让一个不熟悉背景的同事帮你做事，你会怎么交代？多数人会把交付物、格式、时间点、不能碰的红线写清楚。可一到对模型说话，同一批人常常只剩一句：“帮我写得专业一点。”
形容词不是约束
“专业”“简洁”“有洞察力”这类词，在人和人之间是社交修辞，对方会自己补齐语境。模型不会。它只能把这些词对应到训练中出现过的某种平均风格上，结果往往看起来正确、读完却记不住一句。
可执行的要求更好写了：不超过三百字；不用感叹号和排比；第一段给结论；不确定的地方直接说明。这些话不好看，但它们能被当成检查项逐条核对。
先说不做什么
提示词设计里被低估的部分，常常是负向约束。告诉模型“不要编造引用”“不要用‘赋能’‘闭环’这类词”“不要在结尾加总结段”，作用往往比再加几个褒义形容词更明显。原因不复杂：模型倾向于补全，你不划界，它就会往最常见的模板上靠。
边界写清了，输出才稳定。一个只写了“帮我总结”的请求，和一个写了“只保留结论和争议点，不复述背景”的请求，得到的文本长度、结构、可用性都不同。
改动要一次一处
很多人修改提示词时是整段重写，改完觉得好了一点，却说不清是哪句起了作用。更接近工程做法的，是把它当成一份要长期维护的说明书：一次只动一处，用几组固定的输入去试，看输出到底哪里变了。这样做慢，但下次出问题时你知道从哪儿查。
还有一点：给一段示例，往往比描述风格更直接。想让它写成什么样，提供一段你认可的文本，比写“语气克制”直观。代价是示例会被过度模仿，连你不想要的行文习惯也一起学过去。
它解决不了信息缺失
有些需求写得再细也没用，因为关键信息压根没给。模型不知道读者是谁、这份东西要发给谁、上一版为什么被退回。这类空白只能靠补充上下文填，措辞技巧帮不上忙。
现实的问题还有：模型会更新，提示词会失效。今天调好的写法，换了版本或者换了任务场景就可能走样。所以值得留下来的不只是那段文字，还有当时的测试输入和判断标准。这大概也是提示词设计最不浪漫的地方：它更像写规格说明，而不是写一段会自动生效的咒语。
不是每件事都值得这么费劲
一次性、低风险、结果自己扫一眼就能判断的活儿，随手写一句就够了。真正值得投入的是那些会重复执行、有下游依赖、错了要返工的任务。判断标准很朴素：这件事你做第二遍时，会不会想复述同样的要求。
写完读一遍，问自己一个问题：如果换个人严格照这段话做，交出来的东西会和我想要的一样吗？如果答案含糊，问题多半不在模型，而在这段话本身。