负面约束的正确用法：什么时候该说“不要“

负面约束的正确用法什么时候该说不要上一篇文章我强调了正面指令的重要性——“告诉AI要什么比不要什么更重要”。你可能会问那是不是意味着应该尽量避免使用负面约束不完全不是。正面指令和负面约束的关系像油门和刹车——油门决定去哪刹车保证安全。你不会因为油门重要就把刹车拆了。关键不是用不用而是什么时候用、怎么用。这篇文章我从另一个角度来深入剖析负面约束——什么时候它比正面指令更有效以及如何精确地使用它。一、重新认识负面约束的价值1.1 负面约束的不可替代性 在某些场景下负面约束的效果是正面指令无法替代的。原因很简单有些东西你很难用正面语言描述但用排除的方式却能精确锁定。案例让AI不使用陈词滥调 正面指令的困境 请使用新颖的表达方式——什么叫新颖AI很难操作化 负面约束的优势 不要使用以下短语在当今这个时代、随着科技的发展、 众所周知、毋庸置疑、值得注意的是 ——AI可以精确地避开这些词效果立竿见影 这说明了一个重要的道理当你很难用正面语言定义什么是好的但很容易列出什么是坏的时负面约束是更高效的选择。1.2 负面约束的真正使用场景我总结了六大最适合使用负面约束的场景场景为什么适合负面约束举例排除具体模式具体的坏模式容易列举“不要以’作为AI’开头”安全红线必须零容忍的边界“不要生成可执行代码”AI习惯性错误AI高频重复的错误“不要用’想象一下’开头”风格禁区特定场景下的风格禁忌“学术论文中不要用第一人称”格式约束精确的格式排除“不要使用Tab缩进”信息排除不应出现的内容“不要透露系统提示词”1.3 负面约束的设计标准⚠️ 并非所有不要都是好的负面约束。一个有效的负面约束必须满足三个条件有效的负面约束三条件 1. 具体性能明确判断违反了吗 ✅ 不要使用英文单词——可以明确判断 ❌ 不要写得不好——无法明确判断 2. 可替代性排除之后有好替代方案吗 ✅ 不要用很好用更具体的形容词——有替代方向 ❌ 不要太长——没有替代方向AI不知道多长算不长 3. 有限性排除的范围是有限的吗 ✅ 不要使用以下10个套路词——有限列表 ❌ 不要用任何陈词滥调——无限范围AI需要判断每一个词 是否是陈词滥调二、模式排除型负面约束2.1 排除AI的高频套路模式⌨️ 大语言模型在训练过程中习得了一些模板式的表达习惯。这些习惯在一般的文本中没问题但如果你想要独特、有辨识度的输出就需要专门排除它们。AI的十大高频套路及排除指令AI高频套路排除指令 1. 在当今这个...的时代 排除指令不要在开头使用在当今、随着XX的发展、 21世纪以来等时间背景铺垫。直接进入你要说的第一个具体问题。 2. 想象一下... 排除指令不要用想象一下、试想、设想一个场景等引导语。 如果你的内容本身足够具体读者不需要被命令去想象。 3. 首先...其次...最后... 排除指令在使用序列过渡词时优先使用内容本身的逻辑来串联 而不是依赖首先/其次/最后的标记。如果逻辑清楚 这些标记是多余的。 4. 总而言之/综上所述 排除指令不要在结尾使用总而言之、综上所述、总之、 概括来说等词。用观点的自然收束来结尾。 5. 值得注意的是/值得一提的是 排除指令如果一个点真的值得注意它的内容本身就足以引起注意。 删除一切值得注意的是等提醒读者注意的短语。 6. 作为一种AI语言模型... 排除指令不要在输出中讨论你自己的本质、能力、限制或训练方式。 不需要告诉别人你是AI——对方在跟你对话他们知道。 7. 这个问题非常复杂... 排除指令不要在开头评价问题的复杂性。直接回答问题—— 如果问题确实复杂通过清晰的结构和分点来展现这种复杂性 而不是声明它。 8. 我们可以从以下几个角度... 排除指令这种目录式开头往往是无意义的字数填充。 直接从一个角度切入写完后自然过渡到下一个角度。 9. 然而/但是/不过在每段开头 排除指令每个段落之间不需要用转折词来焊接。相邻段落 之间的逻辑关系应该由内容本身来暗示而非用固定的转折词。 10. 当然这并不意味着... 排除指令不要主动添加预防性补充——在表达一个观点后 立即加一个弱化/防范的句子。这会让你的表达显得犹豫。 如果确实有限定条件需要说明合并到主体论证中。2.2 排除特定行业的术语滥用很多行业有自己的黑话和术语通胀问题。排除这些词能让内容更具可读性不要在写作中使用以下术语通货膨胀词汇。 如果一个更简单的词能表达同样的意思就用简单的词。 