【一周吃透一款 AI 工具】Kimi Day2|指令设计底层原理:为什么这样写提示词

你写的提示词，Kimi 有时秒懂、有时跑偏，根子不在你文笔，而在「你给的是目标还是约束」。今天从底层讲清：提示词不是咒语，是给概率模型加的「边界条件」，写对了约束，结果才可被预期。   

一、先说一个反常识：模型读的是字，不是你的心意

昨天我们讲了 Kimi 的底层是个文字型 AI 助手。今天往深一层——你敲进去的那段提示词，在模型眼里是什么？

答案很硬核：模型每一次「说话」，本质上是在预测「下一个最可能的字（token）」。它不是一个读懂你意图的小人，而是一个巨大的概率预测机。你给的提示词，不是咒语，而是给这次预测套上去的一圈「边界条件」：在这个圈里，下一个字只能往你划定的方向落。

一句话：提示词的本质，是把你脑子里的意图，翻译成模型能执行的「约束」。约束越明确，它乱跑的余地越小。

二、为什么「具体」永远胜过「高级词」

很多人爱堆形容词：「要专业、要严谨、要有深度、要生动有趣」。在模型世界里，这些词没有可执行的边界。模型不知道你心里的「专业」长什么样，只能调回训练数据里最常见的「专业感」模板——结果往往是一堆正确的废话。

反过来，「给一句话结论、列 5 个要点、每个要点带引用来源」这种写法，是硬约束：它规定了输出必须长成什么结构。模型没有猜测空间，就只能照做。这跟 Kimi 的长上下文还正好配合——昨天说过它窗口大、能装，你完全可以直接把「你要的格式」和「原始材料」一起丢进去，不用逼它靠猜来补全你的要求。

三、结构 = 责任划分，写散了它就乱套

为什么要把提示词写成「角色 / 任务 / 输入 / 输出格式 / 限制」几块，而不是一段流水账？因为对模型来说，结构就是责任划分。你把它拆成几块，等于告诉它：这一段是身份设定，这一段是我要的活儿，这一段是成品该有的样子，这一段是红线，每块干什么清清楚楚。

如果不拆，模型很容易把「格式要求」当成「内容」一起生成出来——比如你写「用三点回答」，它可能在正文里真给你写一句「下面我用三点来回答」，然后才开始答。这就是责任没划清的典型翻车。

四、给样本，比给形容词准得多（few-shot）

你费劲描述「语气要像资深编辑」，不如直接贴一段你满意的文字：「照这个味儿来」。这在技术上有个名字：少样本提示（few-shot）。模型读形容词，是在脑补你的标准；模型读样例，是在照着抄标准。抄，永远比猜准。

这一点在 Kimi 上尤其好用——它上下文长，你多贴两段范例也占不了多少窗口，反而能让输出稳一大截。

五、Kimi 专属：把「动作顺序」也写进提示词

前面四点是通用原理。但 Kimi 有个别人没有的底层能力——能自己调用工具（联网、跑代码、读表格，昨天讲过）。这意味着，你还能把「做事的顺序」也约束住：

• 「先联网核实数据，再写结论」——它就不会凭训练记忆瞎编；
• 「用代码把表算完，再写分析」——数字就不会算错；
• 「读完整份文档，再开始总结」——就不会读到一半断片。

这等于你把「流程」也变成了提示词里的一圈边界。这是纯聊天机器人做不到的事，也是 Kimi 写提示词最爽的地方。

六、今天带走一句话

提示词设计的底层逻辑就一句：你给的约束越明确，模型自由发挥越少，结果越可被预期。所谓「会写提示词」，不过是更擅长把意图翻译成边界。

明天（Day3）我们讲办公场景：为什么你说「帮我做个周报」，Kimi 做不出你想要的，问题出在任务拆解。