01「ChatGPT负面提示词」到底在问什么
「ChatGPT负面提示词」这类词，搜索的人和真正需要的人往往不是同一批。先分清你要的是了解，还是马上用。这一类任务里，缺的通常是背景和验收标准，不是句子本身。
先把问题拆成两层：你要的是了解这个概念，还是要马上产出一个能交的东西。前者看解释就够，后者必须动手跑一遍。
下面这份内容按「示例 → 字段 → 场景 → 错误 → 验收」排，你可以从任意一节开始看；如果只想马上用，直接跳到第二节复制那段提示词。
负面词是给结果划边界的。「ChatGPT负面提示词」这类内容要分清两种情况：一种是你真的不想要，一种是平台不允许，两者的处理方式不一样。
前者直接列进约束，后者的边界随平台规则变化，靠提示词保证不了，发布前还是要按现行规范自查一遍。
02三种写法，差别在哪
三种写法放在一起对比，最容易看出问题：多数人卡在第一行，以为多写几句客套话就叫说清楚了。
| 常见写法 | 为什么效果差 | 改成这样 |
|---|---|---|
| 「哪个模型写ChatGPT负面提示词更好」 | 得到主观排序，和你的任务无关 | 「用下面这段完全相同的输入，分别在两个模型上跑，比较格式遵守度」 |
| 「换个模型重写一遍」 | 不知道变好是因为模型还是因为重写 | 「保持输入完全一致，只换模型，其余不变」 |
| 「ChatGPT负面提示词在xx模型上不行」 | 结论来自单次失败，可能是偶然 | 「同一输入跑三次，看失败是否稳定复现」 |
03一条能直接用的示例
这段可以直接复制。把【】和括号里的内容换成你的情况，其余不用改；如果只有一分钟，改前两行就够跑起来。
你是日常同时使用多个大模型的从业者。
【任务】说明「ChatGPT负面提示词」这类写法在具体模型上的差异，以及怎么调整。
【要求】指出至少两处不同模型表现不一致的地方，并给对应改法。
【约束】不确定的地方写「需要实测」，不要编造版本差异。
【格式】先结论，再分点说明差异，最后给一段通用写法。04要加强版就加这两步
加强版的关键不在更长，而在多了「自检」这一步。让它在输出后指出自己哪里没把握，比你事后逐句核对快得多。
你是做多模型横向评测的人，需要用同一任务对比「ChatGPT负面提示词」在不同模型上的表现。
【任务】设计一个可复现的对比方案。
【要求】
1. 固定任务描述，逐字相同，只改变模型；
2. 列出三个观察维度（例如：是否遵守格式、是否编造、长文稳定性）；
3. 每个维度给一个可打分的标准，三档即可；
4. 说明这个对比在什么条件下结论会失效。
【约束】不比较价格；不使用「更聪明」这类无法测量的词；结论必须基于输出本身。
【格式】先方案，再表格，最后一段局限说明。05字段怎么填
六行里前三行是必须的，后三行决定输出能不能直接用。刚开始可以只填前三行，跑通之后再逐行补。
| 字段 | 怎么写 | 常见反例 |
|---|---|---|
| 指令强度 | 有的模型很吃「必须」「禁止」，有的反而变差 | 一套写法套所有模型 |
| 上下文 | 长文档理解能力差异明显 | 以为都能读完整篇 |
| 格式服从 | 结构化输出（JSON/表格）稳定性不同 | 假设一定按格式给 |
| 任务固定 | 同一段话复制到不同模型，不改一个字 | 每个模型换一种问法 |
| 观察维度 | 格式遵守、事实准确、长度控制 | 「哪个更好」 |
| 记录方式 | 把输出原文留存，方便回看对比 | 只看一眼就下结论 |
06换场景，侧重就不一样
同一个词，用在不同场合要调的地方不同。下面四种场景覆盖多数情况，按你实际的场合挑一行看就行。
| 场景 | 这种场合下要侧重什么 |
|---|---|
| 选型阶段 | 用你真实的高频任务做对比，别用通用题 |
| 日常使用 | 固定一个主力模型，减少切换带来的变量 |
| 长文任务 | 重点看后半段是否跑题，这是分水岭 |
| 格式要求高 | 重点看是否严格遵守结构，而非内容好坏 |
07六个常见错误
- 把一个模型上调好的提示词直接搬到另一个，效果断崖式下降。
- 忽略版本差异，用去年的经验判断今年的模型。
