什么是肯定式指令？说「要什么」更有效

让 AI 别啰嗦，它有时偏偏更啰嗦；叮嘱「不要写错别字」，错误反而冒头。肯定式指令说的就是这现象的解法：与其罗列一串「不要什么」，不如直接说清「要什么」——把目标行为正面写出来，模型照着做的成功率更高。

一串「不要」为什么容易失灵

模型理解指令靠激活相关概念。你写「不要用感叹号」，「感叹号」这个词本身已经把概念送进了它的视野，生成时反而更容易带出来——负面词吊起了它对这件事的注意。在豆包、通义千问上做个小对比：一条提示写「别太长」，另一条写「每段不超过两句」，后者明显更稳。

判断：负面清单可以留，但每一条旁边都补上正面的替代说法。

肯定式写法长什么样

把「不要写太长」换成「每条回答控制在三句以内」；把「不要跑题」换成「只讨论提示词写作这一个主题」；把「别用生僻词」换成「用中学生能看懂的日常词汇」。规律是：先说目标，再说可衡量的边界。模型有了清晰的靶子，执行就不靠猜。

改写时有个顺手的小技巧：写完一串「不要」，逐条问自己「那我到底要什么」，把答案写进正面指令里，原来的禁令降级为兜底。这样改完的提示词，正面目标占主体，禁令只剩真正不可让步的红线，整体语气也更干脆，模型读起来目标更集中。

类比：给新司机指路

对新司机喊「别压实线、别急刹、别看手机」，他反而手忙脚乱；说「保持车道中间、匀速四十、看前方路牌」，动作立刻有着落。人如此，模型也如此——给它可执行的正向描述，比给它一串禁令管用。

再补一个对照：给老司机和新司机指路，详略天然不同。模型也一样——同一类任务你反复做，它摸熟了路数，指令可以从简；全新任务上，它缺上下文，正面指令就得写细。肯定式不是一套固定密度的写法，跟着任务的陌生程度调节详略。

另外，肯定式写法读起来更顺，对人也友好。团队共用一份提示词模板时，正面目标清晰的版本，新同事接手就能看懂每条要求的用意；满纸「不要」的版本，读半天也拼不出完整的目标画像。写给人看的部分，同样值得善待，这也是肯定式的隐性好处。

老司机凭经验，模型全靠文字描述

老司机不需要那么多正面指令，凭经验就能开稳；模型没有你的经验，全靠文字描述。另外，有些场合负面要求不可替代——「不得出现真实姓名」这类硬红线，直说禁止最清楚。所以肯定式是主力，禁令是补充，两条腿走路。

示例怎么挑配合正面指令，见什么是示例的多样性？覆盖不同情况；要求打架时的裁决看什么是指令优先级？冲突时听谁的；话说多细见什么是指令的具体性？越具体越稳；改版记录靠什么是提示词的版本管理？改到第几版；改完先验证的方法在什么是提示词测试？改之前先试，看完就会判断。

肯定式改写对照表

• 「不要太啰嗦」→「每条不超过两句」。
• 「别跑题」→「只围绕提示词写作作答」。
• 「别用难词」→「用日常词汇，中学生能懂」。
• 红线类禁令保留，旁边补正面说法。

给靶子比给禁令有效，模型照着「要什么」出活。

关于肯定式指令再多问三句

• 禁令要全删吗？：不删。安全红线和硬性排除保留，只是别让禁令成为唯一的表达方式。
• 肯定式有时也失灵？：多半是目标本身太模糊，把「写好一点」这类说法换成可衡量的边界再看。
• 两种写法能混在一条里吗？：能。先写正面目标，再用禁令兜底，顺序别颠倒。