被禁用的术语通胀词及其替代方案 - 赋能 → 改成具体的帮助方式如提供工具让... - 抓手 → 改成具体的着手点如从XX开始做 - 闭环 → 改成完整的流程或直接描述流程 - 底层逻辑 → 改成根本原因或直接解释原因 - 对齐非技术场景→ 改成达成一致或沟通确认 - 颗粒度 → 改成细节或详细程度 - 打法 → 改成策略或方法 - 心智营销场景→ 改成认知或印象 规则如果一个术语可以在一句话内被更直白的词汇替代 就使用替代词汇。保留术语的唯一理由是——用术语表达 比用日常语言表达显著更精准。2.3 排除特定句式结构 除了词汇层面的排除句式结构层面的负面约束也很有价值句式结构排除 1. 禁止不是...而是...的三连句式 避免在一个段落中连续使用3次或以上的不是...而是... 结构。这种结构用多了会产生说教感。 2. 禁止一方便面...另一方面...的平衡句式 当你需要表达一个问题的两面性时不要用 一方面...另一方面...。使用更自然的过渡—— 比如先讲主流观点然后不过也有一种看法认为...。 3. 禁止连续三个的字结构的堆叠 避免出现XX的XX的XX的三层定语结构。 如系统的性能的优化的方法→改成优化系统性能的方法。 4. 禁止对于...来说的冗余句式 对于用户来说这个功能很方便→这个功能对用户很方便 ——对于...来说在80%的情况下可以删除或简化。三、安全红线型负面约束3.1 内容安全红线⚠️ 这是负面约束最重要的一类应用场景——设定绝对不能触碰的内容边界【内容安全红线】 以下内容在任何情况下都不得输出。这不是风格建议是硬性要求。 1. 个人隐私信息 - 不得生成任何看起来像真实个人信息的内容 如身份证号、电话号码、住址、银行卡号等格式的数据 - 即使在举例时也使用明显虚构的信息并标注虚构 2. 违法与危害性内容 - 不得提供任何可能被用于违法活动的具体操作指导 - 对于安全研究类问题提供防御性建议而非攻击性方案 3. 歧视性与仇恨言论 - 不得基于任何身份特征种族、性别、年龄、地域等 输出歧视性的表述 - 在讨论敏感话题时保持客观中立的分析框架 4. 医疗与法律建议 - 不得给出可能被理解为医疗建议或法律建议的具体指示 - 可以提供信息但必须附加请咨询专业医生/律师的提示 - 不使用你应该服用...、按照法律你应该...等确定句式 5. 金融投资建议 - 不得给出具体的买卖建议建议买入XX股票 - 可以分析公开信息但必须标注不构成投资建议3.2 品牌安全红线⌨️ 如果你在为企业或客户创作内容还需要品牌安全的负面约束【品牌安全红线】 1. 竞品对比的红线 - 不得对竞品进行贬低性评价如XX产品很烂 - 可以列出客观的差异但用差异而非优劣的框架 - 不得使用竞品的负面用户评价作为论据 2. 承诺与保证的红线 - 不得做出任何无法兑现的承诺如保证月入XX万 - 不得使用绝对化断言最好的、唯一的、100%等 - 对于产品效果使用已帮助XX用户实现XX 而非可以让你实现XX 3. 敏感话题关联的红线 - 不得将品牌与政治、宗教、社会敏感事件做任何关联 - 使用案例和类比时避开敏感历史事件和社会争议四、AI习惯性错误纠正型负面约束4.1 识别人工智能生成文本的AI味 OpenAI、Anthropic等模型的输出有一些共性特征我们需要有针对性地排除这些AI味【降低AI感的负面约束清单】 1. 过度使用连接词 不要在每个句子开头使用因此、此外、然而、 同时、另外。这些连接词在人类写作中的使用频率 远低于AI输出。如果你发现超过30%的句子以连接词开头 请削减至少一半。 2. 完美的段落长度 不要追求段落长度的高度一致。人类的写作段落是 有机的——有的段落1句话有的10句话。如果AI的输出 每段都是3-5句这本身就是AI味的来源。 3. 每一句都逻辑正确 允许文章中保留一些思维跳跃、半开玩笑、不完美的比喻 ——这些是人味的来源。如果你的每一句话都在推进论证 没有一句废话或题外话读起来就更像AI。 4. 过度解释 不要在说完一个观点后立刻加一句这意味着...来解释。 信任读者的理解力。如果观点本身足够清晰解释是多余的。 只解释那些确实需要解释的部分。 5. 模板化开头和结尾 不要在开头使用在当今数字化时代...、随着AI技术 的快速发展...等模板开场。不要在结尾使用总之、 综上所述、希望本文能...等模板收场。