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。
#Prompt 质量
带有该标签的文章
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。
只要轻改，AI 却大改特改：如何逼它做最小改动
让它"润色一下"，结果换了一篇文章，语气全丢了。本文教你把 ChatGPT、Claude、Gemini 约束成手术级、逐字节最小的编辑。
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。
长背景掩盖了真正的任务：为什么模型只总结不交付
三段背景结尾加一句"那你起草一下发布邮件吧"，模型却返回 400 字背景总结。本文讲清原因，并给出把任务放到模型必看位的结构化模板，以及长文档要反过来排的官方做法。
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。
语气指令混乱让输出读起来像分裂：原因 + 对症修复
"专业又友好、正式又温暖"=给模型两个声音去取平均。修法：定一个主语气，用示例锚定，其余降级成机械规则。
模型用"擅自假设"填补缺失细节：判因 + 对症修复
你只给了部分输入、模型把没给的续约日期、联系人、营收数字全编上。加一条 UNKNOWN 规则、一个可为 null 的 schema、再补一道核对，就能止住编造。
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。
输出听着精致但不可执行：原因 + 对症修复
AI 给的几段建议读着像顾问 deck——没文件路径、没命令、没要查的配置值。本文讲怎么用 schema（含 API 层 structured outputs）强制 AI 交出可执行交付物，而不是靠加形容词。
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。
Prompt 太泛，产不出有用结果
宽问题只会换来宽答案。本文教你把 prompt 收窄到只有一个具体答案能成立——附模板、诊断表和修复清单。
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。
风格要求与输出格式冲突：挑一个、限到 prose 字段、或拆两遍
要 AI 同时输出温暖口语和严格 JSON，是两个方向相反的要求。挑一个、把温暖限到 prose 字段、或拆成两遍，并在 API 层用 strict 真正强制 schema。
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。
AI 回答太泛：3 步逼出具体答案
问 AI 一个具体问题，收回四段"看情况"式废话，几乎都是 prompt 形状问题。本文拆六种触发外交辞令的写法，给出把模型逼回锋利判断的改写模板。
AI 编出不存在的事实：识别并制止自信的错误答案
模型自信地编出引用、不存在的 API 方法、差一个数量级的数字。本文教你怎么识别，并逼它一次给出有据可查的答案。
AI 输出风格漂移——怎么把风格钉死
system prompt 没动、模型没换，几轮之后风格又变了。把形容词式的风格描述翻成模型能逐条自检的可测规则，并钉死版本与方差旋钮。
AI 改动了你不想动的关键逻辑：对症定位 + 手术级修复
让 AI 改一个参数名，它顺手把重试循环、timeout、forEach 也悄悄改了。本文讲怎么把 AI 编辑约束成可审计的手术级 diff。
长 Prompt 反而变差：怎么改 Prompt 结构
Prompt 写得很详细，回答却变得泛、跑题、像在复述指令。本文讲清楚长 prompt 为什么会稀释，以及真正有效的结构性改法。
Prompt 触发了拒答——怎么换个写法
合法任务被拒答或只给半截答案？这里有最快的重写法、触发词替换表，以及该换哪个模型（2026 年 6 月）。