同事把一段模型生成的文案发给我看。读两行就知道问题在哪：通篇“赋能”“闭环”，却没说清这东西卖给谁。他删掉重写，补上受众、字数、不能出现的词，第二次的输出能用了。他说，调好了。
过了一周，换了个产品，同一段话贴进去，又失灵了。
这种反复大概是提示词设计最日常的样子：它不是找到一句咒语，而是把一件模糊的事，说成可执行的要求。
被省略掉的那半句话
人写需求时习惯省略自己已经知道的部分。“写个简洁的说明”——简洁到什么程度，给谁看，看完要产生什么动作，全在写的人脑子里。模型没有这份背景，只能按训练中见过的平均值去猜，于是给出四平八稳、谁都能用、谁都用不上的东西。
所以第一步往往不是加技巧，而是把省略的部分补回来：读者是谁，哪些信息必须出现，哪些表述不能出现。这些算不上技巧，它们本来就是需求本身。
约束加到哪儿为止
规则不是越多越好。堆到十几条，输出会变僵，句句正确却读着别扭；放得太松，方向又飘。中间那段能用的区间得靠试，靠看输出里哪一句跑偏了，再回头改哪一条。
- 用例子代替形容词。“语气克制”不如下面给一段克制的文字，模型能从例子里读到句子长短和用词密度。
- 但例子有副作用：措辞、结构甚至标点容易被照搬，换了内容，痕迹还在。
- 写清“不要什么”，常常比写“要什么”更容易被检验，负面清单一眼就能核对。
它是个需要维护的东西
提示词设计真正费时间的地方在改。修好了甲场景，乙场景坏了；加一条规则，另一条被压住。很多人把这归为模型不稳定，实际上是自己手上没有一组固定的输入可以对比。攒十来条有代表性的输入，每次改动跑一遍，看哪些变了、为什么变——这件事不复杂，做的人却不多。
提示词还会随业务漂移。几个月前写的规矩，对应的产品、话术、表述要求可能都已经变了。把它当文档而不是一次性口令，麻烦会少掉一半：留版本、写清楚这版为什么改、上线前跑一遍。
说不动的那部分
有些事提示词设计解决不了。模型不知道刚发生的事，也没法替你核实一个数字；遇到需要长链条推理的任务，措辞再怎么调整，也只是在能力边界内腾挪。涉及事实的输出，外部核对这一步省不掉。更常见的情形是流程本身有洞——职责不清、标准不明——却指望拿一段话补上。
我越来越觉得，写提示词的价值有一半在写的过程：它逼你把“差不多就行”翻译成具体条件。翻译不出来的地方，往往就是这件事本身还没想清楚。