一个常见误解是「提示词越长、越详细，模型回答越准」。实际上超过某个长度后，每多写一句都在稀释重点。这篇讲三个最常见的反向效果，以及各自的改法。
一、信息过载：约束互相打架
把需求写详细的本意是减少歧义，但当你同时写下十条要求，模型很难判断哪条优先。典型场景是「既要专业严谨，又要通俗易懂」「既要简洁，又要覆盖全面」。这类要求不是补充信息，而是互相抵消的一对指令。
改法是给约束排优先级：
- 先写一句硬约束：「必须包含三个具体数字，其余部分尽量短」
- 再写偏好项：「语气可以正式一些」
- 最后写禁区：「不要用行业黑话」
硬约束只有一条时，模型才知道冲突时该牺牲哪边。
二、格式错位：要求是清单，输出是散文
要求里写了「请列出步骤」，输出却是一段连续文字，问题往往不在模型，而在你没有指定结构载体。
| 你的写法 | 模型的默认理解 | 更稳的写法 |
|---|---|---|
| 请列几个要点 | 随笔式罗列 | 请输出 Markdown 无序列表，每项一行，不超过 20 字 |
| 请给我一个对比 | 一段描述性文字 | 请输出两列表格，第一列是方案名，第二列是适用场景 |
| 请分步骤说明 | 分段叙述 | 请用 1. 2. 3. 编号，每步一句可执行动作 |
指定格式时讲清三件事：容器（列表、表格、编号段落）、粒度（每项多少字、几项）、禁止项（不要加总结段）。这三项齐了，格式基本不用返工。
三、缺少验收标准：你也不知道什么算答对
最隐蔽的问题是这个：你自己没定义「好的输出」长什么样，于是只能靠反复改写来逼近。改写多了，提示词就越来越长，但方向一直没变。
一个可操作的做法是在提示词末尾加一段自检要求：
输出前先自查：
1. 是否回答了最初的问题，而不是相关问题
2. 每个结论是否有对应依据，没有依据的请删除
3. 是否包含未说明来源的具体数字，若有请标注来源或改为定性描述这段自检本身不增加信息量，但它改变了模型组织答案的顺序，往往比再加三百字背景描述更有效。
四、什么时候该写长
不是所有场景都适合短提示词。以下三类任务，写长是必要的：
- 需要复现的固定任务。批量处理同类材料时，把口径、格式、边界条件一次性写全，收益远高于每次临场说明。
- 领域术语密集的任务。必须先给术语定义，否则输出会用错概念。
- 有明确禁止项的任务。合规、法务、对外发布类内容，把禁区写清楚比写清要求更重要。
区别在于：长提示词是在补充独有信息，还是在重复已知要求。 前者值得写，后者应当删。
五、一个简化的检查习惯
每次写完提示词，问自己三个问题：
- 如果把其中一句删掉，输出会变差吗？不会就删。
- 有没有两条要求互相冲突？有就标出优先级。
- 我能不能用一句话说清什么算合格？不能说明需求还没想清楚。
提示词的质量取决于信息密度，不取决于字数。写短一点、冲突少一点、验收标准明确一点，通常比堆满形容词更接近你想要的结果。
本文为方法论整理，示例提示词可自由调整使用。