的习惯是动词前面再强制加上针对什么做。比如帮我写一篇产品介绍可以改成为这款便携咖啡机写一篇 800 字的产品介绍。写清楚了模型才知道围绕什么对象展开而不是凭空给你一篇谁也不属于谁的文案。顺便说个容易忽略的点任务里还可以写不要做什么。不要用营销黑话、不要编数据、不要用第一人称。这类负向约束往往比正向描述更能拉低模型的翻车率尤其是做事实型内容时一句不要虚构未经验证的数据能省你不少校对时间。2.2 对象给内容找一个具体的受众坐标对象不是指素材本身而是指内容最终给谁用、用在什么场景。这是用户最容易漏掉的一项也是影响风格最狠的一项。同样一份活动方案发给老板看和发给执行同事看完全是两种写法。前者要结论先行、讲投入产出、给决策建议后者要时间节点、负责人、物料清单、风险预案。你直接把受众坐标告诉模型它大概率能自动切换语态和结构根本不需要你手把手教它要有数据、要加粗关键结论。除了受众对象还包含场景坐标。这篇文案是发朋友圈、发小红书、还是印在海报上是写给自己做备忘还是发给客户做汇报同一个主题渠道和场景一变篇幅、语气、信息密度全都要变。把这些写进 prompt等于帮模型划了一条风格范围线让它在里面自由发挥而不是跑到外头乱来。2.3 依据把事实、边界和规则塞进上下文依据是四要素里最容易让结果质量发生质变的一项。它包含三类内容第一类是事实材料比如产品参数、数据、原文摘录第二类是限制条件比如成本上限、合规要求、截止时间第三类是偏好规则比如不要用被动句术语保持中英对照。只要条件允许我会把材料直接贴进 prompt而不是让模型自己去脑补行业常识。因为模型的训练数据是有截止时间的它不知道你公司那款新品的真实卖点也不知道你们内部指定的措辞风格。与其让它猜不如把关键信息原封不动丢给它明确说所有事实以我提供的材料为准不要额外编造。有一回我需要把一份长文档转成周报直接把文档正文粘贴进去外加一句只基于以下文本内容总结不要补充外部信息。输出出来几乎不用改。而之前不提这句的时候模型总爱锦上添花硬塞一些原文里没有的推断反而害得我逐条删。这就是依据的威力它把模型的想象空间框住了框得越紧越不容易跑偏。2.4 交付说清楚你要的成品长什么样交付本质上就是验收标准。大多数人不写这一项不是不想写是压根没想过模型输出还能自定义格式。其实模型在这件事上配合度极高你只要把成品长什么样描述清楚它真的能一比一执行。交付描述通常包含四块结构分几部分、什么顺序、要不要表格、篇幅总字数、每段长度、语气正式还是口语、克制还是活泼、以及验收点包含哪些必须要素、排除哪些不要的东西。我一般还会加最后一句话输出完成后按以下标准自查一遍并指出不足。这一句能逼着模型在交付前先做一轮质检虽然偶尔有点啰嗦但能堵住不少低级错误。举个实际例子。我需要一份会议纪要交付标准是一条决策、三个待办、两个风险每项不超过 50 字待办须写明负责人和截止时间。模型第一次跑出来就是表格形式我直接复制粘贴进协作工具就完事。没有交付标准的版本呢写得跟散文似的还得我手工提炼。高下立判。3. 手把手改一个 prompt从帮我写个文案到能落地3.1 先看第一版为什么废我拿工作里最常遇到的需求来演示写一条产品文案。第一版 prompt 长这样帮我写个文案。这条 prompt 神仙来了也救不了。模型能干嘛它只能从训练数据里随机挑一种大众款文案大概率是那种品质生活从一杯好咖啡开始的通用话术放哪个品牌都行也意味着哪个品牌都不出彩。我把这条发给过十几个朋友让他们猜对方会怎么写结果十个人写出了十种完全不同的方向有写成朋友圈的有写成详情页的有写成电梯海报的语气有文艺的、有硬广的。问题不在模型在我没做任何限定同一个 prompt 每次生成的方差极大这本身就是失败的信号——稳定的输出必须来自足够明确的输入。3.2 四要素逐项补全的过程下面这条是我在实际项目中改过好几轮后的成品可以当参照系看请为便携咖啡机写一条朋友圈带货文案 面向 25-35 岁、常加班的职场白领对象 核心卖点只有三个30 秒出咖啡、放得进背包、无需清洗依据 语气要轻松、真实、有生活感避免轻奢尊享等油腻词依据-规则 全文在 120 字以内分两到三行结尾带一个行动引导交付 不要虚构用户评价和数据依据-禁止项。对比第一篇能看到每一处改动都对应四要素里的某一项。对象限定了人群画像和年龄区间语气规则把风格划进了安全区依据堵住了编造数据的漏洞交付标准锁死了篇幅和结构。这条 prompt 我实际跑过几次输出的版本虽然表述不同但基本都落在说得清卖点、语气不油腻、字数卡得住这个范围内。有一次它还自己加了一句办公室抽屉里囤一台加班不慌这在我看来完全合格甚至比我自己写的还贴切。这就是把四要素填满后的实际收益不是指望它一次完美而是确保它次次不跑偏。3.3 拿来即用的结构模板如果你不想每次从零组织语言可以直接套下面这个骨架把括号里的内容换成你自己的场景就行请【动词写/总结/翻译/改写/生成】一份【交付物类型】 主题是【对象/目标主题】 面向【受众年龄/身份/使用场景】 核心信息包括【依据1依据2依据3】 语气和风格【风格描述】 避免出现【禁止项】 篇幅要求【字数/行数】 输出格式【结构要求如分点/表格/摘要】 完成后请自查是否覆盖以上核心信息并标注遗漏。这个模板我自己用了很久最大的好处是它强制你按四要素填空。一开始可能觉得啰嗦但写熟了会形成条件反射甚至不再依赖模板张嘴就能把一条需求说全。