「模型能读懂言外之意」错在哪？

让大模型写一段欢迎语，没说给谁看，它就写得四平八稳；你说怎么这么老套，它才恍然补上年轻化风格——很多人到这里才意识到，自己一直默认模型该懂的那些事，其实从没说过。

为什么大家会这么想

这个误会来源很自然：和人沟通时，我们习惯了大量信息靠语境传递。同事知道你们部门的规矩，朋友记得你上次的偏好，很多话不用说全。AI对话的界面也长得像聊天，更容易让人套用面对面交流的预期，把模型当成一个消息灵通的同事。

但模型的处境和人不同：它没有你们公司的背景，没有上一周的谈话记忆（除非写在上下文里），每次对话开始时，它知道的只有提示里写的那些。你觉得不言自明的东西，在它那里等于不存在。

错在哪：省略的字补不回来

错误的核心是信息层面的问题，不是理解力的问题。模型不是读不懂言外之意，是言外之意根本没进入它的输入；模型只能基于给到的文字推理，缺的信息它会自行假设一个来填，假设的方向你控制不了。这就是为什么省略背景的输出总是差那么一点——差的正是你假设了、它却没收到的那部分。打个比方：提示词像考试前的叮嘱，叮嘱得再细，也改不了考生脑子里装了什么；考生不知道的题，还是会按自己的理解填。

更值得注意的是，自行假设不只会偏，还会引发连锁问题：模型为了补缺口编造细节，输出里就掺进了不存在的内容，这是幻觉的一个常见入口，两件事的关系在「提示词能治好幻觉」错在哪？一次讲明白里还会再碰到。

正确说法：把隐含信息写显式

正确做法只有一个方向：凡是影响判断的背景，写进提示。读者是谁、用途是什么、之前为什么不满意、有哪些默认规矩，这些在你脑子里的话，搬到纸面上。写的时候有个换位自查：假装自己是个刚入职、只拿到这段文字的人，能不能做出和预期一致的选择。不能的地方，就是要补的地方。

有人担心写背景太啰嗦。实际上背景信息的信息密度很高，两三句就能定调，比起省略之后来回返工，成本低得多。至于认为写得越多越好、用术语和套话填满篇幅的做法，是另一个极端，见「堆专业术语效果就好」错在哪？

三个典型的翻车点

第一处是读者，没说给谁看，输出就落在最大公约数上，谁看都觉得隔一层。第二处是用途，没说用来干什么，详略和侧重就只能猜，写演讲稿和写内部备忘是两种详略。第三处是偏好，你上次嫌太啰嗦、嫌标题太长，这些反馈不说，下次照犯。三处共同点都是你以为它知道。三处翻车点有个共同的快捷修法：每次返工时，把你说出口的那句追问直接固化进提示，比下次再口头重复一遍可靠得多。

三处翻车点各补一句什么，对照着看：

顺带说一句关联误区：有人因此觉得是不是存在一条提前写好所有背景的万能提示，一劳永逸，「存在万能提示词」错在哪？别再混淆了已经拆过这个念头；从别人那里复制来的提示之所以水土不服，也常是缺了你这里的背景，见「复制别人的提示词就好用」错在哪？

自查清单：背景写显了吗

• 读者是谁、用途是什么，各用一句话写明
• 上次的反馈和要求，别留在记忆里
• 行业默认规矩，写一句胜过赌一次
• 你不说，它就不算数。

关于言外之意再多问三句

• 上下文越长，模型越能领会吗？：不是越长越好，是越相关越好。三句切中要害的背景，胜过十段无关铺垫。
• 追问着补背景，和一开始写全，效果一样吗？：结果可能接近，但过程多花几轮，而且中途补的背景可能和前文打架，一次写全更稳。
• 它记不住我说过的偏好吗？：单次对话内记得，跨对话不保证。重要偏好每次写进提示，或存成模板复用。