- 以为模型越新越不需要写清楚，其实只是容错高了一点。
- 不记录用了哪个模型，出问题无法定位。
- 每个模型用不同问法，比出来的差异其实是问法的差异。
- 只看一次输出就判定强弱，忽略了随机性。
08怎么判断这次输出能不能用
判断标准要能自检，不能靠感觉。下面四条都是你自己就能确认的，不需要别人帮忙看。
09三个让它更稳的做法
10三种不满，三种改法
不满意通常只有三种来源：信息不够、格式没定、边界没说。对着症状改，比重新想一遍快。
| 你现在的感觉 | 该动哪一行 | 改完会怎样 |
|---|---|---|
| 老是先解释概念，我要结论 | 任务行开头加「不要解释原理，直接给结论」 | 省掉三分之一的铺垫 |
| 太啰嗦，全是过渡句 | 约束行加「删掉所有过渡句和总结段」 | 篇幅砍掉两成，信息量不变 |
| 让它改，越改越偏 | 一次只提一个问题，别把五条意见一起丢回去 | 能看出是哪一句起了作用 |
11换个模型，要调什么
同一段话换个模型结果会变，不是模型随机，是各家对「简洁」「专业」的默认理解不同。下面这几种差异最常碰到。
| 模型 | 常见差异 | 调整一处 |
|---|---|---|
| Stable Diffusion | 负面词和权重是主要把手 | 负面词单列一段，别和正向混在一起 |
| 即梦 | 画面描述吃细节，镜头词有效 | 把氛围词换成具体光源、角度、焦段 |
| 通义千问 | 长文档处理稳，容易顺着你的话走 | 约束行写「不同意的地方直接说，别迎合」 |
| 豆包 | 口语化，短内容出得快 | 先用它出草稿，再交给长文模型润 |
12从空白到能交：五步走完
第一次走完大约二十分钟，之后同类任务只需要三分钟，因为结构已经固定了。
- 把需求拆成「必须」和「加分」两列，先只写必须的。
- 定格式：段落数、每段字数、要不要小标题。
- 加一条禁用项，通常是「不要客套话」或「不要总结」。
- 先要骨架，确认结构对了再让它填内容。
- 把跑通的那版存下来，下次同类任务只替换主体信息。
13常被追问的四件事
如果只想看一条，看第三条：多数人的问题不在写法，在于没想清交付物长什么样。
不需要。把跑通的那版存下来，下次只替换主体信息。变化的是内容，不是结构。
会。字数上限和「详细展开」经常打架，所以优先级要写出来：先满足字数，再谈细节。
各家对「简洁」「专业」的默认理解不同。把要求写成能检验的条件，比如字数、段落数、禁用词，差异会小很多。
要。存的时候连适用场景和已知失效情况一起写，否则三个月后你不敢用。
14这套写法什么时候不管用
下面几种情况下，问题不在提示词本身，换个工具或换个流程更实际。
| 情况 | 为什么不管用 |
|---|---|
| 一次要处理上百条 | 单条提示词解决不了批量问题，你需要的是模板加表格批量跑，或者写脚本调接口。 |
| 输出要承担法律责任 | 合同、诉状、申报材料这类内容，写法只能帮你把结构理清，条款和口径必须由执业人员核。 |
| 要求绝对一致的品牌语气 | 语气这种要长期校准的东西，一段提示词只能接近。真正有效的做法是给样本，然后逐句改。 |
FAQ常见问题
「ChatGPT负面提示词」在不同模型上效果一样吗？
不一样。指令强度、上下文长度、格式服从度都不同。同一段提示词建议在两个模型上各跑一次再定稿。
换模型后提示词要重写吗？
多数情况只需调两处：把模糊的约束改成明确数字，把长背景压缩到关键信息。不需要整体重写。
新模型是不是不用写那么细？
容错高了，但「说清楚要什么」这件事不会消失。省下的是措辞，不是信息。
不同模型要改写法吗？
大体结构不用改，但格式要求的严格程度要调。有的模型对结构指令很敏感，有的需要把格式放到最后再强调一遍。
为什么同一个提示词结果差别很大？
常见三种原因：输入信息量不足、要求之间互相冲突、任务本身有随机性。先排除前两个，再看第三个。
需要每个模型都试一遍吗？
不必。选一个主力，遇到明确的失败模式再换。频繁切换会让你无法判断问题出在哪。
→同类关键词
同一类需求换个说法，答案的侧重也不同。下面这些词的写法可以直接套用。