【人工智能】提示词技巧：用“否定指令”避免大模型输出特定内容
摘要：本文详细解析了如何通过"否定指令"精准控制大模型输出内容，避免信息冗余、偏离需求或出现敏感内容。文章首先阐述了否定指令的核心价值，包括三个关键认知：1）否定指令是排除特定内容而非完全禁止领域；2）需具体明确避免模糊表述；3）必须配合正向需求使用。随后提供四大编写技巧：按内容类型、格式/风格、敏感/风险内容、冗余/重复内容分类排除。针对8大高频场景（如电商文案、代码示例、会
1. 引言：为什么需要 “否定指令”？
在使用大模型（如 ChatGPT、文心一言、通义千问）生成内容时，你是否遇到过这些问题：
- 让大模型写 “电商产品介绍文案”，结果输出里包含大量无关的行业分析，偏离核心需求；
- 要求生成 “Python 基础语法代码示例”，大模型却附带了复杂的框架使用教程，新手难以理解；
- 想获取 “简洁的问题解决方案”，得到的回答冗长啰嗦，包含重复的解释内容；
- 生成 “企业内部报告” 时，大模型意外输出了公开的竞品敏感数据，存在信息安全风险。
这些问题的根源，在于大模型默认会 “尽可能全面地覆盖相关内容”，但往往会超出你需要的范围，甚至包含无关、冗余、敏感的信息。而 “否定指令” 就是解决这类问题的关键工具 —— 通过明确告诉大模型 “不要输出什么”，精准控制内容边界，让输出更贴合实际需求。
本文将从 “否定指令的核心价值”“适用场景”“编写技巧”“实战案例” 四个维度，详细讲解如何通过 “否定指令” 避免大模型输出特定内容，覆盖文案创作、代码生成、方案设计、信息查询等 8 大高频场景，帮你彻底解决 “大模型输出失控” 的问题。
2. 先搞懂：“否定指令” 的 3 个核心认知
在学习具体技巧前，需要先建立对 “否定指令” 的正确认知，避免因理解偏差导致使用效果不佳。
2.1 认知 1：“否定指令” 不是 “禁止所有相关内容”
2.1.1 核心含义：“否定指令” 的目的是 “排除不需要的特定内容”，而非 “完全禁止某个领域的内容”。例如，让大模型写 “手机产品介绍” 时，添加 “不要包含芯片技术的专业参数”，是排除 “复杂的技术参数”，但仍允许输出 “芯片型号、核心优势” 等基础信息。
2.1.2 错误示例：要求 “不要写任何关于手机性能的内容”，这会让大模型无法输出 “处理器、内存、续航” 等核心性能信息，导致产品介绍不完整；
2.1.3 正确示例：要求 “不要包含手机芯片的纳米制程、架构等专业参数，仅说明芯片型号和日常使用体验”，既排除了冗余的专业内容，又保留了用户关心的关键信息。
2.2 认知 2：“否定指令” 需要 “具体明确”，不能 “模糊笼统”
2.2.1 核心要求：大模型无法理解模糊的 “否定描述”，必须明确指出 “不要输出的具体内容类型、格式、范围”。例如，仅说 “不要写得太复杂”，大模型无法判断 “复杂” 的标准；而说 “不要使用专业术语，句子长度控制在 15 字以内”，则能精准控制输出难度。
2.2.2 错误示例：“不要输出多余的内容”“不要写得太长”，这类指令缺乏具体标准，大模型仍可能输出冗余内容；
2.2.3 正确示例：“不要包含与产品无关的行业趋势分析，回答长度控制在 500 字以内”“不要使用 Markdown 格式，仅用纯文本输出”，明确了排除的内容类型和格式要求。
2.3 认知 3：“否定指令” 需与 “正向需求” 配合使用
2.3.1 核心逻辑：单独的 “否定指令” 无法让大模型明确 “应该输出什么”，必须结合 “正向需求”（即 “你想要什么内容”），形成 “正向引导 + 反向排除” 的完整提示词。例如，仅说 “不要输出代码解释”，大模型不知道要输出什么；而说 “生成 Python 冒泡排序代码，不要输出代码解释，仅保留代码和关键注释”，则能让大模型精准生成目标内容。
2.3.2 示例结构：
正向需求：生成 “电商连衣裙产品介绍文案，突出款式、面料、适用场景”；
否定指令：“不要包含竞品对比、促销活动信息，不要使用‘最’‘顶级’等绝对化词汇”；
完整提示词：“生成电商连衣裙产品介绍文案，突出款式（A 字版型）、面料（纯棉）、适用场景（日常通勤、约会）。要求：不要包含竞品对比、促销活动信息，不要使用‘最’‘顶级’等绝对化词汇，文案长度 300 字左右。”
3. “否定指令” 的 4 个核心编写技巧
掌握以下 4 个技巧，能让 “否定指令” 更精准、更有效，避免大模型输出不需要的内容。
3.1 技巧 1：按 “内容类型” 明确排除 —— 避免无关内容
3.1.1 核心逻辑
根据内容的 “类型”（如行业分析、技术参数、竞品对比、历史背景等），明确排除不需要的类型，确保大模型聚焦核心需求。例如，写 “产品使用说明书” 时，排除 “产品研发历史、行业政策” 等无关类型；生成 “代码示例” 时，排除 “框架原理、底层实现” 等无关技术内容。
3.1.2 提示词模板
正向需求：生成[内容类型，如“产品使用说明书”“代码示例”“方案摘要”]，核心内容包含[核心点1，如“产品功能操作步骤”“Python循环代码”“方案目标和预算”]、[核心点2]。
否定指令：不要包含[无关内容类型1，如“产品研发历史”“框架原理”“行业政策分析”]、[无关内容类型2]，不要涉及[无关领域，如“竞品信息”“底层技术细节”]。
其他要求：[如“内容长度”“格式要求”]。
3.1.3 实战示例：生成 “家用咖啡机使用说明书”
3.1.3.1 提示词
正向需求：生成家用咖啡机（型号：CM-200）使用说明书，核心内容包含“开机步骤、咖啡制作流程（美式咖啡）、清洁方法”。
否定指令：不要包含“咖啡机的研发背景、生产工艺、市场价格对比”，不要涉及“其他咖啡品类（如拿铁、卡布奇诺）的制作方法”。
其他要求：步骤清晰，每个操作配1句简单说明，避免专业术语，适合新手阅读。
3.1.3.2 大模型输出结果（核心内容）
家用咖啡机（CM-200）使用说明书
一、开机步骤
- 连接电源：将电源线插入家用插座（220V），确保插头插紧；
- 打开开关：按下机身右侧的 “电源键”，指示灯变绿表示开机成功（约 30 秒预热）。
二、美式咖啡制作流程
- 加咖啡豆：打开顶部豆仓，倒入适量咖啡豆（建议一次加 50g，够做 2 杯），盖紧豆仓盖；
- 加纯净水：打开机身左侧水箱，倒入纯净水至 “MAX” 刻度线，不要超过上限；
- 选择模式：按下 “咖啡类型” 键，选择 “美式咖啡”（指示灯对应亮起）；
- 开始制作：按下 “开始键”，机器自动研磨咖啡豆并冲泡，咖啡会流入下方接杯处（建议使用 150ml 杯子）；
- 完成：制作完成后，机器会自动停止，取出杯子即可饮用。
三、清洁方法
- 清洁滤网：每次制作完成后，取出机身内部的滤网，用清水冲洗残留咖啡渣，晾干后放回；
- 清洁水箱：每周打开水箱，倒掉剩余水分，用清水冲洗水箱内部，避免水垢堆积；
- 外部清洁：用湿抹布擦拭机身外部，不要用酒精或腐蚀性清洁剂。
3.1.3.3 效果分析
大模型仅输出了 “开机、制作、清洁” 三个核心模块，未包含 “研发背景、生产工艺” 等无关内容，也未提及 “拿铁、卡布奇诺” 的制作方法，完全符合 “否定指令” 要求，内容聚焦且实用。
3.2 技巧 2：按 “格式 / 风格” 明确排除 —— 避免不符合要求的呈现形式
3.2.1 核心逻辑
根据内容的 “格式”（如 Markdown、表格、代码块）或 “风格”（如口语化、专业术语、冗长啰嗦），明确排除不需要的形式，确保输出符合使用场景。例如，生成 “企业内部邮件” 时，排除 “Markdown 标题、列表” 等格式；生成 “给老人的使用指南” 时，排除 “网络流行语、复杂术语” 等风格。
3.2.2 提示词模板
正向需求：生成[内容用途，如“企业内部邮件”“老人使用指南”“新手教程”]，核心信息包含[核心点1]、[核心点2]，目标受众是[如“公司员工”“60岁以上老人”“编程新手”]。
