很多人写提示词是凭感觉:有时一句话模型就乖乖照做,换个说法就完全跑偏,于是以为要靠玄学咒语。其实指令起作用是有链条的——模型在训练阶段被教过怎么「听指令」,推理阶段你给的每个字都会改变它下一步的概率分布。这篇不教你背模板,而是把这条链条拆开,让你知道哪一环没做好,输出才会失控。
很多人写提示词是凭感觉:有时一句话模型就乖乖照做,换个说法就完全跑偏,于是以为要靠玄学咒语。其实指令起作用是有链条的——模型在训练阶段被教过怎么「听指令」,推理阶段你给的每个字都会改变它下一步的概率分布。哪一环没做好,输出就会失控。
这篇不教你背模板,而是把这条链条拆开讲:指令遵循从哪来、指令在推理时到底改了什么、一条指令里哪几块在真正发力、为什么同样的写法有时灵有时不灵,最后给一份能照着改的自查清单。看完你应该能自己判断「这次是写法问题还是模型能力问题」。
模型不是天生听话:指令遵循是训练出来的
预训练阶段模型只学一件事:预测下一个词。这时候它更擅长续写,比如你写「今天天气」,它会顺着往下接,而不是执行命令。所以拿未做过指令对齐的基座模型去「请它做某事」,效果通常很差,这不是你写得不好。
真正让它把「请做 X」当成任务来办的,是后续的指令微调与人类偏好对齐。换句话说,「听话」是一项被训练出来的能力,而不是语言模型的本能。同一句指令在不同模型上效果差异,往往来自对齐程度不同,不全是你的写法问题。
- 想横向比模型听不听话,先去站内模型库看各家定位,再到测评榜单核对当时的对口口径,别拿一次体验下结论
- 如果你的任务是纯续写、纯润色,反而可以试试更「补全向」的模型,不一定要选指令遵循最强的那个
- 不适用情形:极小参数模型或没做过指令对齐的基座模型,再精巧的指令也难稳定遵循,换写法不如换模型
指令是条件:它改变的是下一个词的概率
模型每次只做一件事——根据已有全部上下文猜下一个 token。你写的指令就是这段上下文的一部分,它不是「命令」而是「条件」。条件越明确,候选空间越窄,模型被逼到目标答案上的概率越高;条件含糊时,它只能按训练数据里的常见套路走。
这解释了为什么加一句「只输出 JSON」「不要解释」往往立竿见影:不是它懂了礼貌,而是分布被改窄了。反过来,如果你说「随便聊聊」,候选空间极大,输出漂移就很正常。
- 格式约束比语气描述有效得多:写「输出三行、每行一个要点」比写「简洁一点」强
- 负面约束要具体:写「不要用比喻」比写「别太文学」更可执行
- 不适用情形:涉及模型知识里没有的事实,收窄分布只会得到更自信的错误,得靠检索或把资料贴进上下文解决
一条指令里,哪些部分在真正起作用
把一条指令拆开看,大致是四块:角色与任务、约束与格式、输入材料与示例、顺序。前两块决定它往哪个方向走,后两块决定它走得稳不稳。初学者常犯的错是把力气全花在第一块的角色扮演上,约束和示例几乎不写。
| 指令部分 | 作用 | 缺了会怎样 |
|---|---|---|
| 角色与任务 | 决定调用哪一类语料风格与交付形态 | 输出泛泛,像百科摘要 |
| 约束与格式 | 直接压缩输出空间,最易见效 | 长度、字段、语气全不可控 |
| 输入与示例 | 把答案长什么样示范出来 | 模型靠猜,反复描述也说不准 |
| 顺序位置 | 影响约束被抓住的概率 | 关键要求淹没在长段落里 |
顺序也有影响:关键约束放在开头或结尾更容易被抓住,塞在中间的长段落里容易被忽略。相关术语和写法可以先对照站内提示与调参速查,再回来改自己的指令。
同一个指令为什么有时灵有时不灵
第一层原因是采样本身带随机性,同样的输入本来就可能落到不同分支,这属于正常现象,不是指令失效。判断方法很简单:固定同一段指令连问几次,看波动范围有多大,波动在可接受范围内就不必折腾。
第二层原因是上下文被挤满。前面的对话越长,早期指令的权重越容易被稀释,长会话里要定期重申关键约束。第三层原因是排查顺序错了:把「指令没生效」和「模型不知道这件事」混在一起看,越改越乱。
- 先分类型看输出是格式没听,还是事实错了。格式问题改写法,事实问题补资料或上检索。
- 再控变量固定指令、固定输入,连跑几次记录波动;只改一个地方再测,别一次改五处。
- 最后清上下文把历史对话里用不上的内容删掉,重申关键约束,再观察是否恢复稳定。
如果你想先量清延迟与稳定性基线,可以到站内接口测速先跑一遍,有基线之后再谈指令优化,判断会清楚很多。
自查清单:指令写不好时按这个顺序改
下面这份清单按「先改什么、后改什么」排好序,遇到输出不满意就从第一条往下过,过一次只动一项。多数情况下改到第二步,输出形态就明显收敛了。
- 第一步看任务是否说清交付物,删掉「帮我看看」「优化一下」这类没有验收标准的说法
- 第二步加格式约束,把期望输出的样子写出来,或用一小段示例代替形容词
- 第三步拆步骤:复杂任务先让它列要点,再让它按要点成文,比一句话要成品稳
- 第四步缩短无关上下文,清掉用不上的历史对话;改完只调一个变量再测一次
- 不适用情形:任务本身答案就不唯一(比如创意发散),这时候别硬加格式约束,会把好答案一起掐掉
还有一个容易忽略的点:指令不是越长越好。写得长的价值在于把约束和示例补全,而不是堆形容词。如果一段话去掉之后输出没变,那它就是噪音,留着只会稀释真正起作用的约束。
提示词不是咒语,是把模型下一步的概率往你要的方向推的一串条件。下一步想知道同一句指令在不同模型上的实际表现和成本差异,去站内模型库与榜单核对当时的口径和数字,再决定写法往哪调。→
常见问题
指令写得越长越详细,效果就越好吗?
不一定。长指令的好处是约束更全,坏处是关键要求被淹没。判断标准是:删掉某句后输出是否会变差——不会变差就删。更稳的做法是分层写,先任务、再约束、最后示例,而不是堆成一大段散文。如果上下文本身已经很长,长指令的边际收益会明显下降。
为什么同一个提示词,别人用有效我用就没用?
常见原因有三个:模型不同、对齐方式不同;你的上下文里混进了干扰内容;任务本身依赖模型没掌握的事实。排查顺序是先换成同一段干净输入重试,再看是不是模型差异,最后才怀疑写法。想比不同模型在同一提示下的表现,可以到站内提示词工具与模型库对照着看。
不写指令,只给例子行不行?
很多时候行,甚至更稳。给两三个输入输出示例,等于用具体样本定义任务,比抽象描述省去大量解释成本。但它对示例质量敏感:示例里带错,模型会照着错。折中做法是先用一句话说任务,再补一两个示例,两者配合比只留一种更抗波动。