给 AI 看「反面例子」：用错误示范让输出更贴近你的标准
如果 AI 总是犯同一类错误——文案太浮夸、摘要加了原文没有的内容、提取字段格式不统一——最有效的办法之一是在提示词里给出一个“反面例子”，并明确指出它错在哪里，再配一个正面例子。 反例让 AI 知道边界在哪，正例告诉它目标是什么。
为什么反例有用
“写得简洁一点”“不要太营销”这类要求很抽象，每个人理解不同。一个具体的错误示范，能把抽象标准变成可对照的样子。很多人用过少样本提示（few-shot），反例是它的补充：不仅展示“应该这样”，也展示“不要这样”。
基本结构
任务：【描述】
❌ 不好的例子：
【一段错误输出】
问题：【逐条说明错在哪里】
✅ 好的例子：
【一段符合要求的输出】
现在请处理：【输入】
三个实用场景
1. 产品文案
❌ 不好的例子：“颠覆性的革命产品，让你的效率提升到极致！”
问题：空洞的形容词；没有说明具体功能；使用绝对化用语。
✅ 好的例子：“把会议录音拖进来，三分钟得到带时间点的待办清单。”
2. 文章摘要
❌ 不好的例子：摘要中出现“这一趋势将在未来五年持续增长”，但原文没有提到未来预测。
问题：添加了原文没有的推断。
✅ 好的例子：只概括原文明确陈述的观点，并保留原文的限定词（如“部分”“初步”）。
3. 数据提取
❌ 不好的例子：{"date": "10月3号", "amount": "约两百元"}
问题：日期格式不统一；金额被模糊化。
✅ 好的例子：{"date": "2026-10-03", "amount": 198.50}
挑选反例的原则
- 选你真实遇到的错误：从之前 AI 的输出里截取，比自己编的更有针对性。
- 一次聚焦一两类问题：反例太多，AI 可能抓不住重点。
- 说明“错在哪”：只给反例不给解释，AI 有时会模仿反例的风格。
- 反例和正例长度、主题接近：这样差异集中在你关心的维度上。
常见误区
- 只给反例、不给正例：AI 知道不要什么，却不知道要什么。
- 反例写得比任务内容还长：分散注意力，增加成本。
- 把反例放在提示词最后：有时会被当成需要延续的内容，建议放在任务输入之前。
小练习
把你最近一次“不满意的 AI 输出”保存下来，写出两条问题说明，再写一个你心目中的好例子。下次同类任务直接复用这段提示词。