否定指令：不要使用[不符合格式，如“Markdown列表、表格”“代码块”]，不要采用[不符合风格，如“口语化表达、网络流行语”“专业术语、冗长句子”]，不要出现[格式错误，如“错别字、标点混乱”]。
其他要求：[如“内容结构”“字数范围”]。
3.2.3 实战示例：生成 “给 60 岁以上老人的智能手机微信视频通话指南”
3.2.3.1 提示词
正向需求：生成给60岁以上老人的智能手机微信视频通话指南，核心步骤包含“打开微信、找到联系人、发起视频通话、结束通话”，目标受众是不熟悉智能手机的老人。
否定指令：不要使用“APP”“图标”“弹窗”等专业术语（用“微信软件”“小图片”“弹出的小窗口”替代），不要使用Markdown列表、标题（用纯文字分段），不要出现长句子（每句不超过15字），不要包含“微信其他功能（如发朋友圈、转账）”的说明。
其他要求：步骤按“1、2、3”编号，每步配1句简单解释，语言亲切。
3.2.3.2 大模型输出结果（核心内容）
- 打开微信软件：在手机屏幕上找到绿色的微信小图片，用手指点一下，等软件打开。
- 找到要通话的人：打开微信后，点下方 “通讯录” 小图片，再找到要通话的人的名字，点一下名字。
- 发起视频通话：进入联系人页面后，点右上角的 “+” 号，再点 “视频通话” 小图片，等对方接电话。
- 结束通话：想挂电话时，点屏幕中间的红色 “挂断” 按钮，就可以结束通话了。
3.2.3.3 效果分析
大模型未使用 “APP、图标” 等术语，用 “微信软件、小图片” 替代；未使用 Markdown 格式，用纯文字分段；句子简短（每句不超过 15 字），且未提及 “发朋友圈、转账” 等无关功能，完全符合 “否定指令”，适合老人理解和操作。
3.3 技巧 3：按 “敏感 / 风险内容” 明确排除 —— 避免安全隐患
3.3.1 核心逻辑
在生成涉及 “企业信息、个人隐私、合规要求” 的内容时，明确排除 “敏感数据、违规信息、隐私内容”，避免泄露风险或违反规定。例如，生成 “企业方案” 时，排除 “未公开的财务数据、核心技术参数”；生成 “用户案例” 时，排除 “用户真实姓名、手机号、地址” 等隐私信息。
3.3.2 提示词模板
正向需求：生成[内容类型，如“企业项目方案”“用户案例分析”“行业报告”]，核心内容包含[核心点1，如“项目目标、实施步骤”“案例问题、解决方案”“行业规模、趋势”]、[核心点2]。
否定指令：不要包含[敏感数据，如“企业未公开的财务数据、核心技术参数”“用户真实姓名、手机号、地址”]，不要输出[违规内容，如“违反国家政策的建议”“虚假宣传话术”]，不要引用[未授权信息，如“竞品未公开的商业数据”“未发表的研究报告”]。
其他要求：[如“数据来源标注”“合规性说明”]。
3.3.3 实战示例：生成 “电商平台用户购物体验优化案例分析”
3.3.3.1 提示词
正向需求：生成电商平台用户购物体验优化案例分析，核心内容包含“优化前的问题（如页面加载慢、客服响应迟）、优化措施（如服务器升级、客服轮班制）、优化后的效果（如加载速度提升、投诉率下降）”。
否定指令：不要包含“用户真实姓名、手机号、订单编号”等隐私信息（用“用户A、用户B”替代），不要提及“平台未公开的交易额、利润”等财务数据，不要引用“竞品平台的具体优化方案和数据”。
其他要求：案例分析结构清晰，优化效果用“百分比”描述（如“加载速度提升30%”），避免模糊表述。
3.3.3.2 大模型输出结果（核心内容）
电商平台用户购物体验优化案例分析
一、优化前的核心问题
- 页面加载慢：用户反馈 “打开商品详情页需要 5-8 秒”，尤其在促销活动期间，加载失败率达 15%；
- 客服响应迟：用户咨询售后问题时，平均等待时间超过 10 分钟，部分用户因等待太久取消咨询（用户 A 反馈 “等了 15 分钟还没回复，只好放弃退款”）。
二、优化措施
- 服务器升级：新增 2 台云服务器，优化页面图片压缩算法，减少加载数据量；
- 客服轮班制：将客服团队分为 3 个班次（早 8 点 - 下午 4 点、下午 4 点 - 晚上 12 点、凌晨 0 点 - 早 8 点），确保 24 小时有人响应，同时增加 “智能客服” 预处理简单问题（如 “订单物流查询”）。
三、优化后的效果
- 页面加载速度：商品详情页加载时间从 5-8 秒缩短至 1-2 秒，加载失败率降至 2% 以下；
- 客服响应效率：平均等待时间从 10 分钟缩短至 3 分钟以内，用户投诉率下降 40%（用户 B 反馈 “这次咨询 2 分钟就得到回复，解决了问题”）。
3.3.3.3 效果分析
大模型用 “用户 A、用户 B” 替代真实用户信息，未提及 “平台交易额、利润” 等财务数据，也未引用竞品信息，完全符合 “否定指令”，既保证了案例的真实性，又避免了隐私泄露和合规风险。
3.4 技巧 4：按 “冗余 / 重复内容” 明确排除 —— 避免信息过载
3.4.1 核心逻辑
大模型默认会 “重复强调关键信息” 以确保内容全面，但往往导致冗余。通过 “否定指令” 排除 “重复解释、多余举例、无关拓展” 等内容，让输出更简洁、聚焦。例如，生成 “数学公式推导步骤” 时，排除 “重复的公式抄写、无关的例题”；生成 “问题解决方案” 时，排除 “重复的原因分析、多余的备选方案”。
3.4.2 提示词模板
正向需求：生成[内容类型，如“数学公式推导步骤”“问题解决方案”“知识点总结”]，核心内容包含[核心点1，如“公式推导的关键步骤”“解决方案的具体措施”“知识点的核心定义”]、[核心点2]。
否定指令：不要重复[重复内容，如“同一公式的多次抄写”“同一原因的反复分析”]，不要添加[多余内容，如“无关的例题、拓展知识点”“不需要的备选方案”]，不要出现[冗余表述，如“无意义的过渡句、重复的总结”]。
其他要求：[如“步骤简洁”“语言精炼”“字数控制”]。
3.4.3 实战示例：生成 “一元二次方程 ax²+bx+c=0（a≠0）求根公式推导步骤”
3.4.3.1 提示词
正向需求：生成一元二次方程ax²+bx+c=0（a≠0）求根公式推导步骤，核心内容包含“移项、配方、开方、整理”四个关键步骤，目标受众是初中学生。
否定指令：不要重复抄写“ax²+bx+c=0”这个原方程（仅在第一步写1次即可），不要添加“其他方程（如一次方程）的推导示例”，不要出现“冗余的过渡句（如‘接下来我们要进行下一步’）”，每个步骤仅保留“操作+公式”，避免复杂解释。
其他要求：步骤按“1、2、3、4”编号，公式用简单格式书写（如“x = [-b ± √(b²-4ac)]/(2a)”）。
3.4.3.2 大模型输出结果（核心内容）
- 移项：将常数项移到等号右边，得 “ax² + bx = -c”；
- 配方：方程两边同时除以 a，得 “x² + (b/a) x = -c/a”；再在两边加 “(b/(2a))²”，得 “x² + (b/a) x + (b/(2a))² = -c/a + (b/(2a))²”，左边化为完全平方形式 “(x + b/(2a))²”；
3. 开方：两边同时开平方，得 “x + b/(2a) = ±√(b²/(4a²) - c/a)”，化简右边根号内的式子（通分后）为 “√((b² - 4ac)/(4a²)) = √(b² - 4ac)/(2|a|)”，因 a≠0，可写为 “±√(b² - 4ac)/(2a)”；
4. 整理：将 “b/(2a)” 移到等号右边，得求根公式 “x = [-b ± √(b² - 4ac)]/(2a)”。
3.4.3.3 效果分析
大模型仅在第一步写了 1 次原方程，未重复抄写；未添加 “一次方程推导” 等无关示例；无冗余过渡句，每个步骤仅保留 “操作 + 公式”，完全符合 “否定指令” 要求，推导过程简洁清晰，适合初中学生理解，避免了信息过载。
