要执行结果，AI 却给了清单
让 AI 写落地页或重构函数，它却返回 10 条"步骤要点"——这是规划模式失效。本文讲清楚是哪些 prompt 框架把模型推进建议模式，以及怎么改写让它直接交工件。
#Prompt 质量
带有该标签的文章
AI 漏掉了最重要的那条约束：4 个原因 + 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。
只要轻改，AI 却大改特改
让它"润色一下"，结果换了一篇文章——你的语气和结构都丢了。
评判标准模糊导致答案弱：4 个原因 + 对症修复
你给了标准，但标准本身含糊——"吸引"、"专业"、"创新"——模型只能自由解读。
相互矛盾的指令削弱 AI 输出：4 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。
模型按"最后一句"走，无视前面的规则
Prompt 末尾的一句"顺便提一下"会覆盖你开头写好的规则。
长背景掩盖了真正的任务：4 个原因 + 对症修复
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。本文讲为什么长上下文会埋掉任务，并给出几种把任务放到模型必看位的结构化模板。
没给示例，AI 输出就漂移变形
光靠形容词描述风格，模型只能按平均态近似；本文讲为什么 1-3 个具体示例能把目标形状锁住，以及怎么选示例、避免反例互相矛盾。
语气指令混乱让输出不稳定：4 个原因 + 对症修复
"专业又友好、正式又温暖、专家又易懂"=互相矛盾的语气目标。
模型用"擅自假设"填补缺失的细节：4 个原因 + 对症修复
让 AI 写季度总结、它把没给的续约日期、联系人、营收数字全编上——模型把"完整"解读为"不留空"。本文讲怎么让"我没有这条信息"成为一类合法输出。
负向约束写得太虚：4 个原因 + 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。本文讲为什么纯负向约束必败，以及怎么把每条不要翻成可执行的正向引导。
没规定输出格式——所以得到一面墙的散文
想要结构化答案，结果是 600 字 prose，没法复制到任何下游工具。
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 4 行可机械化的成功标准模板。
输出听着精致但不可执行：4 个原因 + 对症修复
AI 给的 4 段建议读起来像顾问 deck——没文件路径、没命令、没要查的配置值。本文讲为什么 polish 没工件等于装饰，并用 schema 强制 AI 交出可执行交付物。
Prompt 要"最好"但没定决策规则
没决策规则，"最好"就是模型觉得"听着自信"的那个。
从别的任务复制来的 Prompt 在这里失败
别处好用的 prompt 在你当前任务里产废话，因为前提没迁移。
Prompt 用情感词而非操作性指令
"求你写得超棒！"听起来真诚，但模型完全不知道要做什么。
Prompt 缺少上下文分级：4 个原因 + 对症修复
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。
Prompt 缺少素材优先级：4 个原因 + 对症修复
挂了 3 个文档，模型把它们当成同等权威——包括那份过期草稿。
Prompt 没定义受众：4 个原因 + 对症修复
让 AI 讲 Postgres 连接池，给出对资深工程师太浅、对 DBA 又太泛的 800 字——因为没指定受众，模型在为不存在的平均读者写。本文用一行受众陈述校准一切。
Prompt 太泛，产不出有用结果
问 AI "创业公司工程团队怎么 scale"，得到 800 字常规建议——泛问题必产泛答案，因为模型必须在整个输入空间都站得住。本文教你把宽问题收窄到唯一答案能成立。
只设"角色"不够：4 个原因 + 对症修复
"你是一名资深工程师"能定调，但不会改变交付质量。你还是需要规则、格式、示例。
风格要求与输出格式冲突：4 个原因 + 对症修复
要 AI 同时输出温暖口语和严格 JSON，结果要么平板通过 schema、要么带类 JSON 标签的 prose 把 parser 弄挂——两者根本没中间地带。本文讲怎么挑一个或拆两遍。
示例太多反而压住任务：4 个原因 + 对症修复
塞 8 个示例覆盖每种情况，输出反而像示例拼贴或挑最像的去抄而不推理——示例有甜点位是 1-3 个。本文讲为什么多反而坏，并教你怎么挑代表性示例钉住输出。
一个 Prompt 塞了太多任务：4 个原因 + 对症修复
一个 prompt 塞 5 件事，模型把第一件做好、第二件搞砸、剩下的随便答。
任务边界不清，AI 自行扩大 scope
让 AI 改一个函数、它顺手重格式化相邻函数、改常量名、加注释——RLHF 让它默认"留下比拿到时更好的东西"。本文教你在 prompt 里显式画 in-scope / out-of-scope 边界。
AI 回答太泛——怎么逼出具体答案
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 输出了不存在的事实——怎么发现与减少幻觉
AI 自信地编出错误论文引用、不存在的 API 函数、差一个数量级的数字——幻觉集中在"要事实"和"没源头"的缺口处。本文用检索、源材料锚定、不确定标注三招堵上。
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 AI 又开始写"快速变化的数字化时代"——这是软约束 vs 硬约束的问题。本文教你把形容词风格翻成模型可自检的可测规则。
AI 改动了你不想动的关键部分：4 个原因 + 对症修复
让 AI 改一个参数名，它顺手把重试循环换成 map、timeout 从 30s 调成 10s——你的 prompt 一句都没提。本文讲清楚为什么 agent 爱过度编辑，以及怎么把它约束成手术级 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、或像在复述你的指令。
Prompt 触发了拒答——怎么换个写法
写漏洞公告被拒、诊所 AI 拒答用药总结——合法工作触发安全模式匹配是常事。本文讲触发词机制，并给一套保留合法意图、压过表面模式的 prompt 重写法。