到那个阶段你才算真正脱离了纯靠运气跑 prompt的层次。4. 实战中的暗坑invalid prompt、token 超限、闪退4.1 invalid prompt 是怎么冒出来的用过在线 AI 工具的人多少都见过这类报错invalid prompt或者是your prompt was flagged as potentially violating our usage policy。遇到这个先别急着骂工具九成情况是触发了两类问题。一类是内容安全审查。平台会对输入做风险扫描某些词、某些主题会被标记为潜在违规哪怕你本意完全正常字面踩线就会被拦。解决办法不是去绕审查而是换个建设性的、正向的表达方式。比如你想让模型规避某个负面案例与其描述不能出现 XX不如改成请只聚焦于正向做法。目的达到了字面也安全了。另一类是格式层面的非法输入。比如某些工具不允许空 prompt、不允许纯特殊字符、不允许在特定端点塞进二进制内容。这种通常检查一下输入是否有乱码、粘贴时是否带了隐形格式就能解决。我的习惯是长文本先在记事本里过一遍再贴进对话框能排除不少莫名其妙的问题。4.2 prompt token 与上下文窗口的关系Token 是模型处理文本的最小单位你可以粗略理解为切成小块的字词。中文场景下一个汉字通常对应一到两个 token英文一个单词通常一个 token。模型每次对话能处理的 token 总数是有限的这段空间叫上下文窗口prompt 输入、模型输出、中间的多轮历史全都要挤在这个窗口里。我在实际使用中遇到最多的情况是prompt 写得太长贴了一整份文档再加上几轮修改历史直接把窗口撑爆。结果要么是模型忘掉对话开头的内容要么直接报错。遇到这种时候我的处理顺序是先删掉多余的历史轮次再压缩 prompt 里的非关键背景最后把最核心的指令提到最前面。这个顺序很重要因为模型对开头和结尾的内容记忆最牢把关键任务沉到中间是最亏的。另外别迷信越长越全。上下文窗口是共享资源prompt 吃掉的 token 越多留给输出的就越少。我见过有人为了追求完美 prompt写了两千字的约束结果模型输出被截断在三分之一处。与其面面俱到不如只留那些真正影响质量的约束这才是对 token 的健康态度。4.3 人像 prompt 特别容易翻车的三个点人像生成是另一个高频翻车区简单说三个最常见的坑。第一过度堆砌外貌细节。头发颜色、眼睛形状、嘴角弧度全写完反而容易互相冲突生成出四不像的脸。我的经验是只锁定两三个关键特征其余交给模型发挥效果反而自然。第二忽略了环境光与构图描述。只说一个女孩而不说场景出来的图往往平淡补一句窗边自然光、浅景深、半身构图画面质感立刻不一样。第三盗用真人姓名或知名角色形象轻则生成效果差重则触发版权和平台审核。想生成特定气质的人像用发型穿搭气质词去描述比挂一个明星名字安全且可控得多。还有一个通用技巧人像生成不要忘记提供不要什么的负向描述比如不要歪脸、不要多余手指、不要模糊背景。这类负向控制能显著降低废图率。如果你想要同一人物保持一致性就把基础描述固定下来每次都沿用同一段底文只改场景和动作这样一致性会高很多。4.4 prompt optimizer 到底有没有用这两年市面上冒出一堆 prompt optimizer号称一键帮你优化提示词。我的真实体验分两面。正面说它们确实能帮你做查漏补缺经常能补上你漏掉的角色设定、输出格式、限制条件相当于给 prompt 做了一个结构化体检。对于刚上手、还不知道四要素为何物的新手这类工具反而是一种很好的学习脚手架看它给你改了什么你也就学会了该写什么。反面说优化器生成的结果普遍存在严重膨胀问题。一句话的需求它能给你扩成三段式、五要素、十条规则的论文级 prompt。看起来专业实际很吃 token而且约束过多会限制模型的发挥空间生成内容容易变得死板、套路化。我实际测试下来登录流转率这类风格类任务提示下用它优化后的 prompt 和手写精简版相比效果并没有显著提升反而 token 成本翻了一倍多。所以我现在的用法是拿它当检查器不用它当写手。写完 prompt 先丢给它过一遍看它在哪些位置补了内容然后我手动判断哪些补得对、哪些是冗余删掉不需要的再用。这个流程兼顾了效率和可控性也算是我对这类工具最诚实的一个评价。5. 我写 prompt 的几个土习惯没有惊天动地的技巧只有几条磨出来的土习惯送给你当参考。第一条先写交付再写任务。大多数人习惯说帮我写个报告然后再补字数格式我正好反过来先在脑子里想好成品长什么样、多长、什么结构再倒推出任务怎么表述。以终为始prompt 的逻辑会清楚很多。第二条分隔符号用起来。我习惯用【任务】【对象】【依据】【交付】这种显眼标记把信息分段一眼看过去就知道这条 prompt 结构是否完整。模型对结构化的输入理解也更稳定算是一种零成本的双赢。第三条版本管理。同一个需求我会存一个 prompt 文档每次改动存一版标注哪版效果最好。时间长了你就有了自己的一套私有模板库比网上任何通用模板都好用因为它长在你的工作流上。第四条也是最重要的一条把 prompt 当成对话而不是命令行。一次跑不顺很正常你只需要在下一轮里补充缺失的要素而不是推倒重来。写 prompt 从来没多玄乎就是把话说清楚——对模型是对客户是对同事也是。这话听起来朴素做起来才是真正的门槛。