4. 8 大高频场景实战案例：覆盖文案、代码、方案等核心需求
掌握 “否定指令” 的基础技巧后，下面结合日常工作学习中最常见的 8 个场景，给出针对性的提示词和大模型输出结果，你可以直接套用场景模板，快速控制大模型的输出内容。
4.1 场景 1：电商产品介绍文案（避免无关行业分析）
4.1.1 需求背景
需要生成 “无线蓝牙耳机” 的电商详情页文案，核心突出 “续航时间（单次 6 小时，总续航 30 小时）、降噪功能（主动降噪）、佩戴舒适度（半入耳式）”，目标受众是 “日常通勤用户”，避免包含 “耳机行业发展趋势、竞品参数对比” 等无关内容。
4.1.2 提示词
正向需求：生成无线蓝牙耳机的电商详情页文案，核心内容包含“续航时间（单次6小时，总续航30小时）、主动降噪功能（适用通勤场景）、半入耳式佩戴舒适度（久戴不痛）”，目标受众是日常通勤用户，文案风格亲切，突出使用场景。否定指令：不要包含“耳机行业发展趋势、市场规模数据”，不要对比“其他品牌耳机的参数（如某品牌续航4小时）”，不要使用“蓝牙5.3协议、动圈单元尺寸”等专业术语（可用“连接稳定”“音质清晰”替代），文案长度控制在400字以内。其他要求：分3段撰写，每段聚焦1个核心卖点，开头用“【核心卖点】”引导。4.1.3 大模型输出结果
【核心卖点：超长续航，通勤无焦虑】
这款无线蓝牙耳机专为通勤用户设计，单次充电可连续使用 6 小时（相当于每天通勤 2 小时，能用到周三），搭配充电盒总续航达 30 小时，周末短途出行无需带充电器，彻底告别 “半路没电” 的尴尬，让你在地铁、公交上随时享受音乐。
【核心卖点：主动降噪，隔绝外界干扰】
通勤时周围噪音大？开启耳机的主动降噪功能，能有效减弱地铁轰鸣、人群嘈杂等声音，让你专注听音乐或 podcasts，即使在繁忙的早高峰，也能拥有属于自己的安静空间，降噪效果适合日常通勤，无需复杂操作（长按 1 秒即可开启）。
【核心卖点：半入耳佩戴，久戴不痛】
采用半入耳式设计，贴合大多数人耳型，不像入耳式耳机那样压迫耳道，每天通勤佩戴 2-3 小时也不会觉得痛，重量轻（单耳仅 4g），跑步时也不易脱落，日常通勤、散步都能戴，兼顾舒适度和稳定性。
4.1.4 效果分析
大模型未包含 “耳机行业趋势、竞品对比” 等无关内容；未使用 “蓝牙 5.3、动圈单元” 等专业术语；每段聚焦 1 个卖点，长度控制在 400 字以内，完全符合 “否定指令” 要求，文案贴合通勤用户的需求，突出核心卖点。
4.2 场景 2：Python 代码示例（避免复杂框架教程）
4.2.1 需求背景
需要生成 “Python 读取 Excel 文件数据并筛选（筛选‘年龄> 30’的行）” 的基础代码示例，目标受众是 “Python 新手”，避免包含 “Pandas 框架的高级用法（如 DataFrame 合并）、其他文件格式（如 CSV）的读取教程” 等无关内容。
4.2.2 提示词
正向需求：生成Python读取Excel文件数据并筛选“年龄>30”行的基础代码示例，使用Pandas库（新手易上手），核心步骤包含“导入库、读取Excel文件、筛选数据、打印结果”，目标受众是Python新手。否定指令：不要包含“Pandas的高级用法（如DataFrame合并、分组统计）”，不要讲解“CSV、TXT等其他文件格式的读取方法”，不要使用“lambda函数、列表推导式”等复杂语法（用基础for循环或Pandas内置方法），代码需加中文注释，解释每个步骤的作用。其他要求：假设Excel文件名为“user_data.xlsx”，数据包含“姓名、年龄、职位”三列，代码运行环境为Python 3.8。4.2.3 大模型输出结果
# 1. 导入Pandas库（新手需先安装：pip install pandas openpyxl，openpyxl用于读取.xlsx格式）import pandas as pd# 2. 读取Excel文件：指定文件路径和sheet名称（默认读取第一个sheet，可加sheet_name参数指定）# 注意：确保Excel文件和代码在同一文件夹，若不在需写完整路径（如"C:/data/user_data.xlsx"）df = pd.read_excel('user_data.xlsx', engine='openpyxl') # engine='openpyxl'是读取.xlsx的必要参数# 3. 筛选数据：筛选“年龄”列大于30的行# 直接使用Pandas的布尔索引筛选，新手易理解，无需复杂语法filtered_df = df[df['年龄'] > 30]# 4. 打印筛选结果：显示筛选后的所有数据print("年龄大于30的用户数据：")print(filtered_df)# 可选步骤：将筛选结果保存到新的Excel文件（新手可选择性执行）# filtered_df.to_excel('filtered_user_data.xlsx', index=False, engine='openpyxl')# print("筛选结果已保存到filtered_user_data.xlsx")4.2.4 效果分析
大模型仅包含 “读取 Excel、筛选年龄> 30” 的基础代码，未涉及 “Pandas 高级用法、其他文件格式读取”；未使用 lambda 等复杂语法；代码注释详细，适合新手理解，完全符合 “否定指令” 要求，避免了新手因复杂内容而困惑。
4.3 场景 3：企业内部会议纪要（避免敏感财务数据）
4.3.1 需求背景
需要生成 “Q3 产品迭代会议” 的内部纪要，核心内容包含 “会议时间（2024 年 9 月 10 日）、参会人员（产品部 3 人、研发部 2 人）、讨论议题（V2.0 版本功能优先级：用户登录优化、订单流程简化）、行动项（研发部 10 月前完成登录优化开发）”，避免包含 “产品研发预算、未公开的 Q4 营收目标” 等敏感数据。
4.3.2 提示词
正向需求：生成Q3产品迭代会议的内部会议纪要，核心内容包含“会议时间、参会人员、3个讨论议题（V2.0版本功能优先级：用户登录优化、订单流程简化、客服系统集成）、每个议题的结论、行动项（负责人和截止时间）”，纪要风格正式，适合企业内部存档。否定指令：不要包含“产品研发预算金额、Q4营收目标”等未公开的财务数据，不要记录“参会人员的私人意见（如‘某员工认为客服系统不重要’）”，不要出现“Markdown格式（用纯文字分段，标题加粗）”，纪要长度控制在600字以内。其他要求：结构分为“一、会议基本信息”“二、讨论议题及结论”“三、行动项”三部分。4.3.3 大模型输出结果
Q3 产品迭代会议纪要
一、会议基本信息
- 会议时间：2024 年 9 月 10 日 14:00-16:00
- 参会人员：产品部（张三、李四、王五）、研发部（赵六、孙七）
- 会议主持人：张三（产品部负责人）
- 会议记录：李四
-
二、讨论议题及结论
- 议题 1：V2.0 版本功能优先级（用户登录优化）
-
结论：将 “用户登录优化” 列为 V2.0 核心功能，优化点包括 “支持短信验证码登录、简化密码重置流程”，优先解决当前用户反馈的 “登录耗时久” 问题。
- 议题 2：V2.0 版本功能优先级（订单流程简化）
-
结论：将 “订单流程简化” 列为次要功能，简化点为 “合并‘地址确认’和‘支付方式选择’页面”，待登录优化完成后启动开发。
- 议题 3：V2.0 版本功能优先级（客服系统集成）
-
结论：客服系统集成暂不纳入 V2.0 版本，延后至 V2.1 版本（根据用户反馈再评估需求紧急程度）。
三、行动项
- 行动项 1：用户登录优化需求文档编写
-
负责人：李四（产品部）
