现成的提示词包，为什么到你手上就不好使

「提示词」这三个字，在网文写作这个场景里已经被用烂了。GitHub 上搜一圈：写小说的提示词集、去 AI 味的规则集、多平台改写的模板包，动辄几百上千颗星。

但把它拿下来自己用，通常撑不过三次。不是你不会用，是多数提示词包的设计前提就错了。

一、第一个死因：太长，全部变钝

一个提示词包最容易犯的错，是把它做得「全面」。人物设定、大纲、章节、对话、描写、去 AI 味、多平台改写…… 全塞进同一个文件，指望一个提示词管完所有事。

这个思路有项目已经点破了。中文网文写作技能集里有一句原话：

一个巨型提示词什么都管，最后会全部变钝。

道理不难懂：模型对指令的注意力是有限的，当天花板被几十条规则挤满，每一条都只分到一点点。规则写得越多，执行得越松——这跟我们给人下指令是一样的，一次交代二十件事，最后八件会被忘掉。

二、第二个死因：太泛，没有边界

第二类失败是「说了等于没说」。

「要写出人物的性格」「要有画面感」「要代入感强」——这些话没错，但它们不构成指令，因为没有边界。什么样的描写算有画面感？写到什么程度算够？模型无法判断，只能猜。猜出来的结果，就是那些似曾相识的套话。

对比一个做得好的例子。有个自然写作技能，把去 AI 味拆成了两组独立的参数：

「修改力度决定改多重，结构范围决定能动哪里，两者互相独立。」——就这么两句话，去 AI 味从「一锅端」变成了可指定的操作。你要轻度润色一份敏感文本，就选「轻 + 原地」；你要重写一段模板腔的初稿，就选「强 + 局部」。

边界一旦明确，结果才可预期。

三、第三个死因：不可复现

第三类最隐蔽：这些提示词只在聊天框里好使。

在对话框里跟模型你一句我一句，觉得效果不错。可等你明天再写一章，用同样的提示词，结果差得很远——因为聊天是连续的，模型记着上文；而每次新开的会话，它什么都不记得。

所以有项目干脆把润色从聊天里抠出来，做成一个可重复运行的脚本。同一段文字跑两遍，结果稳定。这看起来是小事，其实是分界线：

• 聊天靠手感，脚本靠复现。
• 手感不可积累，复现才能积累。
• 一份流程跑十次结果一致，才谈得上「质量可控」。

四、能用的提示词，都有这三个特征

把上面的教训反过来看，就是挑选提示词包的标准。

特征一：短。 有个中文去 AI 味的项目把设计原则写在明面上：

提示词也有成本，规则越短，占用的 token 越少，也越容易维护。这个项目只保留能稳定复现、能直接改写的特征。

这句话里有两个标准值得抄下来：能稳定复现（换一段文字，同一个特征还出现）、能直接改写（看得出毛病，也知道怎么改）。不合这两条的，写进去只是噪音。

特征二：参数化，不写死。 与其写「把文字改得自然一点」，不如给出「力度」和「范围」两个旋钮。同一个包，不同场合拧不同档——这才叫工具，否则只是一段范文。

特征三：带门禁。 光有「怎么写」不够，还要有「什么时候算过关」。有一个小说写作技能库，把整个流程拆成「蒸馏 → 构思 → 章节执行 → 修订质控 → 多平台输出」五段，每一段结束都有检查环节，门禁不过不往下走。

这个结构最值得学的一点，是它开头的「蒸馏」：先从作者自己的文风、成功作品的架构、题材研究报告里提炼出三份模板（风格模板、蓝本模板、约束基线），后面的写、审、改全部自动消费这三份模板。

也就是说，它不指望提示词替你定义标准，而是逼你先把自己的标准写下来。 这一步做完，提示词才有依据——否则再怎么调，调的都是别人的口味。

五、还有一个容易被忽略的事实

提示词要分场景。搜到的大部分「AI 写作提示词」其实是学术论文向的——论文构思、文献综述、格式校对。这类提示词拿到网文创作里，一句都用不上。

这不是质量问题，是场景错配。所以你收藏提示词包之前，先问一句：它是为谁写的？为学术？为公文？为英文写作？如果目标场景跟你不一致，星数再高也别抄。

六、落到操作上

如果你现在手上就有一堆提示词包，按这个顺序处理：

1. 砍：把「全面型」提示词拆成小份，一份只干一件事。
2. 定：每份补上边界和参数（力度、范围、字数、必须保留什么）。
3. 锁：把关键的几步从聊天改成固定流程，能复现的才算你的。
4. 禁：写清「不许做什么」——不许改数据、不许加错别字充人味、不许编造经历。负向清单往往比正向清单更管用。

提示词不是越多越好，是越准越好。 一份能稳定执行五条规则的提示词，抵得过一份写了五十条但你从来不知道它执行了几条的。