同一个模型，两种问法，输出质量差一个档次
同一个模型，同一个问题，两个人问出来的结果差距能有多大？我做过一次很朴素的对比：让模型帮忙整理一份用户访谈记录，一次直接说「帮我总结一下」，一次补上了三句约束。
前者给回一篇八百字的概述，句子通顺但没有一句能直接用；后者给的是一张按痛点分组的表，每行带原话引用和出现频次。模型没有变强，是问题的边界变清楚了。
大模型的困境：它不知道你要什么形状
语言模型的本质是在给定上下文下预测最可能的下一个词。上下文模糊时，它会滑向训练数据里最常见的那种回答：全面、客套、四平八稳。这不是它偷懒，是它在选择一个平均答案。
你给出的约束条件，作用是把它从「平均」拽到「具体」。约束越明确，可选空间越小，输出反而越锐利。
三类最值得加的约束
- 角色与场景：你是谁、给谁看、他关心什么。一句「读者是没写过代码的运营」能砍掉大量术语
- 输出结构：给格式、给字段、给长度上限。要表格就说列表头，要清单就说明每项不超过二十字
- 判断标准：什么算好。比如「每条建议必须能在一周内执行完」
第三类最常被漏掉，也最有效。它把评价权提前交给模型，模型在生成时会自己筛掉不满足条件的选项。
示例比形容词管用
说「写得专业一点」几乎等于没说，因为专业的标准存在于你的脑子里。给一个例子就不同了：照这个样式写，句式可以变，结构保持一致。
经验上，纯靠结构描述的任务零示例就够；涉及风格和语气时加一个示例；格式复杂（比如要生成一批结构化条目）时给到三个。示例不是越多越好，超过三个往往让输出变得机械。
一个改稿的实战对照
有位做市场的人要写产品介绍，最初的问题是「帮我写一段产品介绍」。得到的文本堆满形容词。他的第二次尝试是这样的：读者是采购经理，他只关心交期和成本；用三段写，每段不超过八十个字；不要出现「领先」「赋能」这类词；最后用一个具体案例收尾。
结果第一稿就能用。他做的事其实只有一件：把自己脑子里的验收标准写了出来。这些标准本来就存在，只是从未被表达过。
三个常见误区
误区一是堆砌提示词模板，把网上抄来的十几种技巧叠在一起，反而互相冲突。误区二是期待一次成型，实际上把大任务拆成几步接力，效果通常远好于一句超长指令。误区三是把结果不好归因于模型能力，而不是自己的问题表述。
还有一个更隐蔽的：只给约束不给背景。没有原始材料，模型只能用常识填空，输出就会显得正确而空洞。
下次提问前多写三行
打开对话框之后先别急着敲回车，补上三行：给谁看、要什么形状、什么算合格。三个月下来，这三行会攒成你自己的模板库，比任何通用技巧都贴身。