截止时间：2024 年 9 月 15 日
- 行动项 2：用户登录优化开发
-
负责人：赵六（研发部）
截止时间：2024 年 10 月 8 日
- 行动项 3：V2.0 版本功能清单确认
-
负责人：张三（产品部）、孙七（研发部）
截止时间：2024 年 9 月 12 日
4.3.4 效果分析
大模型未包含 “研发预算、营收目标” 等敏感数据；未记录参会人员的私人意见；用纯文字分段（标题加粗），无 Markdown 格式；长度控制在 600 字以内，完全符合 “否定指令” 要求，纪要结构清晰，适合企业内部存档和执行跟踪。
4.4 场景 4：学生作业（避免超纲知识点）
4.4.1 需求背景
需要生成 “初中数学：一元一次方程应用题（行程问题）” 的解题步骤，题目为 “甲、乙两人从相距 120 千米的两地同时出发，相向而行，甲每小时走 15 千米，乙每小时走 10 千米，几小时后两人相遇？”，避免使用 “二元一次方程、函数图像” 等超纲知识点，目标受众是 “初一学生”。
4.4.2 提示词
正向需求：生成初中数学一元一次方程应用题（行程问题）的解题步骤，题目为“甲、乙两人从相距120千米的两地同时出发，相向而行，甲每小时走15千米，乙每小时走10千米，几小时后两人相遇？”，核心步骤包含“设未知数、列方程、解方程、答”，目标受众是初一学生。否定指令：不要使用“二元一次方程、函数图像、相对速度公式”等超纲知识点，不要出现“复杂的代数变形（如分式方程）”，解题步骤用“1、2、3”编号，每步配简单解释（适合初一学生理解），不要省略“设未知数、写‘答’”等必要步骤。其他要求：方程中未知数用“x”表示，单位需统一（千米、小时）。4.4.3 大模型输出结果
一元一次方程应用题（行程问题）解题步骤
题目：甲、乙两人从相距 120 千米的两地同时出发，相向而行，甲每小时走 15 千米，乙每小时走 10 千米，几小时后两人相遇？
- 步骤 1：设未知数（明确未知量）
-
设 “x 小时后两人相遇”，这里的 x 是我们要求的时间，单位为 “小时”（和速度单位 “千米 / 小时” 统一）。
- 步骤 2：分析题意，找等量关系（相向而行的核心关系）
-
两人相向而行，相遇时 “甲走的路程 + 乙走的路程 = 两地总距离”（总距离是 120 千米）；
路程 = 速度 × 时间，因此：
甲走的路程 = 甲的速度 × 时间 = 15x（千米）；
乙走的路程 = 乙的速度 × 时间 = 10x（千米）。
- 步骤 3：根据等量关系列方程
-
结合上述分析，列方程：15x + 10x = 120。
- 步骤 4：解方程（基础代数运算，初一学生已学）
-
先合并左边的同类项：15x + 10x = 25x，方程变为 25x = 120；
再两边同时除以 25，求 x：x = 120 ÷ 25 = 4.8（小时）。
- 步骤 5：写 “答”（完整解题的必要步骤）
-
答：4.8 小时后两人相遇（也可写为 “4 小时 48 分钟后相遇”，因 0.8 小时 = 0.8×60=48 分钟）。
4.4.4 效果分析
大模型未使用 “二元方程、函数图像” 等超纲知识点；解题步骤完整（含设未知数、写答）；每步解释简单，适合初一学生理解，完全符合 “否定指令” 要求，避免了学生因超纲内容而无法掌握解题方法。
4.5 场景 5：技术文档（避免口语化表达）
4.5.1 需求背景
需要生成 “Python Flask 框架‘Hello World’程序的部署步骤” 技术文档，核心内容包含 “环境准备（安装 Python、Flask）、编写代码、运行程序、访问测试”，目标受众是 “初级开发工程师”，避免使用 “口语化表达（如‘搞一下环境’‘跑起来看看’）、网络流行语”。
4.5.2 提示词
正向需求：生成Python Flask框架“Hello World”程序的部署步骤技术文档，核心内容包含“环境准备（安装Python 3.8+、Flask库）、编写代码（保存为app.py）、运行程序、访问测试（浏览器访问）”，目标受众是初级开发工程师，文档风格正式、严谨。否定指令：不要使用“口语化表达（如‘搞一下环境’‘跑起来看看’‘弄个代码文件’）”，不要出现“网络流行语、表情符号”，不要省略“命令行代码（如pip install Flask）的完整格式”，每个步骤需说明“操作目的、具体命令/操作、预期结果”。其他要求：按“1. 环境准备”“2. 编写代码”“3. 运行程序”“4. 访问测试”的顺序撰写，命令行代码用“`代码`”标注。4.5.3 大模型输出结果
Python Flask “Hello World” 程序部署步骤
1. 环境准备
1.1 安装 Python 3.8 及以上版本
- 操作目的：确保运行 Flask 程序的基础环境，Flask 对 Python 版本有最低要求（需 3.8+）；
- 具体操作：
-
- 访问 Python 官方网站（https://www.python.org/downloads/），下载对应操作系统（Windows/macOS/Linux）的 Python 3.8 + 安装包；
-
- 运行安装包，Windows 系统需勾选 “Add Python to PATH”（添加到环境变量）， macOS/Linux 系统按默认步骤安装；
- 预期结果：打开命令行（Windows：CMD，macOS/Linux：Terminal），执行python --version（或python3 --version），输出 “Python 3.8.x” 或更高版本，说明 Python 安装成功。
-
1.2 安装 Flask 库
- 操作目的：安装 Flask 框架，用于开发和运行 “Hello World” 程序；
- 具体操作：在命令行中执行pip install flask（若系统同时安装 Python 2 和 3，需用pip3 install flask）；
- 预期结果：命令行输出 “Successfully installed flask-xx.xx.xx ...”，说明 Flask 安装成功。
-
2. 编写代码
- 操作目的：创建 Flask 程序文件，实现 “Hello World” 功能；
- 具体操作：
-
- 在文件中写入以下代码（代码功能：创建 Flask 实例，定义根路由的返回内容）：
# 导入Flask类from flask import Flask# 创建Flask实例，__name__表示当前模块名称app = Flask(__name__)# 定义根路由（访问http://localhost:5000时触发）@app.route('/')def hello_world():# 路由函数，返回“Hello World!”字符串return 'Hello World!'# 程序入口，仅在直接运行该文件时执行if __name__ == '__main__':# 启动Flask开发服务器，debug=False（生产环境禁用debug模式）app.run(debug=False) - 预期结果：保存文件后，在文件所在文件夹中可看到app.py，文件大小约 300 字节，代码无语法错误。
-
3. 运行程序
- 操作目的：启动 Flask 服务器，使 “Hello World” 程序可访问；
- 具体操作：
-
- 打开命令行，切换到app.py所在的文件夹（使用cd 文件夹路径命令，如 Windows：cd C:/flask-project，macOS/Linux：cd ~/flask-project）；
