场景
上周我让 AI 帮我整理一份工具评测：第一版给我列了 8 条要点，6 条是「这款工具支持、支持、支持」，句式一样，信息是空的。更麻烦的是两条分辨率不同的信息，混在同一种语气里，分不出哪条是我做决定时要看的。
后来我只改了一件事：把「帮我整理」换成「按做决定时需要的信息结构来整理」。下面把这套写法拆开讲。
原则一：先说你要拿这个回答干嘛，再让它组织
大多数人提问时只说需求，不说用途。AI 不知道你接下来要做什么判断，它就只能把所有可能相关的都塞给你。
对比一下：
一般写法：介绍一下 LiteLLM。
更好的写法：我要在两个 AI 网关工具里二选一，把 LiteLLM 讲清楚，优先说清哪些信息能帮我做这个决定
（部署难度、免费版能不能管预算、和 One API 的定位差别）。不需要的和做这个决定无关的内容。
用途说清了，「介绍」这种没方向的词就从你的提示词里消失了，回答也自然收敛。这一条几乎不用额外代价，是所有提示词改进里性价比最高的。
原则二：指定输出形状，别让它自由发挥
「帮我总结」「帮我对比」这类词，等于把排版权完全交给模型。模型的默认倾向就是均匀铺开，每条都写上一两句，你看到的「小作文」就是这么来的。
指定形状的方法很直接：
- 要排序的就说「按 X 从高到低排成表格」
- 要结论的就说「每项给一行判断，理由不超过一句」
- 拿不准的就说「不确定的用【待核实】标注，不要编」
官方文档都支持这种写法。各大模型的 system prompt 指南里都有一条类似的建议：把格式要求写进 system 或开头，效果远好于在结尾补一句「哦对了，用表格」。
原则三：给「不能做/说不准」留出口
AI 的一个固有行为是补空，不知道的会想办法编一个合理说法填进去。与其指望它自觉，不如在提示词里给它明确的出口：
如果你不完全确定某条信息，直接写「不确定」，不要为了凑完整性展开。
这句话对查资料类任务效果明显。我实测过的场景是技术选型：以前它会把版本号和价格报得有鼻子有眼，加上这句话之后，至少会在自己没把握的地方打住。效果因模型而异，建议各自实测。
原则三补：一句「先问我说」能省掉一半废答案
还有一种低质量回答的根源不是模型，是你给的上下文不够。它猜错了你的场景，回答就全偏。
解决办法是在任务前面加一句：
如果信息不够，先问我 1-3 个你需要知道的问题，再开始回答。
这条我在 22 日那篇文章（文末链接）里已经写过， remix 一下的原因是它和今天说的三件事是配套的：先问清、再说用途、再定格式，三件事连着用效果好。
把三件事拼成一个通用开头
综合起来可以固定成一段模板放在提示词开头：
我的任务是：〔你要做的决定或产出的东西〕
给回答的规则：
1. 信息不够就先问我最多 3 个问题，别猜
2. 不确定的直接标注「不确定」，不要编
3. 输出用〔表格/一行结论/清单〕，每条不超过一句
4. 我使用的场景是：〔真实使用场景，一句话〕
这个开头不是万能的。写代码、写翻译这类任务，规则里只有第 2 条有用；但「帮我整理、帮我对比、帮我推荐」这类开放式任务，四条全都管用。
别把规则写过头
加一句现实提醒。规则条数超过 5 条、或者每条都写得又长又细，模型有时会「为了完全符合格式」牺牲内容质量：回答变得干瘪，每条一句话，信息量反而下降。我的经验是三条左右最稳，最多四条。
最后，这些写法都是提示词层面的修补，不改变模型本身的能力上限。它能让「可用回答」的比例从六成提到八九成，但真要稳定的高质量产出，该自己读的资料还是得自己读。
其它提示词写的文章：让 AI 先问你 3 个问题（文内链接）、API 花费怎么算（文内链接）。有问题留言。