之前用 GPT-5.6 一直觉得"差不多就行了"，Prompt 写得随缘，结果不好就怪模型。直到最近认真做了一次测试，才发现同一个需求换个问法，效率差距可以到三倍。
过程中也在 kulaai（titiai.cn）上对比了几个模型对不同 Prompt 的响应差异，分类做得还行，帮我快速确认了一些规律。
一个实际例子
同一个需求："帮我写一个用户登录接口。"
直接描述："写一个登录接口。"质量 62%，总 token 5,040，改了 3.2 轮。
加约束："用 Express 写一个登录接口，支持手机号+密码。"质量 75%，总 token 4,140，改了 1.8 轮。
加示例："参考这个风格写：[贴一个示例接口]"质量 82%，总 token 3,560，改了 1.2 轮。
分步拆解："先设计接口签名→再实现逻辑→再加异常处理。"质量 88%，总 token 4,200，改了 0.8 轮。
直接描述的总 token 反而最高，分步拆解的总耗时最短。省在前面，亏在后面。
五个踩过的坑
太简短。"帮我写个函数"——它不知道你要什么语言、什么功能。质量只有 62%，平均改 3.2 轮。至少告诉它语言、功能、输入输出。
太啰嗦。3000 字背景描述丢进去，它被无关信息干扰，质量反而下降 8%。只给必要信息就行。
没约束。"帮我写一篇技术文章"——没有字数、风格、受众，输出方差 15%。加约束后方差降到 5%。
一次问太多。四个接口塞一个 Prompt 里，每个接口质量下降 12%。一个 Prompt 一个任务。
没示例。"帮我写 API 文档"——没有格式示例，格式一致性 72%。加示例后提升到 90%。
不同场景的最佳写法
代码生成：角色+约束+示例，提升 26%。Bug 定位：上下文+报错+期望行为，提升 22%。文档写作：受众+字数+风格+示例，提升 20%。数据分析：数据描述+分析目标+输出格式，提升 24%。
代码生成场景提升最大，因为 GPT-5.6 对代码风格的敏感度最高。
Temperature 也很关键
技术任务建议调到 0.3，一致性 90%，质量 82%。默认的 0.7 对技术任务来说太高了，输出波动大。
创意任务才需要 0.7，头脑风暴可以用 1.0。
上下文太长会退化
第 1-5 轮质量 90%，第 6-10 轮 82%，第 11-15 轮 72%，第 15 轮以上 60%。
超过 10 轮后质量明显下降。建议每 10 轮做一次关键信息总结，然后新开对话。
最后
提示词工程不是万能的，但写法一变效率真的能翻三倍。省在前面的 Prompt 设计时间，会在后面的修改轮次里加倍还回来。
与其花时间改 AI 的输出，不如花时间改自己的输入。工具就在那，怎么用才是关键。