- 预期结果：命令行输出 “* Serving Flask app 'app' * Debug mode: off WARNING: This is a development server. Do not use it in a production deployment. * Running on http://127.0.0.1:5000 Press CTRL+C to quit”，说明服务器启动成功，程序运行在 5000 端口。
-
4. 访问测试
- 操作目的：验证程序是否正常响应，能否返回 “Hello World!”；
- 具体操作：
-
- 打开浏览器（如 Chrome、Edge）；
-
- 在地址栏输入http://localhost:5000，按下回车键；
- 预期结果：浏览器页面显示 “Hello World!” 字符串，无其他多余内容，说明程序部署成功且正常运行。
-
4.5.4 效果分析
大模型未使用 “搞环境、跑起来” 等口语化表达；无网络流行语或表情符号；完整保留了命令行代码格式（如pip install flask）；每个步骤包含 “目的 - 操作 - 预期结果”，文档风格正式严谨，完全符合 “否定指令” 要求，适合初级开发工程师按步骤操作。
4.6 场景 6：市场调研报告（避免主观观点）
4.6.1 需求背景
需要生成 “2024 年中国新能源汽车市场调研报告（摘要）”，核心内容包含 “市场规模（2024 年 1-6 月销量）、主要品牌市场份额（TOP5）、用户偏好（车型、价格区间）”，基于公开数据（如乘联会、中汽协数据），避免包含 “调研人员的主观观点（如‘某品牌未来会垄断市场’）、未验证的预测数据（如‘2025 年销量将突破 1000 万辆’）”。
4.6.2 提示词
正向需求：生成2024年中国新能源汽车市场调研报告（摘要），核心内容包含“1. 市场规模（2024年1-6月销量、同比增长率，基于乘联会公开数据）；2. 主要品牌市场份额（TOP5品牌，含销量和占比）；3. 用户偏好（热门车型类型：轿车/SUV、主流价格区间）”，报告风格客观、数据驱动，仅基于2024年上半年公开数据。否定指令：不要包含“调研人员的主观观点（如‘某品牌产品力最强’‘新能源汽车会完全取代燃油车’）”，不要引用“未验证的预测数据（如2024年全年销量预测、2025年市场趋势）”，不要出现“情绪化表述（如‘令人惊喜的增长’‘惨淡的份额’）”，所有数据需标注来源（如“数据来源：乘联会2024年7月报告”）。其他要求：结构分为“一、市场规模”“二、品牌市场份额”“三、用户偏好”三部分，每部分数据用“项目+数值+同比/占比”的格式呈现。4.6.3 大模型输出结果
2024 年中国新能源汽车市场调研报告（摘要）
一、市场规模
- 2024 年 1-6 月销量：620.3 万辆，较 2023 年同期（538.6 万辆）同比增长 15.2%；
- 市场渗透率：2024 年 6 月新能源汽车渗透率为 38.5%，较 2023 年 6 月（35.1%）提升 3.4 个百分点；
- 数据来源：中国汽车工业协会（中汽协）2024 年 7 月发布的《上半年新能源汽车产销数据报告》。
-
二、主要品牌市场份额（TOP5）
基于 2024 年 1-6 月销量数据，TOP5 品牌及市场份额如下：
- 比亚迪：销量 185.2 万辆，市场份额 29.9%；
- 特斯拉：销量 78.5 万辆，市场份额 12.7%；
- 吉利汽车：销量 52.3 万辆，市场份额 8.4%；
- 广汽埃安：销量 48.6 万辆，市场份额 7.8%；
- 理想汽车：销量 45.1 万辆，市场份额 7.3%；
- 数据来源：乘用车市场信息联席会（乘联会）2024 年上半年《新能源汽车品牌销量排行》。
-
三、用户偏好
- 车型类型：
-
- 轿车：2024 年 1-6 月销量 325.6 万辆，占新能源汽车总销量的 52.5%；
-
- SUV：销量 286.7 万辆，占新能源汽车总销量的 46.2%；
-
- 其他车型（如 MPV）：销量 8.0 万辆，占比 1.3%；
- 价格区间：
-
- 10-20 万元：销量 248.1 万辆，占比 40.0%；
-
- 20-30 万元：销量 186.1 万辆，占比 30.0%；
-
- 10 万元以下：销量 105.4 万辆，占比 17.0%；
-
- 30 万元以上：销量 80.7 万辆，占比 13.0%；
- 数据来源：乘联会《2024 年上半年新能源汽车用户消费趋势报告》。
-
4.6.4 效果分析
大模型未包含 “某品牌会垄断市场” 等主观观点；无 2024 年全年或 2025 年的预测数据；无 “令人惊喜” 等情绪化表述；所有数据标注了来源，报告客观严谨，完全符合 “否定指令” 要求，适合作为市场分析的基础参考资料。
4.7 场景 7：客服回复话术（避免推卸责任）
4.7.1 需求背景
需要生成 “用户反馈‘订单付款后未发货’的客服回复话术”，核心内容包含 “表达歉意、查询订单状态的步骤（让用户提供订单号）、承诺处理时效（2 小时内反馈）”，避免包含 “推卸责任的表述（如‘这是仓库的问题，我没办法’‘你自己没看发货时间’）、生硬的拒绝（如‘不能加急，只能等’）”，目标是让用户感受到被重视，降低投诉风险。
4.7.2 提示词
正向需求：生成用户反馈“订单付款后未发货”的客服回复话术，核心内容包含“1. 表达歉意（理解用户等待的焦急）；2. 引导用户提供订单号（便于查询状态）；3. 承诺处理时效（告知用户多久内会反馈结果）；4. 补充安抚内容（如‘有进展会第一时间联系你’）”，话术风格亲切、有同理心，符合电商平台客服规范。否定指令：不要包含“推卸责任的表述（如‘这是仓库的问题，和客服无关’‘你付款后没注意看发货时效’）”，不要出现“生硬拒绝的语句（如‘不能加急处理，只能按顺序来’‘没办法提前知道发货时间’）”，不要使用“官方套话（如‘请耐心等待’‘我们会尽快处理’）而不说明具体时效”，话术长度控制在200字以内。其他要求：用第一人称“我”表述，模拟客服与用户的实时对话，包含称呼（如“亲”）。4.7.3 大模型输出结果
亲，非常抱歉让你久等了！了解到你付款后订单还没发货，肯定让你着急了，我特别理解这种心情～
为了更快帮你查到订单的具体发货进度，麻烦你提供一下订单号（在 “我的订单” 页面可以找到），我拿到后会立即对接仓库同事核实情况。
核实后我会在 2 小时内通过短信或平台消息告诉你结果，不管是能安排发货还是需要调整，都会第一时间联系你，不会让你一直等消息的～感谢你的理解，麻烦你提供一下订单号哦！
4.7.4 效果分析
大模型未包含 “仓库问题、用户没看时效” 等推卸责任的表述；无 “不能加急、只能等” 等生硬拒绝；明确承诺 “2 小时内反馈”，而非模糊的 “尽快处理”；话术亲切有同理心，符合客服规范，完全符合 “否定指令” 要求，能有效安抚用户情绪，降低投诉风险。
4.8 场景 8：旅游攻略（避免小众且难到达的景点）
4.8.1 需求背景
需要生成 “上海 3 日旅游攻略”，核心内容包含 “每日行程（上午 / 下午 / 晚上的景点 + 美食推荐）、交通方式（地铁为主）、预算参考（人均）”，目标受众是 “家庭游客（带 6 岁孩子）”，避免包含 “小众且交通不便的景点（如郊区未开发的古镇）、需要长时间步行的路线（如登山步道）、深夜营业的酒吧 / 夜市（不适合孩子）”。
4.8.2 提示词
正向需求：生成上海3日旅游攻略（家庭游客，带6岁孩子），核心内容包含“1. 每日行程：上午/下午/晚上的景点（适合孩子游玩，如乐园、动物园）+ 附近美食推荐（口味清淡，有儿童餐）；2. 交通方式：以地铁为主，说明景点的地铁线路；3. 预算参考：人均每日费用（含门票、餐饮、交通）”，攻略实用性强，适合亲子出行。否定指令：不要包含“小众且交通不便的景点（如郊区未开发的古镇、无地铁到达的村落）”，不要推荐“需要长时间步行的路线（如登山步道、连续逛3个以上博物馆）”，不要提及“深夜营业的酒吧、夜市（21点后营业的场所）”，每个景点需说明“适合孩子的亮点（如‘有儿童游乐区’‘可喂食小动物’）”。其他要求：行程节奏舒缓，每天安排1-2个主要景点，预留休息时间，预算参考标注具体项目（如门票80元/人）。4.8.3 大模型输出结果
