「提示词越长效果越好」错在哪？边际递减

AI 生图、生视频的讨论区里，流传很广的一条经验是：提示词写得越长，效果越好——想画面丰富就多堆形容词，怕模型理解偏就多解释几句。这条经验抓住了一半事实：信息太少确实容易跑偏，但它把「信息多」和「字数多」划了等号。这篇按误区文的惯例，先把三种常见说法原样摆出来，再逐条对照看差在哪，最后给出一个更实用的衡量标准：关键信息的密度；提示词里写进镜头与运动之后还有什么新变量，见视频提示词与图片提示词一篇。

说法一：写得越细，模型理解越不容易跑偏

第一种说法把提示词当成说明书，觉得解释得越周到，模型执行得越准。对照看，模型读提示词的方式与人的阅读不同：它要把每个词都翻译成对画面的影响，字数多了，注意力就摊薄了。一句提示词里，真正决定成败的往往只有几个词——主体是什么、什么风格、什么视角；围绕这三个点，每个多余的词都在分走权重。更麻烦的是冗余会互相稀释：同义形容词连用三个，「宁静的、安详的、静谧的清晨」，模型不会把三种理解叠加，只会在它们之间取平均，画面反而更含糊。写得细的正确姿势是细在要害上：主体的关键特征、画面想强调的那一处信息，写准一个词胜过铺开十个近义词。

说法二：长提示词能覆盖更多可能

第二种说法把提示词当成保险单：多写几条要求，总有一条生效。对照看，模型不会从一堆要求里挑出合适的那条执行，它会把所有要求同时压进一次生成里，彼此牵制。要求越多，单个要求被满足的程度越低——想要暖色调又想要冷峻感，想要细节丰富又想要画面简洁，两相冲突的描述放在一起，结果常常两头都不沾。这里还有一条边际递减的规律：开头几十个字贡献了绝大部分信息量，主体、风格、构图交代完之后，再往后每加一句，新增的信息越来越少，占用的注意力却一样多。信息量的曲线先陡后平，字数的成本却线性上涨，划算的写法停在曲线变平之前，不必把句子抻到最长。

说法三：高手都用长提示词

第三种说法拿别人的成果当证据：社区里效果惊艳的图，配的提示词常常一大段。对照看，长度多是从结构化来的副产品，并非效果的原因。熟练使用者的长提示词是分层的：主体一段、风格一段、镜头与光线一段、参数后缀一段，层层信息各占其位，没有同义反复；把它抄成一段无结构的堆砌，长度一样，密度差得很远。模型面对无结构的长句，抓主次的能力也有限——主体淹没在修饰词里，画面重心就会漂移。所以模仿别人的「长」没有意义，要学的是那份「结构」：每句话都在提供新信息，每个位置都各司其职。镜头与光线那几段该怎么写，具体词汇的画面对照见运镜术语一篇。

对照之后：把提示词写「密」，别只写「长」

三种说法对照下来，误区共同的根子是把字数当成了投入量，把画面质量当成了产出，而两头真正对得上号的变量是信息密度。落到操作上就是几个删减动作：同义形容词留一个最准的；与主体无关的氛围铺陈能删就删；负面提示词同样写少而准，列出真正怕出现的几样，别把整本顾虑清单搬进来。迭代比堆砌更有效：先用一句核心提示词生成一版，哪里不满意再加哪个词，每次只动一处，才能看清每个词的贡献。想体会这个差别，可以让 DeepSeek 把同一段长提示词整理成「完整版、删同义版、一句话版」三档，再用豆包各生成一组图对照——多数情况下，画面质量的分水岭出现在删掉冗余之后，而非加长之后。写进提示词的镜头语言为什么能被模型读懂，见镜头语义一篇。

提示词长度误区速查

• 起作用的是关键信息密度，字数只是载体
• 同义词连用互相稀释，冲突的要求两头不沾
• 信息量先陡后平，字数成本线性上涨
• 长提示词的优势来自结构分层，堆砌同长度无用
• 迭代加词优于一次堆满：先核心句，再逐处补

关于提示词长度的常见疑问

• 提示词短就一定吃亏吗？：短与差没有必然关系，关键看这一句里装了多少有效信息。主体、风格、视角都交代清楚的一句话，效果常常胜过一段铺陈；信息不够时再补，比先写长再删省力。
• 负面提示词也要控制长度吗？：同样讲密度：列出真正怕出现的几项即可。把无关项也塞进去会摊薄注意力，个别情况下还会误伤本想保留的内容。
• 不同模型对长度的敏感度一样吗？：不一样。各家的文本编码器与训练数据不同，对长句的容忍度有差异；但冗余稀释注意力是机制层面的共性，换模型也绕不开，具体偏好以各产品文档为准。