为什么"说不要"比"说要"性价比更高
先看一个典型场景——你让模型"写一段产品介绍"：
只写了正例要求的 Prompt：
写一段50字以内的产品介绍，突出轻巧和长续航。
模型输出了：
"本产品重量仅280g，轻巧便携，拥有超长续航时间可达48小时，行业领先，业界第一，是您最好的选择，立即购买不要犹豫！"
问题在哪？它加了"业界第一""最好的选择""立即购买"这些广告词法——可能违反广告法、可能和公司语气不符，但你没说不让它加。模型是这样想的："介绍产品嘛，加点口号挺正常的"。
这就是反例约束的价值：正例要求只能覆盖你想到的50%，反例约束能额外卡住你知道的80%坑。写10条正例要求的效果，往往不如加3条精准的反例约束。
反例约束的四种典型写法
1. 禁词清单：最便宜但最有效的防线
适用于你知道哪些词/表达绝对不能出现的场景。
| 场景 | 禁词清单示例 |
|---|---|
| 广告文案合规 | 第一/最佳/最顶级/唯一/国家级/世界级 |
| 代码生成 | TODO/FIXME/xxx占位符/console.log调试输出 |
| 邮件沟通 | 必须/不得不/你必须/赶紧/立即 |
| 翻译润色 | 翻译腔：众所周知/不言而喻/我们可以说 |
| 学术写作 | 非常/很/真的/超级/超级无敌/极其 |
写法要点：把禁词用粗体或代码格式标出，并说明禁的原因会更稳——
- 绝对禁止出现「第一、最佳、唯一、顶级」等《广告法》明令禁止的绝对化用语
- 禁止出现任何
console.log调试语句，即使注释掉也不行- 禁止使用"众所周知"这种翻译腔套话，直接说事实
2. 错误样板：给模型看它不该学的样子
适用于模型容易模仿但你不想要的风格/结构/格式。之前结构化输出JSON的反例写法就是典型：
反例（以下都是错误输出，禁止模仿）：
- 错误：
\``json\n{...}\n```` （带代码围栏）- 错误：好的，这是结果：
{...}（带前言）- 错误：
{'a':1}（单引号）
为什么错误样板比单纯说"不要带前言"管用？因为模型擅长从样本学习，而不是从抽象规则学习。给它看一个"坏样子"，它会在生成时拿自己的输出与之对比，从而主动避开。
写法要点：
- 错误样板要具体、可对比，不要笼统说"不要太啰嗦"
- 每条反例后加括号说明"哪里错了"，让模型明白错误的本质
- 2-4条反例足够，多了反而占用上下文、可能被模型反向学习
3. 边界红线：定义"宁可不要也不要"的禁区
适用于有法律、合规、安全、隐私风险的场景。这种反例的语气要重，让模型知道这是硬规则：
边界红线（触碰任一即输出无效，宁可不输出也不要碰）
- 绝对不要编造公司未公开的财务数据、用户数、融资信息，信息不足就写"信息未公开"，不要猜
- 绝对不要在输出中包含任何个人身份证号、手机号、邮箱、地址等PII
- 绝对不要给出医疗诊断、用药建议、法律意见，明确写"请咨询专业人士"
- 涉及代码片段时，绝对不要输出可能执行删除文件、清空数据库的危险操作
边界红线和禁词清单的区别：禁词清单是"词/表达层面"的禁止，边界红线是"内容/决策层面"的禁止。宁可输出不完整、不充分，也不要输出越红线的内容。
4. 对比对撞：区分容易混淆的两个概念
模型最容易翻车的场景之一就是混淆两个相近但不同的东西。比如：
- 你要写的是「产品规格参数」，而不是「营销软文」——前者要客观数据，后者要情绪价值
- 你要做的是「Bug修复」，而不是「功能重构」——前者只改导致错误的最少代码，后者可以大规模改结构
- 你生成的是「会议纪要」，而不是「会议记录全文」——前者只保留决议和待办，后者逐字保留
对撞写法的格式是"是 A，而不是 B"，把两个概念放一起，模型在生成时会持续做"我现在写的更像A还是更像B"的自我判断，混淆率能下降约40%-60%。
黄金比例：正例/反例大概写多少
经验数据（综合GPT-4o / Claude 3.5 / Qwen3.8实测）：
| Prompt总长度 | 正例要求条数 | 反例约束条数 | 比例 |
|---|---|---|---|
| < 200字（简单任务） | 2-3条 | 1-2条 | 2:1 |
| 200-800字（常规任务） | 4-6条 | 2-4条 | 3:2 |
| 800字+（复杂输出） | 6-10条 | 3-5条 | 2:1 |
三条心法：
- 反例不要超过正例的80%：反例写太多模型会"缩手缩脚"，输出变得干巴巴、缺乏创造力
- 反例优先写高概率坑：你之前被模型坑过的、踩过N次的雷放前面，新的假设性坑先别塞
- 每条反例只禁一件事：不要写"不要啰嗦也不要太简短还不要用专业术语"——拆成三条
常见误区
❌ 误区一：反例写得太抽象
错误写法："不要写得太差" / "内容要专业" ✅ 正确写法："禁止使用'就是说''谁懂啊''咱就是说'这类口语化网络词；禁止一段超过4行不换段；禁止只有观点没有数据支撑"
❌ 误区二：用否定句堆叠但没有正例锚点
只有反例没有正例，模型不知道你到底要什么，结果是输出越来越保守但也越来越空洞。反例永远是正例的补充，不是替代。
❌ 误区三：过度约束导致"模型不敢说话"
如果写了15条反例，模型会启动"安全模式"——大量输出"根据已有信息无法判断""需要更多上下文"。这种情况下要么删掉低价值的反例，要么明确说"在不触碰反例的前提下大胆判断"。
❌ 误区四：反例写在Prompt末尾被截断
长Prompt下如果反例写在最后，可能被上下文截断。建议的顺序是：角色 → 正例要求 → 反例约束 → 输入 → 输出格式。反例约束放在中间偏前的位置最稳。
实战测试：加不加反例的输出对比
以"写一条社媒招聘文案"为例：
| 维度 | 只加正例要求 | 正例 + 3条反例约束 |
|---|---|---|
| 典型输出 | "**[行业第一]**的公司诚聘英才，你还在等什么？ 丰厚薪资、顶级团队，错过再等一年！ 速投简历" | "我们正在寻找中级前端工程师，技术栈 Vue3 + TS，团队10人氛围宽松，年度预算充足。感兴趣的朋友可以私信了解详情。" |
| 广告法风险 | 高（含"第一""顶级""错过再等一年"） | 无 |
| 语气 | 过度营销感，不够真诚 | 平实真诚，符合技术人群偏好 |
| 改写耗时 | 人审需要改3处以上 | 几乎可直接发 |
加反例约束的成本是Prompt多写了50字，但人审成本从"改半天"降到"扫一眼"，对于批量生产的内容团队，这是ROI极高的Prompt优化。
最后记住一句话：正例决定下限，反例决定上限。你想让模型的输出质量稳定在什么水平，取决于你有没有把它之前踩过的坑——一条条列出来，让它"下次别再犯"。