写了半年 Prompt，我发现一个反直觉的真相：大多数「答非所问」不是模型笨，是我们给的信息有缺口。模型只能基于你给的内容推理，你少给一块，它就靠猜，一猜就偏。分享三个最容易忽略的上下文陷阱。
第一个：角色没绑「边界」。很多人写「你是专家」，但没说清哪种专家、面向谁、到什么程度。比如写标书，光说「你是标书专家」不如说「你是深耕政府会展项目 10 年的标书专家，面向评审专家，目标是把技术分拉满，语言严谨到可以直接打印」。角色越具体，输出越贴。
第二个：没给「反例」。90% 的人只告诉 AI「要什么」，从不告诉它「不要什么」。比如「帮我写个开场白，别用'在这个快速变化的时代'这种套话，别超过 80 字，别出现感叹号」。反例是给模型划边界最快的方式，一句反例顶十句正面描述。
第三个：忘了「交付格式」。你要的是表格，它给你散文；你要 3 条，它给你 8 条。写完需求一定要补一句「输出格式：表格 / 列表 / 分点」，甚至可以给个示例框架让它照葫芦画瓢。
最后一句压箱底：如果输出不对，别急着骂模型，先问自己「我是不是少给了什么信息」。把 Prompt 当成给一个聪明但完全不了解你处境的新人布置任务，你会自然地把该说的都说全。
