同一个需求，有人调十遍 prompt 还在返工，有人一遍就出能用的结果。差别往往不在模型，而在一个很多人漏掉的东西：反面示例。
大多数人写 prompt 只做两件事——描述任务、给正面要求（"要专业""要有逻辑""别啰嗦"）。但"专业"和"啰嗦"是主观词，AI 只能靠猜，猜不准你就得一遍遍改。真正管用的，是给 AI 一个"这样做是错的"的具体例子，它立刻就知道边界在哪。
举个我常用的例子。让 AI 写产品介绍，如果只说"要吸引人"，它大概率给你一段套话。改成这样：
【禁止清单】不要出现"赋能""闭环""降本增效""一站式解决方案"这类词；不要用"首先/其次/最后"的八股结构；每段不超过三行。
【反面示例】"本产品赋能企业实现降本增效，打造一站式解决方案闭环。"——这就是你要避免的样子，别这么写。
就加上这两条，输出质量立刻上台阶，比我以前重复十遍"要专业、别啰嗦"管用得多。
为什么有效？因为负面指令比正面指令更"可判定"：AI 能明确判断"这个句子里有没有'赋能'"，却没法明确判断"这段话够不够专业"。
一个可复制的模板，三步：
- 写清任务 + 一个正面示例（"参考这个格式"）
- 加禁止清单（列 3-5 个具体不要做的事 / 不要用的词）
- 给一个反面示例（"下面是错的，别这么写"）
最后说句扎心的：如果你调了三遍还在改，八成不是模型笨，是你的指令里只有"要什么"、没有"不要什么"。把反面示例补上，你会发现很多返工根本不需要。
