prompt 越写越长怎么办：用结构代替堆字

这篇文章要解决什么问题

随着你越来越会用 AI，你的 prompt 会变长——你开始想加背景、加约束、加示例、加输出要求……结果你发现一个反常识的现象：

prompt 写长了之后，AI 反而开始抓不住重点。它可能忽略某条关键约束、混淆数据和指令、或者把你提供的参考材料当成要回答的问题本身。

问题不在于 prompt 太长——有些生产级 prompt 几千 token 照样很准。问题在于长 prompt 没有结构——AI 需要”扫描”一整坨文字去找指令，找错就出错。

读完这篇你能带走什么

理解为什么长 prompt 会让 AI 混乱（注意力不均匀）

2 个结构化技巧：用分隔符把 prompt 切块 + 把指令放在末尾

一个从”简单 prompt”过渡到”复杂 prompt”的分块模板

为什么长 prompt 会让 AI 混乱

AI 处理 prompt 时有一个特点——对开头和末尾的注意力最强，对中间部分注意力较弱。这个现象在研究文献里叫 “lost in the middle”（中间迷失），在越长的 prompt 里越明显，但现代模型（GPT-4o、Claude Sonnet 等）在长上下文能力上已经有明显改进，这个效应比早期模型弱了一些。

所以当你写一个长 prompt 时，如果不做任何结构化处理：

放在中间的关键约束可能被忽略
你的”数据/参考材料”和”指令”混在一起时，AI 可能分不清哪个是让它执行的、哪个是让它参考的
多条指令叠加时，AI 可能只执行了最后一条

结构化就是解决这些问题——给 AI 一张”地图”，让它知道哪块是什么。

🔑 技巧 1：用分隔符把 prompt 切块

当你的 prompt 超过一段话的时候，不要让所有东西连在一起。用明显的分隔符把不同类型的内容切开：

最简单的分隔符是 XML 标签：

<背景>
我是一个 3 人前端团队的 Tech Lead，负责一个 B2B SaaS 项目。
</背景>

<参考材料>
[这里贴一些你找到的对比文章或者同行经验]
</参考材料>

<约束>
- 从学习曲线、性能、生态三个维度对比
- 输出表格 + 最终推荐（1 段话）
- 不确定的信息请标注
</约束>

<任务>
从 Redux Toolkit、Zustand、Jotai 三个状态管理方案里推荐一个。
</任务>

四段用 <xxx>...</xxx> 标签包起来——AI 一眼就能看出：这是背景、这是参考、这是约束、这是任务。不再需要”扫描”找指令。注意顺序：背景和参考材料在前，约束和任务在最后——这呼应下一个技巧（指令放末尾）。

标签名用中文还是英文都行，关键是前后一致。也可以用 Markdown 标题（## 背景 / ## 任务）达到类似效果，只是标签更明确一些。

什么时候开始用分隔符

其实没有一个”超过多少字就必须结构化”的硬性界限——模型能力一直在迭代，不同模型对结构的敏感度也不一样。现代模型在短 prompt 上对纯文字的理解已经很好，强行结构化反而啰嗦。

更实用的判断方法是观察模型的表现：如果 AI 漏掉了你的约束、混淆了数据和指令、或者只执行了一半要求——这就是结构化的信号。等模型”读不出你的意思”时再切块，比提前过度工程更合理。

🔑 技巧 2：指令放在末尾，数据放在前面

这一条反直觉——很多人习惯把”我要做什么”写在最前面，然后贴一大段材料。但实际上，AI 对末尾的内容注意力最强。

所以更有效的顺序是：

[背景/角色] —— 最前面
[参考材料/数据] —— 中间
[具体任务/问题] —— 最后

也就是说，把你真正想让 AI 做的那件事，放在整个 prompt 的最后。这样即使 prompt 很长、中间部分没被完全消化，AI 也能抓住”最后要做什么”这个最关键的信息。

这个规律在长上下文的任务上尤其明显——查询位置会直接影响 AI 能不能准确抓到正确信息。具体提升多少取决于模型和任务，但方向性结论在 Anthropic、OpenAI 的官方指南里都有一致建议。

一个 before/after 对比

❌ 任务放开头（效果差）

请帮我从下面的文档里总结要点。

[贴了 5000 字的文档]

输出 5 条要点，每条不超过 20 字。

AI 看到开头”请帮我总结要点”，然后扫了 5000 字文档，最后看到”5 条，每条 20 字”。中间大量内容稀释了指令的优先级。

✅ 任务放末尾（效果好）

你是一个精通提炼的编辑。

<参考材料>
[贴了 5000 字的文档]
</参考材料>

请从上面的材料中提炼 5 条要点，每条不超过 20 字。如果材料中某个要点你不确定，请标注。

AI 最后读到的是清晰的指令——要点数量、长度限制、不确定时怎么办。注意力聚焦在”要做什么”上。

一个可复用的分块模板

把上面两个技巧结合，你会得到一个可以反复复用的 prompt 模板：

<角色/背景>
[你是谁，为什么需要这个]
</角色/背景>

<参考材料>
[如果有需要 AI 参考的文档/数据/示例，放这里]
</参考材料>

<任务>
[具体要 AI 做什么]
</任务>

<输出要求>
- 长度：[具体数字]
- 结构：[列表 / 段落 / 表格]
- 语气：[参考场景]
- 不确定时：[回答"不确定"还是标注或其他]
</输出要求>

这个模板覆盖了大多数常见 prompt 场景的基础要素（few-shot 示例可以放进”参考材料”块里）。写复杂 prompt 时不用从零开始——复制这个骨架，逐块填内容就行。

一个重要的自问

最后一个小建议：prompt 越长，越要在发送前自己读一遍。

问自己一个问题：如果我是一个刚入职的实习生，只读这段文字，我能 100% 知道要做什么吗？

如果答案是”能”，发出去
如果答案是”好像不太清楚”，找到模糊的地方，要么补具体数字，要么加一个示例

这个自检动作比任何结构化模板都管用——它让你站在 AI 的视角，而不是写作者的视角。