如何避免AI胡言乱语和长篇大论 | only prompt

最近经常被Codex “看不懂的胡言乱语” 以及 “看不完的长篇大论” 困扰。

LLM 根据上下文预测下一个 token，擅长生成一句流畅、合理的话，但不能天生保证这句话有事实依据。信息缺失时，模型仍可能补出一个答案。如果没有明确限定回答范围、长度和表达方式，模型就有空间继续补充背景、举例、总结等等。

分享10条措施（仅提示词保证大家立刻能用）

1 直接给回复设置字数上限

“回复给我的最终结果不要超过 500 字”

简单直接，要比模糊的“简洁一点”更有效。

2 明确要Agent回答哪些问题

“直接说清楚目标、约束和规格”

这是我在技术方案讨论中提过的要求。先把这些讲清楚，我才能进行决策和判断。背景知识和实现细节，可以在需要时展开。

3 删除转折并直接表达

经典 “不是……而是……” 的问题

4 不要在streaming中进行输出和沟通

模型一般默认在streaming中沟通任务过程，如果你不在盯着这个工作随时准备接手，那么这部分token完全是在浪费。

5 创建 Markdown 文件通过文档与我沟通

通常一个任务前前后后只需要读写这个文档了，避免翻找铺在chat里面的各个细节和历史。同时方便我直接进行评论和修改，修改的内容可以直接作为下一轮的输入，直接改变chat的协作方式。

6 沿用已经确认的内容并保留我的修改

有些时候我会handson写点东西，跟AI协作的时候必须让他知道我同时也会改，并且不要擅自改已经改好的内容。

7 不要替我发明观点

非常非常非常重要，迄今为止没发现AI能表达出什么good idea，工作上平平无奇。

8 区分事实、推断、他人的声称和未来设想

让任何文字在工作中具有状态，区分“做没做”和“是不是”非常重要。

9 告诉我推理过程中没有信心的地方

我认为模型能够清楚地知道在推理过程中，哪些部分缺少信息，直接找到相应联系和概率不够地方，可能存在风险或者幻觉。

10 找到真实的运行记录和执行过程

这是我在评估Agent工作质量，定位问题时候的要求。