你是否有过这样的经历？为了让 AI 画出 “阳光透过梧桐叶洒在石板路” 的意境，写了三百字描述，结果它却交出一张梧桐树照片；但当你只说 “法式梧桐斑驳光影”，生成质量反而提升。
这个现象其实在大语言模型和 AI 绘图方面都有体现。网上有些教程会给一大段玄而又玄的 Prompt，但效果未必比一句简短的“人话”输出结果更好。甚至稍微多问几次就完全不按照要求执行了。
所以本文想用尽量通俗的语言聊聊“AI 提示词为什么不是越长越好？”这个话题。
注意力蛋糕理论
想象 AI 大脑里有一块固定大小的蛋糕，每个字都在瓜分这块蛋糕。当我们输入 “请用幽默的口吻，以三个分论点，对比分析新能源汽车和燃油车的优缺点，控制在 800 字以内” 时，“幽默”“三个分论点”“对比分析”“800 字” 这些关键词都在争夺蛋糕 —— 最终每个词分到的注意力可能不足 20%。
最新研究显示，当提示词包含超过 5 个非核心要素时，AI 对主任务的关注度会骤降 37%。这就像同时给厨师下达 “做川菜”“少放盐”“用青花瓷盘装”“摆成心形”“五分钟完成” 等等细节指令，甚至写一篇小作文细化所有细节，反而容易得到一盘四不像的菜品。
而“做一份微辣的麻婆豆腐”这样的明确指令，反而可以让厨师（AI）有更明确的目标，用户也能获得更符合预期的效果。
上下文窗口限制
你可能听说过 AI 有 “上下文窗口”，通俗的讲，上下文窗口就像哆啦 A 梦的记忆面包（只要把内容印在面包上，再吃下去，就能记住内容）。但这块面包的容量是有限的：当前最先进的模型能记住约 30 万汉字（128K Token），不过面包的新鲜度会从第一口开始递减。
实验发现，当对话超过 50 轮后，AI 对最初指令的记忆准确率会下降 68%。而且它存在“位置偏见” —— 前 20% 的内容往往占据 73% 的注意力权重。所以当你用大段文字描述需求时，真正关键的指令可能已经被挤到 “面包过期区”。所以越往后的提问，越难获得可靠答案。
顺带一提，ChatGPT、Bing AI 都在这个问题上翻过车，早期版本中，如果你和它们大量对话，它们会逐渐偏离最开始的提问甚至会忽略开发者给的预设，导致输出无意义内容和敏感内容。这其实也是上下文窗口限制的一种体现，最终 Bing 不得不把单次对话限制到 25 次。
“少即是多”
网上有团队做了组对照实验：
- 长提示组（187 字）：详细规定文章结构、案例数量、数据来源、禁用词汇
- 短提示组（23 字）：“用数据反驳地心说，初中生能看懂”
结果显示，后者生成内容的可读性评分高出 41%，关