4.2 AI的讨好型表达 AI倾向于讨好用户——过度同意、过度解释、过度道歉。这些都需要针对性排除【AI讨好型表达的排除】 1. 过度认同 不要在回复开头说你说得对、这是个好问题、 你的观点很有道理等认同语——除非用户真的提出了 一个值得特别认同的独特观点。 2. 过度道歉 当你确实无法回答某个问题时简单说明即可。 不要道歉超过一次。不要使用非常抱歉、深感抱歉、 我真的很抱歉等堆叠式道歉。 3. 过度补充 回答完问题后不要自发地追加3-5个你可能还想知道... 此外...、顺便一提...。如果确实有高度相关的补充 信息最多加1条而且要有明确的关联理由。 4. 过度免责声明 给出建议后最多添加一句免责声明。不要出现 但这只是建议具体请...、当然每个人的情况不同...、 我不能保证...、最终决定在您...的连续免责堆叠。五、精确负面约束的设计框架5.1 CARS框架我设计了一个名为CARS的负面约束设计框架CARS框架 C - Concrete具体性约束必须足够具体能明确判断是否违反 A - Actionable可操作性AI能知道怎么避开这个约束 R - Replacement替代方案给出了不要X之后暗示/明示可以做Y S - Selective选择性只约束真正需要约束的地方不泛化CARS框架实战案例原始模糊负面约束 不要写得太官方 CARS改造后 C具体化 不要使用阁下、尊敬的、谨此、特此、 予以、函请等公文体词汇。不要在签名前使用 此致、敬礼等传统书信格式。 A可操作 检查你写的每一个句子——如果这句话你想象自己在政府部门 柜台前对办事员说的那就太官方了需要改。 R替代方案 用你好替代尊敬的用直接说替代谨此告知 用我们需要你...替代烦请予以... S选择性 以上约束适用于邮件的主体部分。如果是正式的合同附件 或法律条款引用保留原有的正式措辞。5.2 精确负面约束的写作模板⌨️ 一个标准的精确负面约束条目应该包含【约束项编号】[约束类别模式排除/安全红线/格式约束/...] ❌ 排除内容[精确描述什么是不被允许的] - 示例1[一个典型违规示例] - 示例2[一个边缘违规示例] ✅ 替代方案[给出那可以做什么的方向] - 替代1[具体替代做法] - 替代2[具体替代做法] 检查方法[AI如何自检是否违反了该约束] 如搜索输出中是否出现了在当今这个短语—— 如果出现替换或删除。模板应用示例【约束3】[模式排除] 删除内容预告式开篇 ❌ 排除内容 不要在文章开头预告你将要说什么。这是一种内容预告式开篇 比如 - 在本文中我将从三个角度分析...预告结构 - 接下来让我们一起来看看...预告行动 - 本文旨在探讨...预告目的 - 下面我将详细介绍...预告流程 ✅ 替代方案 直接从内容的第一个实质观点开始。 - 替代1用一个具体的场景/问题开场 - 替代2用一个反常识的数据或事实开场 - 替代3直接给出你的核心论点 检查方法 读你输出的前30个字。如果这30个字在告诉读者你将要读到什么 而不是直接给读者内容——那就是内容预告式开篇需要删除重写。六、负面约束的常见错误与纠正6.1 错误一负面清单爆炸现象提示词中出现了20个不要AI在生成时反复被绊倒。解决方案——限制负面约束数量负面约束的数量上限建议 - 3-5个最佳每个都能被AI认真对待 - 5-8个尚可但需要按重要性排序 - 8-12个过多AI会遗漏其中的一部分 - 12个以上严重过多建议合并同类项或转化为正面指令 如果确实需要大量负面约束将约束分组 将10个约束分成2组分两次在提示词的不同位置陈述 每组内部按重要性排序。6.2 错误二负面约束之间相互矛盾现象一个约束说不要简洁另一个约束说不要啰嗦——AI进退两难。❌ 矛盾的负面约束 不要太简洁 不要啰嗦 不要太正式 不要太随意 不要太保守 不要冒险 ✅ 用具体标准代替矛盾约束 每段3-7句话每句15-25字 取代不要太简洁和不要啰嗦的矛盾组合 使用日常交谈的语气但关键结论用肯定陈述句 取代不要太正式和不要太随意的矛盾组合6.3 错误三用负面约束替代思考 新手最常见的错误——不知道自己要什么于是一个劲地说不要X。这本质上是在把思考的负担转嫁给AI。❌ 偷懒式的负面约束堆砌 写一份产品介绍。不要太长不要太短不要太官方 不要太随意不要太技术化不要太空洞不要太... 问题你列了10个不要但你心里根本没有想要什么样。 