给模型写一段提示词，很多人会不自觉地进入“交代工作”的状态：背景、要求、格式、注意事项，一层层加上去。写完之后看起来严谨，实际输出却变得拘谨，甚至偏离重点。问题往往不在写得不够多，而在约束和空间分错了地方。
和人沟通时，对方会根据现场补全信息；模型不会。它只面对你给的那段文字，以及被训练出来的概率分布。于是，同一句话在人看来是常识，在模型看来可能是一个需要猜测的缺口。提示词设计要处理的，正是这些缺口：哪些必须说死，哪些应当留白。
写得越细，为什么反而更窄
细节本身没有错，错在细节的层级混乱。把“输出一份方案”写成十几条要求，里面混着目标、风格、格式、禁止项，模型很难判断哪条优先。它可能为了满足某条格式要求，牺牲掉内容完整性。提示词设计的一个常见动作，是先把要求分层：这次要解决什么问题，输入材料是什么，输出给谁看，什么算合格。
还有一种情况是，写作者把“我希望你深入分析”当作指令。这句话对人有效，对模型却接近空话。深入从哪里深入？是拆解原因，还是补充反例？是给步骤，还是给判断？如果不把“深入”翻译成可观察的动作，模型只能按常见套路铺开。提示词设计不是寻找更高级的形容词，而是把抽象期待换成可执行的动作。
一段提示词里，至少要说清四件事
我不太相信存在通用模板，但有一段检查清单可以反复用。它不保证输出质量，但能减少“答非所问”。
- 目标：这次要让模型完成什么动作，是解释、比较、改写，还是列出可能性。动词越具体，越不容易跑偏。
- 输入：哪些材料是依据，哪些是背景，哪些只是参考。把材料边界说清楚，模型才不会把无关信息当成前提。
- 输出：给谁看、放在哪里、大概多长、是否需要分点。格式要求最好和用途挂钩，而不是单独堆一串“不要”。
- 判断标准：什么样算可用，什么样需要重来。与其说“高质量”，不如说“每个结论都要能回到输入材料”。
这四件事不需要写得很长。相反，写得短而清楚，往往比长而周全更容易执行。写提示词在这里更像编辑工作：删掉重复的强调，合并相互冲突的要求，把隐含前提翻到明面上。
提示词能做的，和它做不到的
提示词可以约束表达方式，可以减少歧义，可以让模型暴露它的假设。但它不能替代数据，也不能替代验证。输入材料本身有缺口，提示词写得再漂亮，输出也只是在缺口上搭架子。遇到需要事实核对的任务，它最多帮你把“不确定”标出来，不能帮你把不确定变成确定。
另一个边界是，模型对提示词的理解并不稳定。同一段话，换一个上下文、换一种输入，结果可能不同。这不是说提示词设计没有价值，而是说它更像一次可复现的沟通实验：先写清楚，再看输出，找到偏差，回头改约束。它需要迭代，而不是一次成型。
所以，与其问“有没有一句万能提示词”，不如问“我有没有把这次任务的目标、材料和判断标准说清楚”。它真正考验的，不是辞藻，而是写作者对自己要什么有多清楚。模型听不懂的时候，往往不是它太笨，而是我们还没把问题想明白。