模型答非所问时，常见的反应是继续加句子：补背景、加限制、反复强调“请认真回答”。结果提示词越来越长，问题却没有变清楚。提示词设计在这里更像一次任务拆解，而不是措辞比赛。
一个常见场景是让模型整理会议纪要。只写“帮我整理成纪要”，模型可能给出摘要、待办、甚至评论。把要求改成：保留原始结论，按议题分段，每条待办标明负责人和截止时间；没有提到的信息留空，不要推测。输出会稳定下来。区别不在礼貌用语，而在任务边界是否可判断。
先把“要什么”写成可检查的条件
提示词设计里，模糊词容易被模型用看似合理的内容填满。比如“专业一点”“简洁一些”“有洞察”，这些词对人也要靠默契，对模型则缺少验收标准。可操作的做法是把形容词换成条件：字数范围、必须包含的字段、禁止出现的内容、遇到缺失信息时怎么处理。不是每次都要写满，至少让关键约束能被检查。
另一个容易被忽略的点是上下文的分层。背景资料、任务指令、示例、输出格式混在一段里，模型很难判断哪句是规则，哪句只是素材。把资料放进明确的引用块，把指令单独列出，再给出输出模板，能减少对反复强调“务必遵守”的依赖。这类提示词设计不追求一次写全，而是让后续修改有位置可下手。
示例不是装饰，是边界样本
给示例有作用，也有代价。示例太随意，模型会模仿示例里的偶然格式；示例太多，又会挤占真正任务的空间。一种做法是给少量对照样本：一个正常输入，一个信息缺失的输入，说明各自应该怎样输出。这样模型看到的不只是“写成什么样”，还包括“缺信息时不要编”。
- 先写清输入是什么，哪些内容可用，哪些不可用。
- 再写输出要经过哪些检查，缺字段时如何标记。
- 最后留一句冲突处理规则，例如资料与指令不一致时以哪边为准。
提示词设计也有边界。它不能替代清晰的业务流程，也不能把不可靠的数据变成可靠答案。遇到需要实时信息、专业判断或高风险决策的任务，提示词只能约束表达方式，不能保证事实正确。把这一点写进提示词，反而能减少模型硬答的冲动。
实际工作中，可维护的提示词通常不华丽：短句、分节、明确输入输出、保留修改记录。每次调整只改一个变量，再看输出变化。这样做的价值不在于写出“万能模板”，而在于知道问题出在任务描述、上下文还是验收条件。做到这一步，才从一次性尝试变成可复用的工作方法。