输入框里打了几个字：“帮我写个活动方案。”发出去，几秒后回来一份东西：背景、目标、执行、预算、风险，五段齐全。挑不出错，也用不上。删了重问，它换个说法，还是这五段。
多数人这时候会怪自己提示词写得不够好，于是加形容词、加“请”、加“你是一位资深专家”。结果通常只是让那五段话变得更长。
问题不在这儿。大模型做的事，是一个字一个字地猜下一个字。你给的信息少，它就只能挑最常见的那条路走。最常见，就是平均值。平均值最安全，也最没用。知乎哔哩哔哩
想让它不说正确的废话，得先把它从平均值里拽出来。
“你是专家”是一句客气话，“你是一个做了十年招聘的HR，看过上万份简历”才是信息。前者它只能演，后者它知道该从哪儿下手。身份具体到能验证，才有用。
接着别形容，给样本。你说“要口语化、要有网感”，它得猜你怎么定义网感；你贴一段自己满意的，说“照这个调子写”，它就不用猜了。一段样本，顶一百个形容词。
再给限制。多少字，不许用哪些词，哪几个地方必须给出处。听着像刁难，其实是在替它排除错误答案。边界划得越清楚，它越不会缩回那套安全模板。
但“越详细越好”这句话，只说对了一半。
GPT Image 2 就有个出了名的毛病：提示词写得越细，图越脏。因为它太听话，你写“毛孔可见、每一处纹理、戏剧性强光”，它真的一股脑全画上去，最后糊成一团。
老手的解法是在末尾反过来补一句——“整体画面弱化细节，干净高级感，柔和光影”——画面反倒干净了。知乎
所以每句话发出去之前，都值得问一遍：这是必要的吗？细节是用来约束的，不是用来堆形容词的。
还有一招更狠：让它自己拆自己的台。写完之后先别用，补一句“你觉得这段哪里最站不住？”它会老老实实指出论证最薄的地方，刚才那个自信满满的样子不见了。
这一刻它才真正有用——不是替你写完，是替你挑错。哔哩哔哩
如果这活儿每周都要做一遍，还能再往前一步：把整个操作录下来，让它整理成一套固定步骤，下次自己跑。
写这类“技能”时，开头那句说明要写清楚“什么时候该用它”，而不是“这是个什么工具”。它平时只看得到这一行字，看不到你后面写得多用心。知乎
说到底，AI 不缺能力，缺的是你手里那点它没有的东西：具体的人、真实的样本、清楚的边界，还有干完活之后知道哪里不对劲的直觉。
把这些给它，它才不像在糊弄你。