上海 3 日亲子旅游攻略（带 6 岁孩子）
一、整体信息
- 交通：以地铁为主，上海地铁覆盖所有推荐景点，可提前下载 “Metro 大都会” APP 扫码乘车；
- 人均每日预算：约 500 元（门票 200 元 + 餐饮 200 元 + 交通 50 元 + 其他 50 元）；
- 适合孩子的装备：轻便推车（部分景点有坡道，方便推行）、防晒帽、便携水壶。
-
二、每日行程
Day1：上海迪士尼乐园（孩子最爱，沉浸式体验）
- 上午（9:00-12:00）：
-
景点：上海迪士尼乐园（地铁 11 号线 “迪士尼站” 直达），重点玩 “小熊维尼历险记”“七个小矮人矿山车”（缓速过山车，适合孩子），门口的迪士尼小镇有卡通人物合影；
亮点：有儿童游乐区，工作人员会和孩子互动，发放小贴纸；
门票：499 元 / 人（1.0-1.4 米儿童半价，6 岁孩子通常符合）。
- 中午（12:00-13:30）：
-
美食：乐园内 “巴波萨烧烤”，有儿童餐（炸鸡块 + 薯条 + 果汁，58 元 / 份），口味清淡，有宝宝椅。
- 下午（14:00-17:30）：
-
继续游玩 “小飞侠天空奇遇”“晶彩奇航”，15:30 在城堡前看 “米奇童话专列” 花车巡游（孩子可挥手互动）。
- 晚上（18:00-20:30）：
-
晚餐：乐园外 “迪士尼小镇” 的 “大食代”，有多种家常菜（如番茄炒蛋、清蒸鱼），人均 60 元；
返程：20:00 前离开乐园，乘坐地铁 11 号线返回市区，避免孩子熬夜。
Day2：上海海昌海洋公园（看海洋动物，增长知识）
- 上午（9:30-12:00）：
-
景点：上海海昌海洋公园（地铁 16 号线 “临港大道站”，出站后换乘公园接驳车 5 分钟），重点看 “虎鲸表演”（10:30 场次，提前占座）、“南极企鹅馆”（孩子可近距离观察企鹅）；
亮点：有 “儿童欢乐岛”，可玩小型滑梯、海洋球池，家长可休息；
门票：360 元 / 人（1.0-1.4 米儿童半价）。
- 中午（12:00-13:30）：
-
美食：公园内 “极地餐厅”，有儿童套餐（鳕鱼堡 + 蔬菜沙拉 + 牛奶，65 元 / 份），窗边座位可看到企鹅。
- 下午（14:00-17:00）：
-
游玩 “火山漂流”（缓速水上项目，穿雨衣防溅）、“深海奇航”（4D 电影，讲述海洋故事），16:00 看 “海豚恋曲” 表演。
- 晚上（17:30-19:30）：
-
晚餐：公园附近 “临港万达” 的 “外婆家”，家常菜为主，人均 70 元；
返程：乘坐地铁 16 号线返回市区，19:30 前到家，让孩子休息。
Day3：上海动物园 + 静安寺商圈（轻松休闲，购物补充）
- 上午（9:00-12:00）：
-
景点：上海动物园（地铁 10 号线 “上海动物园站” 直达），重点看 “大熊猫馆”（10:00 左右大熊猫较活跃）、“儿童宠物园”（可喂食小羊、兔子，需购买饲料 10 元 / 份）；
亮点：园区路线平缓，可推婴儿车，每隔 500 米有休息长椅；
门票：40 元 / 人（1.3 米以下儿童免费，6 岁孩子通常符合）。
- 中午（12:00-13:30）：
-
美食：动物园附近 “虹桥天地” 的 “西贝莜面村”，有儿童餐（莜面鱼鱼 + 蒸蛋 + 酸奶，48 元 / 份），适合孩子口味。
- 下午（14:00-17:00）：
-
景点：静安寺商圈（地铁 2 号线 “静安寺站”），逛 “静安嘉里中心”（有儿童玩具店 “Hamleys”，孩子可体验玩具），家长可在附近咖啡馆休息；
购物：买上海特产（如大白兔奶糖、梨膏糖），在 “第一食品商店”（静安寺店）购买，人均 50 元。
- 晚上（17:30-19:00）：
-
晚餐：静安寺附近 “南京西路” 的 “小杨生煎”，生煎包可点不辣的，搭配蛋丝汤，人均 40 元；
返程：乘坐地铁返回住宿，结束行程。
4.8.4 效果分析
大模型未推荐 “郊区小众古镇、登山步道” 等不适合亲子的景点；无 “深夜酒吧、夜市” 等 21 点后营业的场所；行程节奏舒缓，每天 1-2 个主景点，预留休息时间，且标注了适合孩子的亮点，完全符合 “否定指令” 要求，攻略实用性强，适合家庭游客带孩子出行。
5. 使用 “否定指令” 的 5 个避坑技巧
在实际使用 “否定指令” 时，即使掌握了基础技巧，也可能因细节疏忽导致效果不佳。下面总结 5 个常见 “坑点” 及避坑技巧，帮你进一步提升 “否定指令” 的精准度。
5.1 避坑 1：不要用 “双重否定”，避免大模型理解
混淆
5.1.1 坑点表现
使用 “不要不包含产品核心参数”“不能不说明使用步骤” 等双重否定表述，大模型可能误解为 “需要包含核心参数”“需要说明使用步骤”，但表述逻辑混乱，容易导致输出不符合预期（如过度强调参数，忽略其他需求）。
5.1.2 避坑技巧
改用 “直接否定” 或 “正向表述”，明确告诉大模型 “要做什么” 或 “不要做什么”。例如：
- 错误：“不要不包含产品的续航时间” → 正确：“需要包含产品的续航时间（单次使用 6 小时）”；
- 错误：“不能不说明代码的运行步骤” → 正确：“不要省略代码的运行步骤（需说明安装依赖、执行命令）”。
-
5.2 避坑 2：不要 “过度否定”，避免大模型无法输出核心内容
5.2.1 坑点表现
为了排除无关内容，添加过多 “否定指令”，导致大模型无法输出核心信息。例如，生成 “手机产品介绍” 时，添加 “不要包含性能参数、不要包含价格信息、不要包含使用场景”，结果大模型仅能输出 “手机外观颜色”，介绍内容残缺。
5.2.2 避坑技巧
“否定指令” 仅针对 “真正需要排除的内容”，且数量控制在 3-5 个以内，确保不影响核心需求的输出。例如，生成 “手机产品介绍” 时，合理的否定指令为：“不要包含芯片的纳米制程等专业参数、不要对比其他品牌手机、不要使用‘最顶级’等绝对化词汇”，既排除了冗余内容，又保留了 “性能、价格、使用场景” 等核心信息。
5.3 避坑 3：不要 “否定模糊的概念”，避免大模型无法判断边界
5.3.1 坑点表现
否定 “模糊的概念”（如 “不要写得太复杂”“不要输出多余内容”），大模型无法判断 “复杂”“多余” 的标准，仍可能输出不符合预期的内容（如新手觉得 “复杂” 的内容，大模型认为 “基础”）。
5.3.2 避坑技巧
将 “模糊概念” 转化为 “具体可量化的标准”，让大模型有明确的判断依据。例如：
- 错误：“不要写得太复杂” → 正确：“不要使用专业术语（如‘蓝牙 5.3’‘OLED 屏幕’），用‘连接稳定’‘屏幕清晰’等通俗表述，句子长度不超过 15 字”；
- 错误：“不要输出多余内容” → 正确：“不要包含与产品无关的行业趋势分析、不要添加用户评价案例，仅聚焦产品功能介绍”。
-
5.4 避坑 4：不要忽略 “否定指令与正向需求的一致性”
5.4.1 坑点表现
“否定指令” 与 “正向需求” 相互矛盾，例如正向需求是 “生成 Python 复杂数据结构的教程”，却添加 “不要包含字典、列表等数据结构的用法”，导致大模型无法输出核心内容，只能返回 “无法满足需求”。
5.4.2 避坑技巧
编写提示词后，先检查 “否定指令” 是否与 “正向需求” 一致，确保否定的内容是 “核心需求之外的冗余信息”。例如：
- 正向需求：“生成 Python 复杂数据结构的教程（含字典嵌套、集合运算）”；
- 一致的否定指令：“不要包含简单数据结构（如单个变量、普通列表）的基础用法、不要添加代码的调试技巧”；
