AI 图像负向提示词无效：排查与修复
负向里写了 'text, watermark, extra fingers'，结果三样都还在？通常是七个原因之一：没接进去、CFG 太低、被正向反向召唤、超过 75 token 被截断、权重语法不对、checkpoint 过度训练，或者你用的是天生无视负向的 Flux 模型。
#Prompt 工程
带有该标签的文章
AI 视频镜头运动方向反了：排查指南
你要的是慢推近，出来的是慢拉远；或者 pan left 回来变成 pan right。用起末帧、屏幕空间表述，以及 Runway、Kling、Flow 内置的镜头控制来锁死方向。
few-shot 例子质量参差，把输出拉下来了
给了模型 5 个例子，2 个很好、3 个一般，结果它往一般的那几个靠拢。质量方差为什么伤、怎么砍到 3-5 个一致的例子。
模型返回非法 JSON——因为 schema 是描述、不是强制
你让它按 schema 返 JSON。95% 合法，3% 在 JSON 外面包了散文，1% 漏字段，1% 类型错。描述 vs 强制，在 API 层修。
模型编造假引用和假 URL
模型给的引用看起来像 Smith et al. 2019，但论文根本不存在；或者给的 URL 一点就 404。引用幻觉为什么发生、怎么彻底压住。
模型用错语言回复（怎么锁死）
你用英文 prompt，结果它用中文回，或者中途切到西班牙文。语言漂移的确切根因，以及锁死输出语言的 system prompt + 重试套路，2026 年 6 月核实。
回答被截断在半句话：max_tokens 设太低（2026 修复）
模型回复中途断掉、JSON 没闭合、代码块缺反引号。绝大多数是 token 上限。怎么估算、按 SDK 检测、怎么恢复。
Prompt 要 10 条，模型给 3 条就停
你要 10 个想法，结果只给 3 个，或者凑齐 10 条但全是水。list-N 任务为什么 under-deliver，以及真正能拿到 N 条不同结果的 prompt 与 schema 修法。
Prompt 里写着过时的年份，把模型锚在错的 context
2026 年了 prompt 还写着 2023，模型于是推荐 GPT-4、引用旧定价、提过时框架。最快修复：在运行时动态注入当前日期。附诊断表和怎么确认修好了。
让 AI 干活，它却甩给你一份清单
你让模型写、重构、起草，它却返回 10 条要点。本文讲清它为什么切到"建议模式"，以及哪几处 prompt 改写能逼它直接交成品。
AI 漏掉了最重要的那条约束：原因与对症修复
你列了 5 条规则，模型守了 4 条，偷偷扔掉了真正最关键的那条。本文讲清约束为什么会被丢，以及怎么让关键那条稳稳生效。
评判标准模糊导致答案弱：把形容词翻成可测规则
标准本身含糊——"吸引"、"专业"、"创新"——模型只能自由解读。把每个形容词翻成 10 秒能测的规则。
相互矛盾的指令削弱 AI 输出：5 个原因 + 对症修复
Prompt 里两条规则互相打架，模型只能折中，结果谁都不满意。给约束排序，告诉它该放弃哪条。
模型只听"最后一句"，无视前面的规则
Prompt 末尾一句"顺便提一下"会覆盖你开头写好的规则。把硬规则同时锚在首尾，最后一句就不再说了算。
没给示例，AI 输出就漂移变形（少样本修复法）
光用形容词描述风格，模型只能按平均态近似；贴一个具体示例就能让它对上。怎么选示例、放在哪、怎么分隔 1-5 个示例把目标输出锁住。
负向约束写得太虚：原因 + 对症修复
"不要太通用"只说了别做什么，没说要做什么——模型会换近义词绕开禁词、行为照旧。把每条"不要"配一个可量化的"要"。
Prompt 没说"成功长什么样"
让 AI 写"不错的摘要"，反复改 20 分钟没一个能定稿——因为 prompt 没说成功长什么样，模型只在"听着自信"上爬山。本文给一套可机械化核查的成功标准块。
没规定输出格式：所以收到一整面散文墙
想要结构化答案，却收到 600 字段落。这里教你怎么逼出干净 JSON 或固定模板，每次都稳。
Prompt 要"最好"却没给决策规则
同一个"哪个最好"的 prompt 跑三次得到三个答案。把"最好"换成维度、权重和 tie-breaker，才能拿到一个可辩护的选择。
复制来的 Prompt 在新任务里失败：怎么修
别处好用的 prompt 在你当前任务里产废话，因为旧的受众、格式、示例还焊在里面。本文教你从目标重建。
Prompt 用情感词而非操作性指令
"求你写得超棒！"听着真诚，但模型不知道要做什么。把形容词换成可检查的规则。
Prompt 缺少上下文分级：模型为什么答错了那一段
你把所有内容平铺成一面墙，模型分不清哪几行是关键、哪几行是背景。加标签、给来源打标、把任务放到注意力最高的位置。
Prompt 缺少素材优先级：给来源打上出处标签
你挂了 3 个文档，模型把它们当成同等权威——包括那份已否决的草稿。教你标好出处，让正确的来源胜出。
Prompt 没定义受众：原因排查 + 对症修复
没写受众，模型就在为一个不存在的平均读者写，谁也讨好不到。用一行受众块校准词汇、深度和语气，一次写对。
只设"角色"不够：5 个原因 + 对症修复
"你是一名资深工程师"能定调，但不会改变答案。研究表明专家人设几乎不提升准确率；规则、格式、示例才管用。
示例太多反而压住任务：原因 + 对症修复
塞 5 个以上示例，模型会挑最像你输入的那个去抄，而不是真去做任务。砍到 1-3 个；推理模型上先试零示例。
一个 Prompt 塞太多任务：怎么拆才能每件都做完
一个 prompt 塞 5 件事，结果一件做得好、一件糊弄、三件做一半？教你怎么拆，让每个任务都落地。
任务边界不清，AI 自行扩大 scope
你让 AI 改一个函数，它顺手重格式化了另外两个、还改了常量名。在 prompt 里画出显式的 in-scope / out-of-scope 边界，让这次修改守得住。