很多人遇到的反直觉现象：500 字的 prompt 写得比 100 字详细 5 倍，AI 输出却更糟。这不是 bug，是 LLM 的一个真实特性。本文讲清楚为什么”长 prompt 反而效果差”，并给出 5 条可执行的修复路径。
问题是什么
典型场景：
- 复制了一份”超级 prompt 模板”，结果输出比你随手问还差
- 给 AI 写”详细要求 + 例子 + 禁止事项 + 风格 + 结构 + 评分标准”，输出比简单 prompt 漂浮
- 同一个任务，把 prompt 扩到 3 倍长，结果还不如原版
- Claude / GPT 给出的回答”看似什么都谈到了，但每一点都浅”
真正的原因（4 个机制）
1. 注意力被稀释
LLM 处理每个 token 时，要在所有上文 token 上分配注意力。prompt 越长，重要指令获得的”权重”就越低。你写的”最重要的一点”和 200 行风格描述里的随便一句，模型的注意力差不多。
2. 重要指令藏在中段（lost-in-the-middle）
研究反复证明：LLM 对 prompt 的”开头”和”结尾”敏感度最高，中间段落最容易被忽略。如果你的核心要求写在 prompt 中间，命中率会显著下降。
3. 指令互相冲突
prompt 越长，你越可能写出互相冲突的指令：
写得简洁直接 … 要详细举例每一种可能 … 不要解释你的思路 … 一步步分析
模型只能挑一个执行，结果就是不可控。
4. 例子定义了边界但模型只能复制
prompt 里给的 example 一旦风格 / 长度 / 结构定下来，模型会强烈往例子靠拢。你给一个 300 字的简略例子，它就只会写出 300 字的简略输出，哪怕你要求”详细”。
5 条修复路径
按收益从高到低：
1. 把核心要求放在 prompt 的最末尾
LLM 对结尾敏感度最高。即使整个 prompt 很长，把”你最看重的一句话”放在最后，命中率最高：
[一大段风格 / 背景 / 例子 / 约束]
...
---
**最重要的事**：输出必须是 markdown 表格，每行 3 列，按时间倒序。哪怕你前面写了 800 字，把核心规则放最后就能让模型抓住。
2. 把”风格 + 长度 + 结构”分别用 1 句话说清
不要写一段”风格描述”，写：
- 风格：简洁、口语化、不啰嗦
- 长度：每节最多 150 字
- 结构：H2 / H3 / 列表，无引言
短指令清单 > 长段描述。
3. 把例子改成”反例”或”对照例”
正例容易让模型死板复制。对照例（“不要这样，要那样”）效果更好：
不要这样写：
"AI 是非常重要的工具，可以帮助你提高效率。"
要这样写：
"用 ChatGPT 在 10 分钟内写完邮件，比你自己写快 5 倍。"4. 拆成多轮对话，而不是一次性塞完
如果任务复杂：
- 第 1 轮：让 AI 先告诉你它对任务的理解
- 第 2 轮：确认 / 修正它的理解
- 第 3 轮：再让它正式输出
这比写 500 字的”完美 prompt”效果好得多，因为每一轮的注意力都在 100% 的当前问题上。
5. 删掉所有”不可执行”的指令
很多人喜欢在 prompt 里加一些”听起来对、但模型其实做不到”的话：
- “请深入思考再回答” → 模型并不会因此真的思考更多
- “保证质量” / “不要犯错” → 没有具体定义就是噪音
- “像一个专家一样思考” → 远不如直接说”按 X 的格式写”
- 大量 emoji 和 ALL CAPS → 注意力反而被分散
删掉这些，prompt 长度会减 30% 而效果不变。
最短修复路径
按 30 秒能做的：
- prompt 末尾加一句”最重要的事是…” → 立竿见影
- 把”长段描述”改成”清单”
- 删掉所有”请认真思考”类废话
- 如果有例子，确认它的长度 / 风格与你期望的输出一致
- 复杂任务拆 2-3 轮对话
什么时候不是 prompt 长度的问题
- 模型本身做不到（要求 GPT-5.5 画图、要求 Claude 唱歌）
- 任务的”事实”超出模型训练知识
- 用户上传的文件本身有错误
- 模型版本太老（GPT-3.5、早期 Claude）
容易误判的情况
- 以为越复杂 prompt 越专业 —— 大部分顶尖 prompt 工程师写的反而短而精