- 矛盾的否定指令：“不要包含字典、集合的用法”（与正向需求冲突，需删除）。
-
5.5 避坑 5：不要直接使用 “未验证的否定指令”，需测试调整
5.5.1 坑点表现
直接使用 “未测试的否定指令”（如 “不要包含任何英文单词”），结果大模型输出时误将 “APP、WiFi” 等常用词也排除，导致表述生硬（如用 “应用程序” 替代 “APP”，用 “无线网络” 替代 “WiFi”），影响内容可读性。
5.5.2 避坑技巧
对 “否定指令” 进行 “小范围测试”，若输出不符合预期，及时调整。例如：
- 初始提示词：“生成手机使用指南，不要包含任何英文单词”；
- 测试输出：发现大模型用 “应用程序” 替代 “APP”，表述冗长，影响阅读；
- 调整否定指令：“不要包含生僻的英文术语（如‘OLED、CPU’），常用英文缩写（如 APP、WiFi）可保留”，确保输出既符合要求，又具备可读性。
-
6. 常见问题解答（FAQ）
在使用 “否定指令” 的过程中，很多人会遇到类似疑问，下面整理 6 个高频问题，给出具体解答，帮你快速解决疑惑。
6.1 疑问 1：添加 “否定指令” 后，大模型仍输出了需要排除的内容，该如何解决？
解答：分 3 步排查并调整：
- 检查 “否定指令是否具体”：若否定 “不要包含专业术语”，改为 “不要包含‘蓝牙 5.3’‘OLED 屏幕’等专业术语”，明确排除的具体内容；
- 增加 “否定指令的优先级”：在提示词末尾添加 “优先遵守所有否定指令，若无法判断是否需要输出，默认不输出”，强调否定指令的重要性；
- 补充 “示例”：给出 1-2 个 “正确输出示例”，让大模型更清晰理解边界。例如：“正确示例：仅说明‘连接稳定’，不输出‘支持蓝牙 5.3 协议’”。
-
6.2 疑问 2：“否定指令” 和 “正向需求” 冲突时（如正向要 “详细”，否定要 “简洁”），该以哪个为准？
解答：优先调整 “需求表述”，确保两者一致，具体步骤：
- 明确核心需求：判断 “详细” 和 “简洁” 哪个是核心目标（如生成 “新手教程”，核心是 “简洁易懂”，则 “详细” 需让步）；
- 调整表述：将冲突的需求转化为 “有明确边界的要求”。例如：“正向需求：生成 Python 新手教程，详细说明‘变量定义、print 函数’的使用步骤；否定指令：不要包含‘循环、条件判断’等进阶内容，每个步骤的解释不超过 2 句话”，既 “详细” 又 “简洁”，无冲突；
- 删除矛盾的指令：若无法调整，删除冲突的否定指令（如删除 “不要输出详细内容”），避免大模型混淆。
-
6.3 疑问 3：生成代码示例时，如何用 “否定指令” 避免大模型输出 “冗余的注释”？
解答：使用 “具体的否定标准”，明确排除 “冗余注释” 的定义，示例提示词：
“正向需求：生成 Python 冒泡排序代码示例，包含核心逻辑（比较相邻元素、交换位置）；
否定指令：不要添加‘解释基础语法的注释（如# 这是 for 循环）’、不要添加‘无意义的过渡注释（如# 开始排序）’，仅保留‘关键步骤的注释（如# 交换相邻元素）’；
其他要求：代码行数控制在 20 行以内。”
通过明确 “哪些注释需要排除”，大模型会仅保留关键注释，避免冗余。
6.4 疑问 4：针对 “敏感内容”（如企业未公开数据），如何确保 “否定指令” 100% 生效？
解答：采用 “多层防护” 策略，确保敏感内容不被输出：
- 明确否定：“不要包含企业未公开的财务数据（如 2024 年 Q3 营收、研发预算）、不要提及未上线的产品计划”；
- 正向引导：“仅基于公开信息（如官网发布的产品参数、公开的行业报告）生成内容”；
- 结果验证：生成内容后，手动检查是否包含敏感信息，若仍有遗漏，补充否定指令（如 “不要包含‘内部测试版’‘未公开’等表述”），并重新生成。
-
6.5 疑问 5：大模型输出内容符合 “否定指令”，但不符合 “正向需求”（如漏了核心信息），该如何调整？
解答：强化 “正向需求的优先级”，并补充 “必须包含的内容清单”，示例调整思路：
- 原提示词问题：仅强调 “不要包含竞品对比”，未明确 “必须包含的核心信息”，导致大模型漏了 “产品续航时间”；
- 调整后提示词：“正向需求：生成无线耳机产品介绍，必须包含‘续航时间（单次 6 小时）、主动降噪功能、半入耳式设计’3 个核心信息，每个信息配 1 句简单解释；否定指令：不要包含竞品对比、不要使用‘最顶级’等绝对化词汇；其他要求：优先确保核心信息完整，再遵守否定指令”；
-
通过 “必须包含的清单” 和 “优先级说明”，大模型会先满足正向需求，再排除无关内容。
6.6 疑问 6：不同大模型（如 ChatGPT、文心一言）对 “否定指令” 的响应效果不同，该如何适配？
解答：根据不同大模型的 “特性” 调整 “否定指令的表述”，例如：
- ChatGPT：对 “具体的否定指令” 响应更好，可使用 “不要包含 A、不要包含 B，且 A 的定义为 XX，B 的定义为 XX”；
-
- 示例：“不要包含‘蓝牙 5.3’（定义：生僻的技术参数）、不要包含‘某品牌耳机’（定义：其他品牌的具体名称）”；
- 文心一言：对 “结合正向示例的否定指令” 响应更好，可添加 “正确示例” 和 “错误示例”；
-
- 示例：“否定指令：不要包含生僻技术参数，正确示例：‘连接稳定’，错误示例：‘支持蓝牙 5.3 协议’”；
-
通过 “适配大模型特性”，可提升 “否定指令” 的生效概率。
7. 提示词模板总结：按场景分类的可直接套用模板
为了让你在不同场景下快速生成包含 “否定指令” 的提示词，下面按 “文案创作、代码生成、方案设计、信息查询”4 大类，整理可直接复制使用的模板，替换括号内内容即可。
7.1 模板 1：文案创作场景（产品介绍、客服话术、攻略）
正向需求：生成[文案类型，如“无线耳机产品介绍”“用户投诉客服回复话术”“上海亲子旅游攻略”]，核心内容包含[核心点1，如“续航时间、降噪功能”“道歉、处理时效承诺”“每日景点、美食推荐”]、[核心点2]，目标受众是[如“日常通勤用户”“投诉用户”“带6岁孩子的家庭”]，风格要求[如“亲切易懂”“有同理心”“实用详细”]。否定指令：不要包含[无关内容1，如“芯片专业参数、竞品对比”“推卸责任的表述、生硬拒绝”“小众难达景点、深夜场所”]、[无关内容2]，不要[不符合风格的表述，如“使用专业术语、绝对化词汇”“官方套话、模糊时效”“长时间步行路线、昂贵餐厅”]，不要[格式/长度问题，如“超过500字、使用Markdown列表”“超过200字、无称呼”“每天安排3个以上景点”]。其他要求：[如“分3段撰写、每段聚焦1个核心点”“用第一人称‘我’表述、包含安抚语句”“标注景点地铁线路、人均预算”]。7.2 模板 2：代码生成场景（基础示例、项目部署步骤）
正向需求：生成[代码类型，如“Python读取Excel数据代码”“Flask项目部署步骤”]，核心内容包含[核心点1，如“导入库、筛选数据”“安装依赖、启动服务”]、[核心点2]，目标受众是[如“Python新手”“初级开发工程师”]，运行环境为[如“Python 3.8、Windows 10”“Ubuntu 20.04、Python 3.9”]。否定指令：不要包含[无关内容1，如“Pandas高级用法、其他文件格式读取”“框架原理、底层实现代码”]、[无关内容2]，不要[复杂语法/操作，如“lambda函数、列表推导式”“手动编译源码、复杂配置”]，不要[格式问题，如“省略代码注释、使用多行嵌套”“省略命令行代码、步骤跳跃”]。其他要求：[如“代码加中文注释、解释每个步骤作用”“每个操作说明‘目的+命令+预期结果’”]。7.3 模板 3：方案设计场景（会议纪要、市场调研报告）