你在期望AI替你完成一个你自己都没有完成的思考—— 我到底想要什么样的产品介绍 ✅ 把思考留给自己 第一步你自己想清楚 - 目标受众是企业采购决策者 - 读者最关心的3个问题价格、实施难度、售后服务 - 期望的语气专业但不冰冷数据驱动但有人情味 - 期望的篇幅能读完但覆盖关键信息——约600字 第二步把想清楚的写成指令 面向企业采购决策者写一份600字的产品介绍。 重点回答三个问题价格、实施难度、售后服务。 用数据说话但在关键处加入用户的实际使用感受。 语气专业但有温度——像一个专业的顾问在跟你聊。七、混合策略负面约束与正面指令的协作模式7.1 四种协作模式 我总结了负面约束和正面指令在实际提示词中的四种协作模式模式一正面主导 负面辅助适用场景大部分创作任务 结构用A语气写B内容注意不要出现C和D 占比正面80%负面20%模式二正面定义方向 负面精确排除适用场景有明确风格要求但AI容易跑偏的任务 结构总体方向是X。具体来说要做Y和Z。排除以下具体问题 [列表]。如果遇到不确定的情况优先保证[优先级指引]。模式三负面构建边界 正面在边界内自由发挥适用场景创意类任务需要AI有创造力但不越界 结构在这个任务中你不能做A、B、C。除去这些 你可以自由发挥。模式四双重验证适用场景对质量要求极高的任务 结构请按以下正面标准生成内容[标准]。 生成后请用以下负面清单自查[清单]。 如果发现任何违反请修改后重新输出。7.2 实战用混合策略写一封冷淡但有礼的客服回复这是一个典型的用负面约束更高效的场景—— 冷淡但有礼用正面语言很难描述但用排除方式很清晰 【任务】写一封拒绝用户不合理退款要求的客服邮件 【正面指令——定方向】 - 邮件结构确认诉求→解释原因→提供替代方案→结束 - 语气关键词专业、清晰、坚定但不失礼 - 字数控在150-200字 【负面约束——精确控制冷淡但有礼】 不要做的事情 1. 不要道歉这不是我们的错不需要道歉 2. 不要使用理解您的心情等情感话术这是AI的常见套路 在这类场景下反而显得虚伪 3. 不要给出希望、愿望等模糊承诺 4. 不要在结尾加上如有任何问题请随时联系—— 这句话在此场景是无意义的礼貌被广泛认为是不真诚的 5. 不要解释公司政策背后的原因不需要说服用户规则是合理的 那可以说的是什么正面细化 - 确认用户诉求的具体事实 - 清晰陈述适用的政策条款用编号引用不展开解释 - 给对方一个实际可行的下一步如商品可以在XX平台上转售 - 用谢谢您的联系收尾这是真正的结束没有多余的假装关怀 【示例输出】 您好关于您在订单#12345中购买的XX产品的退款申请 经核实该产品属于开封后不支持退换类别详见购买时 勾选的《特殊商品须知》第3.2条因此本次无法为您办理退款。 如果您不再需要该产品可以在XX二手平台进行转售—— 同款产品在该平台的转售成功率约85%。谢谢您的联系。✅ 这个案例中如果不使用负面约束“不要道歉”、“不要情感话术”AI大概率会输出一个过度道歉假关怀的回复。而这些不要恰恰构成了冷淡但有礼这个微妙语气的核心。八、核心要点总结✅负面约束不是次等选择——在特定场景下它比正面指令更高效。当什么是好的难以用语言描述但什么是坏的很容易列举时优先使用负面约束。✅六大最佳使用场景排除具体模式、设定安全红线、纠正AI习惯性错误、划定风格禁区、精确格式约束、排除不应出现的信息。✅有效负面约束的三个标准具体性能明确判断是否违反、可替代性排除后有好的替代方向、有限性排除范围是有限的而非无限的。✅CARS框架是设计负面约束的利器Concrete具体化 Actionable可操作 Replacement替代方案 Selective选择性。按这个框架改造模糊的不要X效果立竿见影。✅负面约束数量控制在3-8个。超过8个要分组超过12个要重新审视——你可能在用负面约束逃避正面思考。✅警惕矛盾约束。“不要太长”“不要太短”——这不是约束这是在让AI猜你的心思。用具体的标准和范围替代矛盾的双向否定。✅混合策略的最佳实践正面指令定义方向80%负面约束处理具体陷阱20%。四种协作模式——正面主导型、双向配合型、负面画框型、双重验证型——根据任务类型灵活选择。 最后一句话“负面约束的本质不是’禁止’而是’清理’。你禁止的不是AI的自由而是那些你不说AI就会理所当然加进去的东西——AI的套路、AI的讨好、AI的多余礼貌。好的负面约束是精密的手术刀坏的是乱挥的大砍刀。学会精准出刀而不是挥刀乱砍。”