01「ChatGPT颁奖词提示词」到底在问什么
看到「ChatGPT颁奖词提示词」这一页，说明你已经在一个具体问题上了。下面尽量少讲道理，多给能直接试的东西。模型适配的问题通常不复杂，复杂的是没人把要求说完整。
先把产出形态定下来，再往里填内容。反过来做，通常要推倒重来。
这一页的写法适用于大多数通用模型，不需要特定工具。真正的差别不在模型，而在你给的信息够不够。
「ChatGPT颁奖词提示词」这个词本身信息不多，能确定的只有方向。真正决定结果的是你自己补进去的那几项：给谁用、什么场合、多长、不能出现什么。
如果一时说不清，就用最笨的办法：先写一版，把最不满意的地方圈出来，再回去改对应的那一行。改两轮通常就够。
02三种写法，差别在哪
同一件事，写法不同结果差很远。下面把「为什么没用」和「改成这样」并排放，方便直接对照修改。
| 常见写法 | 为什么效果差 | 改成这样 |
|---|---|---|
| 「哪个模型写ChatGPT颁奖词提示词更好」 | 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颁奖词提示词在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
下面是完整版，字段齐全。第一次用建议原样跑一遍看效果，再逐项替换成自己的信息，这样能看出每个字段的作用。
你是日常同时使用多个大模型的从业者。
【任务】说明「ChatGPT颁奖词提示词」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颁奖词提示词」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
字段不用一次填满。先填任务和格式，看结果差在哪，再回头补对应那一行，效率比一次写全高。
| 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
验收比写作更值得花时间。四条里只要有两条不过，与其修补，不如换个写法重来一次。
09三个让它更稳的做法
10三种不满，三种改法
下面这张表反过来用：先说你哪里不满意，再找对应的那一行去改。比从第一条要求往下读快。
| 你现在的感觉 | 该动哪一行 | 改完会怎样 |
|---|---|---|
| 结构每次都换 | 格式行用编号列出你要的段落顺序 | 骨架固定，只换内容 |
| 语气不像我们自己的 | 背景行贴一段你自己写过的样本，注明「照这个语气」 | 措辞向你靠，不向平均值靠 |
| 换了五版都不满意 | 停下，把要求压成六行，逐行确认一遍再重来 | 多数时候是缺信息，不是模型不行 |
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 |
|---|---|---|
| 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」 |
| 智谱清言 | 结构化好，爱用「首先、其次」 | 格式行禁掉序号词，改成短句并列 |
| 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 |
| Kimi | 读长材料强，摘要准 | 把原文整段贴进去，先让它摘录再动笔 |
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。
- 先用一句话写清交付物：谁在什么场合用它。这一句写不出来，后面都是白做。
- 把背景压成三行：现状、限制、已经试过什么。
- 在示例里找最接近的一条，只改主体和数字，其余先不动。
- 跑一遍，只盯着最不满意的那个点，回字段表改对应那一行。
- 定稿前用验收标准过一遍，两条不过就换写法重来，别修补。
13常被追问的四件事
下面四个问题出现频率最高，答案都不长，但能省掉不少弯路。
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。
事实、数字、引用、法规条款必须自己核；表达可以直接用。涉及合同、医疗、法律的内容，只当草稿。
够用就行。日常任务八十到一百五十字；涉及格式、口径、禁用项时到三百字；超过五百字通常说明你在替模型做它该做的事。
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。
14这套写法什么时候不管用
任何方法都有失效场景。这几条不属于「再调调就好」，而是要换一种做法。
| 情况 | 为什么不管用 |
|---|---|
| 任务本身还没想清 | 你自己还没决定要什么的时候，写再多提示词也只是把模糊往后推一步。先定交付物。 |
| 要求可复现的打分或判断 | 同一份输入两次结果不同是常态。需要稳定判断，就把标准写成清单逐项打分，别让它自由发挥。 |
| 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。 |
FAQ常见问题
「ChatGPT颁奖词提示词」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
如果这一页没有完全对上你的问题，下面几个词的写法更接近你要的场景。