你调通了接口，没报错，但AI给出来的东西——驴唇不对马嘴。要列表它给段落，要正式它给段子，要三句话它写三百字。

不是模型傻，是你跟它没在一个频道上。今天聊几个土办法，让AI老老实实按你的路子来。

别让它猜你要什么

这是最普遍的毛病。你问"帮我写个产品介绍"，模型蒙了——什么产品？多长？什么语气？给谁看？它只能按平均水准瞎蒙一个。

正确的做法是把话说绝。对比一下：

差的prompt："写个咖啡机的介绍。"

好的prompt："写一段咖啡机产品介绍，面向25到35岁独居男性，字数150到200字，突出早上快速出杯的便利性，语气干练不啰嗦，不用感叹号，结尾加一句'三分钟搞定，出门不耽误'。"

你看，后者把路铺得明明白白，模型只需要填空，不用自己判断。出来的东西八九不离十。

我的习惯是写prompt之前先问自己：如果我是个刚入职的实习生，看了这段话能准确干活吗？能就发，不能就继续加约束。

system和user的区别用对了没

很多人把所有指令全塞进user，system空着。这浪费了一个好工具。

system是给模型设定人格和底层规则，贯穿整场对话。user是当前具体的任务。

举个例子。system写"你是个资深会计师，回答必须基于中国税法"。user写"员工出差餐补需要缴个税吗？"。

这样一来，模型从第一句回复开始就带着会计师的身份，不会中途跑偏。如果你把"你是个会计师"写在每次user的开头，同样能干活，但system让这件事更干净，少写重复话。

有个小技巧：system里加一句"如果用户问的问题不在你的知识范围内，直接说不知道，不要编造"。这能拦下很多胡说八道。

temperature别当摆设

这个参数控制随机性。调低了，回答死板；调高了，放飞自我。

0到0.3：适合翻译、代码生成、数据提取。答案要唯一，不要发挥。
0.3到0.7：适合日常对话、知识问答。有点灵活但不出格。
0.7到1.2：适合头脑风暴、创意写作、起名字。越往高越天马行空。

1.5以上我基本不用，出来的东西大概率是意识流，正常人看不懂。

如果你做的是客服问答，temperature压到0.2，稳定压倒一切。如果你在写小说大纲，拉到0.9，让模型帮你发散思维。

top_p跟temperature二选一

top_p是另一个控制随机性的参数，但用法不同。它控制候选词的池子大小。0.9表示只从概率最高的前90%的词里选，去掉那些概率极低的怪词。

大多数情况下，调temperature就够了。top_p保持默认1，别两个同时调，会互相干扰，出来的结果难以预测。

我唯一动top_p的时候：temperature已经调到0了，回答还是偶尔冒出奇怪用词，那就把top_p压到0.95，把极端词彻底关掉。

few-shot比zero-shot靠谱

不给示例直接让模型干活，叫zero-shot。给一两个例子再让它干，叫few-shot。

干同样的活，few-shot的输出质量稳定得多。尤其是格式要求严的任务，比如输出JSON或者表格。

差的prompt："请把以下信息整理成JSON格式"——模型可能给你套不同的字段名。

好的prompt："请把以下信息整理成JSON格式，示例：{'name': '张三', 'age': 30, 'city': '北京'}。现在请处理：李四，25岁，上海。"

模型看了示例，知道你要什么字段、什么结构，不会自己发明字段名。这招在结构化数据提取里百试百灵。

把不要的东西说清楚

有时候光说"要什么"不够，还得说"不要什么"。

比如你做文章摘要，写"摘要200字左右"，模型可能给出一篇带"总结来说""综上所述"这类套话的东西。在prompt里加一句"不要使用'首先、其次、最后'等过渡词"，生成的摘要就干净多了。

负面约束有时候比正面指令还管用。想想你最不想要的东西，直接写进去。

分段拆解复杂任务

你让AI一次性完成"读一篇论文、写摘要、翻译成英文、总结三个创新点、评价可行性"，它大概率在最后几步开始胡编，因为上下文太杂了。

把这种任务拆成五个独立调用。第一步做摘要，第二步翻译摘要，第三步提炼创新点，第四步评价，第五步汇总。每一步的输入是上一步的输出，清清楚楚。

虽然拆开调用次数变多了，但每次任务单一，模型不容易犯糊涂。出错的时候也好定位是哪一步出了问题。

温度回调：基于反馈迭代

没有一个prompt一次写对。我调prompt的流程是：

第一版随便写，看输出。哪里不对，改prompt。再跑，再改。通常三四轮之后能稳定输出你想要的东西。

每次改动只调整一个点。比如这次只改temperature，下次只加few-shot示例。一次改太多你搞不清哪个调整起了作用。

记下每次改动的版本号和对应的输出质量。过两个月忘了当初怎么调的，回头看一眼就能捡起来。

两个偷懒但管用的助手

自己写prompt费脑子，可以借助AI帮你写prompt。把你要的效果用大白话描述给模型："帮我写一个prompt，用来让AI生成小红书风格的化妆品推荐，要求语气活泼，带emoji，不超过200字"。模型会帮你编一个结构化的prompt出来，拿过来微调就能用。

另一个是让模型自己评价自己的输出。每次生成完之后，加一条"请评价上面这段回答的质量，按1到10分打分，并给出改进建议"。迭代几轮，答案越改越好。