输出不对,改提示词也改不动:五种常见病因
提示词改了三版,输出还是不对 —— 多数时候继续加字没用。本文拆五种常见病因:没定义什么算成功、没给样本只给描述、模型在替你做决定、输出看着都对但没做成你要的事,以及本来就该换模型而不是改措辞的情况。每种给判据和改法。

你会看到什么
提示词改了三版,输出还是不对。字越来越多,句子越来越客气,结果该错的地方还是错。
这时候最容易做的事是继续加字:再补一句「请务必」「一定要」「不能遗漏」。这通常让输出更长,却不更对。
Anthropic 的提示词工程文档在一开头就泼了一盆冷水:不是每个做不好的事情都该用提示词解决。有些情况换个更快的模型,延迟和成本立刻就下来了。
也就是说,你可能在用改提示词的方式,去补一个本来就该由模型选择解决的问题。
下面四种情况,占了实际遇到的大多数。挨个对一遍,通常能定位到是哪一种。
病根一:你没有定义「什么算成功」
现象:模型每次输出都不一样,你看着都觉得「差点意思」,但说不清差在哪。
这通常不是提示词的问题,是题目的问题。Anthropic 文档写得很明确:动手改提示词之前,先要有「一个说得清楚的 success criteria」和「一套能对着它测的方法」。
没有这两样,你改提示词时没有参照,只能凭感觉加减字。
判据很简单:把你的成功标准念给同事听。如果同事会问「那到底算不算好」,说明还没写清楚。
改法:把成功标准写成能被检查的一句话,带上「什么算错」。
比如原来写「帮我写个总结」,改成「总结分三条,每条后面标出它在原文里的依据;原文没有的信息不要补」。
病根二:没给样本,光给描述
现象:你要格式,模型给了另一种;要风格,模型给了另一种。每次都得在后面追加一句「不对,我要的是……」。
原因是你描述了一个形容词(专业、简洁、活泼),而形容词在模型那里没有唯一解。
你心里其实有一个具体的样子,只是没说出来。
判据:如果你脑子里能举出一份「好的长什么样」,那就把它贴进去当样本。
改法:给一到两个样本。
这里有个容易被忽略的细节:OpenAI 的文档提醒,不要用「避免错误信息」这种说法来描述你要什么。模型不一定能推出反面该是什么样,直接给正面样本更可靠。
病根三:模型在替你做决定
现象:模型跑了一半停下来反问你「你说的 X 是指 A 还是 B?」;或者反过来,你让它别多问,它自己补了一大段你没写的假设。
这是模型类型和提示写法共同造成的。
OpenAI 的 GPT-6 文档写了一条 Astra 的行为特征:模型被设计成更主动的协作者,当补充输入能实质改变结果时,它更可能反问。
这会让它在你期待它做合理假设时停下来。
判据:看你是不是从来没告诉过它「什么情况该问、什么情况该自己定」。
改法:显式写清边界。比如「下面这些情况直接按我的默认选择继续,不要反问:A、B;只有涉及 C 时停下来问我」。
把默认选择也写出来。推荐用「默认值 + 例外清单」的写法:
| 情况 | 该怎么写 |
|---|---|
| 细节缺失但不影响结构 | 「缺失处按常见做法补,不必反问」 |
| 数值、日期、负责人缺失 | 「留空并在末尾列一份「原文未提供」清单」 |
| 涉及外部事实 | 「只依据给定材料回答,材料里没有的标注「原文未提供」」 |
| 确实影响结果 | 「这里有 A、B 两种可能,先按 A 做,并在输出里标出这个假设」 |
病根三之二:输出看着都对,但没做成你要的事
现象:模型交回来的东西挑不出毛病,格式也对了,但你要的那件事没发生。
比如让它「整理待办」,它给了一份会议纪要的摘要。那份摘要确实通顺、也确实基于原文,只是不是你要的东西。
判据:把产出拿去用,用的人第一反应是不是「这是我要的吗」。如果是,问题不在措辞。
改法:这一种往往不是「少写了一句」,而是你写的是过程,模型交的是过程。
你要的是产出,就把产出形态说清楚:一句话写清「交回来的东西长什么样、拿来干什么」。
Anthropic 的文档把这一步放在最前面:先有「什么算成功」,再谈怎么写。
另外一种情况是要求本身互相打架:既要求「简洁」,又要求「每个细节都说明」,又要求「不超过三行」。
模型只能牺牲其中一个,而它不会告诉你牺牲了哪个。你要在提示词里排出优先次序。
病根四:这本来就不是提示词能解决的
现象:怎么改都不稳;或者改稳了,但每次跑的成本和时间都很高。
这时候该换的不是措辞,是别的东西。官方文档给的几条路径很具体。
