写好 Prompt 的几个“反直觉”细节

Prompt 工程谈的人多，谈到位的少。分享几个我反复验证过、却常被忽略的细节。

负面清单不如正面示例。 “不要啰嗦、不要用 emoji、不要分点”——一堆“不要”往往管不住模型。换成正面示范：直接给它一个你理想输出的例子，模型对“模仿”的执行力远强于对“禁令”的遵守。

要求放在最前面说。 长 prompt 里，中间部分的指令最容易被“淹没”。关键约束写在开头，末尾再强调一次——首尾位置的指令遵循率明显更高。这是我用评估集实测过的结论。

让模型“先想再答”。 对推理类任务，直接要答案的准确率低于先要求它列出思路再给结论。简单一句“请分步分析后再给出最终答案”，往往胜过复杂的技巧。

格式要求要具体到“可校验”。 “输出结构化结果”太空泛，“输出 JSON，包含 title 和 tags 两个字段，tags 为字符串数组”才可靠。格式越可校验，下游越稳定。

Prompt 也要版本管理。 把 prompt 当代码对待：存文件、写注释、改动留记录、变更跑回归。出问题时能回滚到上一版——这个习惯救过我无数次。

明确“不知道”是合法答案。 加一句“如果依据不足，请直接说不知道”，能显著减少一本正经的编造。

总结：好的 prompt 不是咒语，而是一份清晰的任务说明书——把对象、格式、边界、示例讲清楚，模型自然听话。