为什么提示词决定输出质量

大模型是概率模型：给定输入，它按概率挑选下一个 Token。提示词的作用，就是把模型的「猜测空间」从无限缩小到你要的方向。写提示词不是在「命令机器」，而是在「引导一个博学的助手」。

输出质量为什么差

• 任务描述模糊：模型只能按平均概率猜，猜得「平庸」
• 缺少约束：没说格式、长度、受众，模型自由发挥
• 缺少上下文：没给示例和背景，模型无法对齐预期
• 缺少验证标准：没告诉它什么算「好」，输出自然没标准

三个立刻见效的动作

1. 把目标写具体：要总结就说「用 3 句话总结，面向新员工」
2. 给一个示例：Few-shot 比任何形容词都有效
3. 声明输出格式：JSON、Markdown、字数，直接写进提示词

提示词能修正模型缺陷吗

部分可以。推理步骤、格式约束、角色设定都能显著改善输出；但知识性错误、幻觉这类问题，提示词只能缓解，需要靠 RAG、微调或换模型解决。

提示词工程的第一性原理：模型输出是概率采样，提示词决定概率分布，示例与约束比形容词有用十倍。