- 以为 example 越多越好 —— 3 个以上 example 经常让输出反而僵化
- 以为”system prompt” 比 “user message” 更重要 —— 都重要，但更重要的是清晰
- 以为加 “step by step” 永远有效 —— 对推理类有效，对创意类反而拖累
预防建议
写 prompt 时按这个清单自检：
- 核心要求是否在最末尾？
- 是否有互相冲突的指令？
- 是否有”模型不能执行”的指令（情绪 / 思考 / 良心）？
- 长段描述能不能改成 5 个短列表项？
- 例子是否与期望输出长度匹配？
- 复杂任务能不能拆成多轮？
走完这个清单，prompt 通常能瘦身一半且效果更好。
常见问题（FAQ）
Q：是不是所有任务都应该短 prompt？ A：不是。复杂角色扮演、严格格式要求、领域专业内容仍然需要长 prompt。但长 prompt 必须结构化，而不是堆字。
Q：CoT（chain-of-thought）“step by step” 还有用吗？ A：对推理 / 数学 / 多步任务非常有用。对创意写作、风格模仿反而拖累——模型会把”思考过程”输出出来，混乱。
Q：例子 / few-shot 例子放多少最合适？ A：1-3 个最稳。3 个以上会让模型陷入”严格模仿”。
Q：长上下文模型（Claude 200k / GPT 128k）能不能直接塞超长 prompt？ A：能塞但效果不一定好。模型对长上下文的注意力分布并不均匀，重点指令仍需要在头尾。
Q：怎么判断 prompt 是不是”太长”？ A：自己读一遍。如果你读到中间已经忘了开头说什么，模型也一样。
相关文章
决策前的检查清单
- 如果错误是在某次改动后立刻出现，先回滚或隔离那次改动，不要同时试一堆无关修复。
- 如果只在生产环境出现，对比环境变量、build 产物、缓存、权限和平台设置。
- 如果只影响某个账号或浏览器，优先查权限、cookie、插件、额度和地区可用性。
- 如果有两个修复方向，先选最容易验证、最容易撤销的那个。
什么时候可以先停下来
当你无法复现、日志和 UI 互相矛盾、涉及账单或账号安全、或者每个修复都需要你没有的生产权限时，就该停止盲试并升级处理。向平台支持或同事求助前，把完整错误、时间点、项目 ID、复现步骤、截图和最近改动整理好。清楚的升级说明，通常比再猜一小时更快解决问题。
诊断流程
- 先复现一次问题，并写下准确路径。复现不了时，先收集证据，不要急着改设置。
- 判断影响范围：一个用户还是所有用户，一个浏览器还是全部浏览器，只在本地还是只在线上，新内容还是旧内容也受影响。
- 优先查最近一次改动。大多数排查不是寻找神秘根因，而是找出哪次改动制造了不一致。
- 把系统切成两半测：输入 vs 输出、本地 vs 线上、账号 vs 项目、源文件 vs 生成文件、prompt vs 模型。确认哪一半还在失败。
- 先做最小且可撤销的修复。不要同时改 DNS、权限、账单、部署和代码。
- 用原复现路径和一个相邻路径验证，再记录最终是哪一步修好的。
最小复现模板
问题：
- [完整错误或异常表现]
发生位置：
- URL / 工具 / 项目：
- 账号：
- 环境：local / preview / production
- 浏览器 / 设备：
复现步骤：
1.
2.
3.
预期结果：
-
实际结果：
-
最近改动：
- 代码：
- 配置：
- DNS / 权限 / 账单：
- Prompt / 模型 / 上传文件：
证据：
- 截图：
- Console error：
- 服务端或平台日志：这些”假修复”别做
- 只清缓存，却不确认底层文件、权限、路由或设置是否正确。
- 明明是环境变量、凭证、额度或平台配置问题，却反复重装依赖。
- 一次改好几个无关设置，最后不知道到底是哪一步起作用。
- 从另一个框架或平台复制修复方法，却不确认路由、build 输出或鉴权模型是否相同。
- 没看 status page 和近期反馈，就把平台临时故障当成自己的 bug。
- ChatGPT prompt 优化
- Claude prompt 最佳实践
- 重构 prompt