一是换模型。推理型模型适合你只给目标、让它自己安排;GPT 型模型适合你把步骤写死。选错了模型,再好的提示词也是在拧螺丝。
二是换输出方式。如果你要的是稳定的结构化结果,OpenAI 的文档提到 Structured Outputs 是为这件事准备的。
用它让模型返回符合 schema 的数据,比在提示词里反复描述「请返回 JSON」要稳得多。
三是固定版本。同一系列里不同的快照结果可能不一样,OpenAI 建议生产环境固定到具体快照,并且建一套测试来盯住提示词的行为。
这一条对个人使用者同样有用:把跑通的那条提示词和一份固定材料存成对比样例,改提示词时先跑一遍。
资料来源与未核实项
核对日期:2026-11-10。下表页面均为官方页面,本站在该日打开。
| 页面 | 用到的内容 |
|---|---|
| https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview ↗ | 动手前应备齐的三样东西、并非所有失败都该用提示词解决、清晰度与示例/角色提示/XML 结构化/思考/提示链等技巧清单 |
| https://platform.openai.com/docs/guides/prompt-engineering ↗ | 推理型与 GPT 型模型的提示差异、固定模型快照与评估测试、避免用「不要做 X」来定义要求、直接给正面样本 |
| https://platform.openai.com/docs/guides/latest-model ↗ | Astra 在补充输入会实质改变结果时更可能反问、由此带来的「停住」现象、结构化输出的适用场景 |
| https://platform.openai.com/docs/guides/structured-outputs ↗ | 结构化输出的定位与用途 |
| https://model-spec.openai.com/ ↗ | 消息角色的优先级链 |
已核实:上表写明的前置条件、模型类型差异、Astra 的反问行为、结构化输出的定位,均与正文对应;文中用于练习的任务和材料均为虚构。
未核实项:
- 本文没有在任何产品上实测过上述四种病因的出现频率,分类来自官方文档的表述与常见情形,不是统计结果。
- 「先给样本而不是只描述」这类做法,本文引的是官方文档的提示,未做对照实验。
- 结构化输出在各家接口上的具体字段名与支持范围不同,本文只讲用途,未逐家核对。
- 换模型能改善延迟和成本这句话出自官方文档的一般性建议,本文没有针对具体任务做选型对比。
写过至少十条提示词;有一份可以反复重跑的材料
适用范围:提示词诊断方法。不绑定某个客户端版本。
以下来源方便你逐项对照;引用文档不代表已经完成实际操作测试。 本文标注为 AI 辅助起草。
- 正文引用的官方页面已逐条打开核对;文中方法与数字均出自这些页面,未实测的部分已在「资料来源与未核实项」写明
- 核对了什么:本次只做表达层改写(拆长段落、结论前置、删重复与填充句),数字、型号、版本、日期、URL、官方表述、否定表述(没有/不支持/不含)以及限制条件全部保留;改写前后用脚本抽取正文里的数字、英文专名与 URL 做集合比对,差集为空,说明没有丢事实。没做什么:没有新增任何事实,没有重新实测文中提到的产品,没有改动正文里已有的表格、清单、代码块与图。
- 核对了什么:这条只说明本文的适用范围与方法边界,不是对某个产品版本的实测结论 —— 写法与站内其它方法类文章一致(明确说明依赖不依赖某个客户端版本、哪些具体环节没有实测)。核的时候逐句确认了正文与这条说明一致:正文里讲的步骤不依赖特定按钮或菜单,涉及具体工具的部分都写了「以官方当前说明为准」。没做什么:没有实测任何一个产品的当前版本、菜单路径、价格或套餐;凡涉及具体价格、额度、地区可用性的表述,正文里都保留为未核实项,没有在这里被当作已核实。
- 正文引用的官方页面已逐条打开核对;文中数字均来自这些页面,未实测的部分已在「资料来源与未核实项」写明
相关工具
发现内容与当前界面不一致?
提交内容纠错金额随意,多少都帮得上忙。AITime 的资料整理、事实核对和每日更新由个人完成, 没有付费墙,所有内容都可以免费读。
扫码使用微信支付,备注可以留空。
哪个工具卡在哪一步、想给文章补一个真实案例、都可以加我。 留言时写清来源和具体问题,我看到会回。
扫一扫添加好友,备注写「AITime」我更容易认出来。
讨论与使用经验
正在加载讨论…