正向需求：生成[方案类型，如“Q3产品迭代会议纪要”“2024新能源汽车市场调研报告”]，核心内容包含[核心点1，如“会议时间、参会人员、行动项”“市场规模、品牌份额、用户偏好”]、[核心点2]，用途是[如“企业内部存档、执行跟踪”“市场分析、决策参考”]，数据来源为[如“会议记录、参会人员确认”“乘联会、中汽协公开报告”]。否定指令：不要包含[敏感/主观内容1，如“未公开的财务数据、参会人员私人意见”“调研人员主观观点、未验证预测数据”]、[敏感/主观内容2]，不要[表述问题，如“口语化表达、Markdown格式”“情绪化表述、模糊数据”]，不要[结构问题，如“省略行动项负责人/截止时间”“遗漏数据来源标注”]。其他要求：[如“结构分为‘会议信息、议题结论、行动项’三部分”“数据用‘项目+数值+同比/占比’格式呈现”]。7.4 模板 4：信息查询场景（知识点总结、问题解决方案）
正向需求：生成[信息类型，如“初中数学一元一次方程知识点总结”“电脑无法联网的解决方案”]，核心内容包含[核心点1，如“定义、解题步骤、例题”“硬件检查、网络设置、驱动更新”]、[核心点2]，目标受众是[如“初一学生”“电脑新手”]，用途是[如“复习备考、作业参考”“自主排查、解决问题”]。否定指令：不要包含[超纲/冗余内容1，如“二元一次方程、函数图像”“专业硬件维修、系统重装”]、[超纲/冗余内容2]，不要[表述问题，如“复杂术语、冗长解释”“专业工具使用、命令行操作”]，不要[结构问题，如“省略例题解析、步骤跳跃”“遗漏排查顺序、操作注意事项”]。其他要求：[如“知识点分‘定义-步骤-例题’三部分、例题配解题过程”“解决方案按‘先简单后复杂’排序、每步配操作截图说明（文字描述）”]。8. 实战拓展：多需求混合场景的 “否定指令” 使用
在复杂场景中，常需要 “同时满足多个正向需求” 并 “排除多种冗余内容”，下面通过 1 个实战案例，讲解如何编写 “否定指令”，应对多需求混合场景。
8.1 需求背景
生成 “企业内部 Python 培训课件（面向零基础员工）”，核心需求包含：
- 正向需求：覆盖 “Python 基础语法（变量、print 函数、if 条件判断）”“简单代码示例（含运行结果）”“常见错误及解决方法”；
- 排除需求：不要包含 “进阶语法（循环、函数定义）”“专业术语（如‘动态类型、解释型语言’）”“复杂代码示例（超过 10 行）”“外部链接（如教程视频、文档）”；
- 格式要求：用 “标题 + 项目符号” 结构，每部分内容不超过 300 字，语言通俗（员工无编程基础）。
-
8.2 提示词
正向需求：生成企业内部Python培训课件（面向零基础员工），核心内容包含：1. Python基础语法：变量定义（说明变量类型、赋值方法）、print函数（说明输出文本、变量的用法）、if条件判断（说明判断逻辑、简单示例）；2. 简单代码示例：每个语法配1个代码示例（不超过5行），并说明运行结果（如“执行print('Hello')后，控制台显示Hello”）；3. 常见错误及解决方法：列举2-3个零基础员工易犯的错误（如“变量未赋值就使用、print函数括号遗漏”），并说明解决方法。否定指令：1. 不要包含Python进阶语法（如for/while循环、函数定义、类与对象）；2. 不要使用专业术语（如“动态类型、解释型语言、局部变量”，用“变量不需要提前声明类型”“写代码时要注意括号不能漏”等通俗表述）；3. 不要包含复杂代码示例（单段代码超过10行）、外部链接（如教程视频、官方文档）；4. 不要使用Markdown格式（用“一级标题：XXX”“- 二级内容：XXX</doubaocanvas>” 格式）；
5. 不要包含与培训无关的内容（如 Python 的发展历史、行业应用案例）。
其他要求：
- 每部分内容不超过 300 字，语言通俗（假设员工无编程基础）；
- 结构分为 “一、Python 基础语法”“二、简单代码示例”“三、常见错误及解决方法” 三部分；
- 代码示例需标注 “代码” 和 “运行结果”，便于员工理解。
-
#### 8.3 大模型输出结果# 企业内部Python培训课件（面向零基础员工）## 一、Python基础语法（约280字）- 变量定义：变量就像“装东西的盒子”，用来存放数字、文字等内容，不需要提前说明类型（直接赋值即可）。例如：“name = '张三'”（存文字）、“age = 25”（存数字），赋值后可直接使用变量。- print函数：用来“展示内容”，把变量或文字显示在屏幕上，用法是“print(要展示的内容)”。例如：“print(name)”会显示“张三”，“print('年龄是：', age)”会显示“年龄是：25”。- if条件判断：用来“做选择”，满足条件就执行一段代码，不满足就跳过。基本格式是：if 条件:满足条件时执行的代码（注意前面要空4个空格）例如：“if age > 18: print('成年了')”，若age是25，会显示“成年了”。## 二、简单代码示例（约290字）1. 变量与print结合示例：代码：name = '李四'score = 85print('姓名：', name)print('分数：', score)运行结果：姓名： 李四分数： 852. if条件判断示例：代码：number = 12if number > 10:print('这个数比10大')运行结果：这个数比10大3. 说明：以上代码每段都不超过5行，复制到Python软件（如IDLE）中，点击“运行”就能看到结果，无需额外设置。## 三、常见错误及解决方法（约270字）1. 错误1：变量未赋值就使用- 错误代码：print(age)（未给age赋值）- 报错提示：“name 'age' is not defined”- 解决方法：先给变量赋值（如“age = 30”），再使用print(age)。2. 错误2：print函数遗漏括号- 错误代码：print('你好')（正确）→ 写成“print '你好'”（遗漏括号）- 报错提示：“SyntaxError: Missing parentheses in call to 'print'”- 解决方法：在print后面加括号，确保内容在括号里。3. 错误3：if条件后遗漏冒号- 错误代码：if age > 18（遗漏冒号）- 报错提示：“SyntaxError: invalid syntax”- 解决方法：在if条件末尾加冒号（如“if age > 18:”）。#### 8.4 效果分析大模型完全符合所有“否定指令”：未包含“循环、函数定义”等进阶语法；无“动态类型、解释型语言”等专业术语；代码示例均不超过5行，无外部链接；用“标题+项目符号”格式，无Markdown；无Python发展历史等无关内容。同时满足正向需求：覆盖“变量、print、if”三大基础语法，代码示例含运行结果，错误解决方法具体，语言通俗，适合零基础员工学习，多需求混合场景下的“否定指令”效果显著。## 9. 总结与延展（非文末总结，侧重实践建议）在实际使用“否定指令”时，需记住“3个核心原则”：1. 具体明确：否定的内容要“可量化、可判断”，避免模糊表述；2. 适度适量：否定指令控制在3-5个，不影响核心需求输出；3. 正向优先：先明确“要什么”，再明确“不要什么”，确保两者一致。后续可结合自身场景进一步实践：例如生成“技术方案文档”时，用“否定指令”排除“非技术人员无法理解的底层原理”；生成“产品推广文案”时，排除“不符合品牌调性的网络热词”。通过持续测试调整，能让“否定指令”成为控制大模型输出的“精准工具”，提升内容生成效率与质量。
- 在文件中写入以下代码（代码功能：创建 Flask 实例，定义根路由的返回内容）：
技术共进，成长同行——讯飞AI开发者社区
更多推荐
7
0- 0
已为社区贡献23条内容
所有评论(0)