# 常见问题与误区

URL: https://caijiao.org/prompt/common-issues
Source: docs/prompt/common-issues.md
Description: 了解提示词常见问题，包括长度、模型偏差、通用性及生成结果评价方法。

在提示词工程实践中，经常会遇到一些问题和误区。了解这些问题可以帮助你避免常见错误，提升生成质量和效率。

## 提示词过短或过长

- **过短提示**：信息不足，模型可能无法理解任务目标，生成结果模糊或不完整。  
  - 示例：`总结文章` → 模型可能只给出笼统结论。  
- **过长提示**：包含过多背景信息或无关内容，可能导致模型偏离核心任务。  
  - 示例：提示中夹杂大量故事背景，模型生成的摘要可能冗长且跑题。  
- **优化建议**：保持提示简洁清晰，同时包含完成任务所需的关键信息。

## 模型偏差与输出不可控

- **偏差问题**：模型可能会受到训练数据偏见影响，输出带有刻板印象或不准确内容。  
- **不可控输出**：即使提示明确，模型也可能生成超出预期的文本。  
- **应对策略**：在提示中明确规则或输出限制，结合后处理与验证机制。

### 示例

```text
请用中立客观的语言回答以下问题，避免偏见和歧视：……
````

## Prompt 迁移与通用性问题

- **迁移限制**：同一提示在不同模型或任务中表现不同，不能完全通用。
- **解决方法**：针对不同模型微调提示词，必要时提供示例或上下文增强。

## 输出结果评价方法不当

- **常见问题**：只凭直觉判断生成质量，容易忽略细节错误。
- **优化策略**：结合人工检查、规则校验和自动评分工具综合评价输出结果。

### 示例评价方法

1. 检查输出是否符合格式要求（如 JSON、Markdown）。
2. 核对关键事实和数据是否准确。
3. 根据用户或团队标准评估生成风格、可读性和完整性。

通过掌握这些常见问题和应对方法，可以在提示词工程实践中更快发现问题、调整策略，从而提升生成结果的准确性和可靠性。