同一个提示词换 AI，结果差很多怎么办

2026-09-09 提示词工程,AI 模型,踩坑复盘,跨模型

烧烤店那个小程序交付后我只写了不到 20 行手写代码，剩下的都是 AI 出的。交付完我想把同一套提示词挪去写另一个模块，换了个模型，出来的东西直接不能看。同一个提示词换个AI结果差很多，这事儿我踩了不止一次，最贵的一课是别把提示词当成能跨模型搬运的资产。

一、最贵的一课：我以为提示词是可移植的

我一直有个错觉：提示词写得好，就是一段通用资产，换谁执行都一样。现实是同一段话，在一个模型上能直接跑，在另一个模型上会漏掉一半约束条件，或者把结构改了。

那次我图省事，直接把为 A 模型调好的提示词丢给 B 模型。结果它没报错，它只是安静地少做了几件事。比报错更麻烦的就是这种：你得自己一条条对回来。

现象是输出看着挺像样，实际约束没生效。原因在于每个模型对「默认行为」的理解不同，你没写死的地方，它会按自己觉得合理的方式补。

怎么避：凡是不能被它自由发挥的部分，都在提示词里写死。格式、字段名、边界条件、要不要解释，一条条列清楚。我现在的习惯是，提示词末尾固定留一段「不许做」的清单，比正文还长。

换模型之后效果差，我第一反应是提示词不行，于是大改。改完更差，因为我已经分不清是模型差异导致的，还是我改坏了。

怎么避：换模型的那一次，提示词一个字都不要动。先拿原样的提示词跑一遍，看差在哪，再决定改什么。

这跟调程序一个道理：一次只改一个变量，否则你永远不知道是哪次改动起的作用。

顺的时候我容易归因错误，觉得是自己提示词写得妙。其实不少时候是那个模型本身强，跟我怎么写关系不大。同一个提示词换个AI结果差很多，反过来也说明顺的时候未必是你的功劳。

怎么避：用同一段提示词在两个模型上各跑一遍，做对照。跑之前就想好怎么判断结果好坏，不然跑完还是靠感觉。

判断结果这件事本身就有一套检查点，我在怎么判断 AI 的输出对不对里拆过。

这五条里最有用的是最后一条。格式不稳的时候，内容好不好根本没法判断，你连它在说什么都得猜。我后来专门写过一篇AI 输出格式不稳定，我用这 4 招锁住，就是被这件事逼出来的。

我的处理方式很简单：承认提示词是有归属的，它属于某个模型。

我不再维护「通用提示词」，而是按模型各留一份，各自迭代。这不是提示词写坏了，是我一开始对它的定位就错了。

我真要跨模型搬，就得接受重新调一遍的成本。同一个提示词换个AI结果差很多，接受的成本越低，越不容易反复浪费。

Q：同一个提示词换 AI 结果差很多，是提示词写得不合格吗？

A：不一定。更常见的原因是提示词里有很多依赖模型默认行为的留白，换个模型留白就被填成别的了。先把留白补上，再判断提示词本身的质量。

Q：换模型之后输出变差，应该先改提示词还是先换回去？

A：先换回去。用同一段提示词在原模型上再跑一遍，确认差异确实来自模型，再决定要不要为这个模型专门调。顺序反了，你会一直改错东西。

Q：有没有一套能通吃所有模型的提示词写法？

A：没有能保证通吃的。能做的是把约束写得更死、格式写得更明确，这样换模型时的落差会小一些，但还是要重新验一遍。