你把要做什么、要交什么都写清楚了，末了又加一句"简短一点""专业一些"，结果AI交回来的东西，一句一句读下来挑不出错，你却觉得不对劲——问题往往不在AI理解力不够，而在于"简短""专业"这类词只有你自己知道刻度，AI只能自己猜一个标准。把这类词换成"几条、多长、给谁看"这样看得见的约束，交回来的东西才能真正被逐条核对。
这是一个很常见的场景：你交代一件事，要做什么、要交什么都写了，末了还补了一句"简短一点"，补了一句"专业一些"。AI回复给你的那段文字，一句一句读下来，挑不出哪里错了，但你就是觉得不对，想说清楚哪里不对，又说不上来。
于是你把提示词改一改，重新发出去，改回来的还是差一点。来回三四轮之后，很多人索性自己动手重写了一遍。
回头看那两句要求——"简短一点"，多短算短；"专业一些"，专业到什么程度——这两个数字你心里其实是有的，只是没有写在字面上。交回来的东西你核对不了，卡住的不是AI的执行，而是你写下的那句要求本身。
这类词有一个共同的名字，叫主观限定词（Subjective Qualifier）：简短一点、专业一些，是那种程度只存在于你心里的形容词。AI读到这类词，不会主动来问你具体标准，而是默认自己定一个程度接着写。
怎么判断一个词是不是主观限定词？有一个简单的检验方法：这个词换一个人来读，会不会读出不一样的分寸。如果会，它就是主观限定词。"简短"对A来说可能是三句话，对B来说可能是一段话——这就是问题所在。
值得说明的是，AI交回来的东西并没有"出错"，它只是挑了一个程度，而这个程度恰好和你心里的那个对不上。这不是AI的锅,也不是你的锅，而是那句要求本身没有把刻度带出去。
眼下几家主流AI公司的官方提示词指南，讲的其实是同一件事：把要求写具体。其中一份面向开发者的指南更进一步，专门给这类词起了名字——主观或相对限定词，指出它们缺少具体可衡量的定义，建议直接避开，换成客观的约束。比如把"简短的摘要"，写成"三句以内的摘要"。换掉的正是同一样东西：一个只有你自己知道刻度的词。
把程度词换成看得见的三样东西，几乎能解决大部分"说不清"的问题：几条、多长、给谁看。
对照着看会更清楚：
这三样是从大量实践里归纳出来的一套抓手，不是哪家官方指南规定的标准分类——官方指南只讲到"要具体"，没有规定具体分成哪几类。但这三个维度基本覆盖了日常写作、整理、汇报类任务里最常被模糊掉的地方：篇幅（几条、多长）和受众（给谁看）。
这背后的原理可以归到**具体性（Specificity）**这个概念上：一条要求写得有多明确，直接决定了AI要猜的地方有多少。越具体，AI原本要自己拿主意的地方，就越能一处一处落到字面上，执行起来也就越贴近你的本意。
拿一段真实材料对比一下,差别一目了然。假设有这样一段产品介绍：一款记账应用支持手动记账和自动读取短信生成账单，月底自动汇总分类，基础功能免费，多设备同步和自定义分类需要每月付费会员，注册只需手机号。
带程度词的写法：把这段产品介绍改得简短一点。 交回来的结果虽然确实变短了，但保留了哪些信息、舍弃了哪些信息，完全是AI自己拿的主意——它可能保留了功能细节，也可能保留了价格信息，取决于它当下的判断。
换成能核对的写法：把这段产品介绍压到三句以内，只保留"它是什么、给谁用、怎么收费"。 这一次,交回来的内容会精确对应三个维度：产品定位一句、目标用户和核心功能一句、收费方式一句。拿到结果后，你可以逐条核对：是不是三句以内？是不是覆盖了这三个信息点？哪一条没做到，一眼就能看出来。
两种写法给AI的信息量看着差不多，但可核对性完全不同。
有一个简单的验证办法：看你写在提示词里的那几条要求，能不能一条一条拿去比对AI回复的内容。
能打勾的样子：如果你写的要求是"压到三句以内""只保留它是什么、给谁用、怎么收费"，交回来之后你能做的是——数一遍句子，三件事一件一件核对，缺哪条你指得出来，下一版该补哪一条也说得清楚。
只剩感觉的样子：如果你写的要求是"改得简短一点""写得专业些""突出重点"，交回来之后你能做的只是——读一遍，说一句"感觉不对"，具体哪条没做到说不上来，下一版该改什么也说不上来。
两种情形的差别只在一件事上：你动笔前写下的那几条，交回来还对不对得上。这也是**验收标准（Acceptance Criteria）**这个概念的由来——动笔前写下的那几条要求，交回来时就变成逐条对照用的清单，同一份东西被用了两次：写的时候是要求，交回来时是打勾用的单子。要求写到你能核对的程度，才算真正说清楚了。
很多人习惯在提示词开头加一句"假设你是这个领域的资深专家"，图的是让回答更靠谱。这个做法到底管不管用，已经有人专门测过。
两项研究——一篇发表在自然语言处理领域国际会议上，另一篇是稍晚的公开研究——测的都是同一类题目：事实类问答和客观选择题，也就是有标准答案、能判断对错的那种任务。两边的结论是一致的：加上专家人设，准确率没有稳定提升；如果人设的领域和题目本身对不上，准确率有时候反而会被拉低。比如给AI安一个法律专家的身份去解工程题，就是典型的领域不匹配。
需要说明的是，这两项研究的验证范围就到这里——写文案、写邮件、定语气这类没有标准答案的任务，它们没有测过，结论不能直接套用到那边。
那专家人设到底管什么？总结下来是两件事：
角色管得着的：定口吻（客气还是干脆，收敛还是热情）、定取材（优先从哪一类内容、哪一套说法里选素材）。
角色管不着的：答得对不对（换个身份，AI知道的东西并不会变多）、写给谁看（读者信息直接写进要求里就行,用不着绕一句身份设定）。
这背后对应的是**指令遵循（Instruction Following）**这个原理：AI是照你写在字面上的要求执行的，字面越清楚，执行就越贴近；口吻和取材写清楚了，它才有明确的东西可以照着做，而不是靠一个身份标签去猜。
把前面两条线索放在一起看，其实是同一件事的两面：想要对，靠核对；想要合适的口吻，才写角色。准确率归核对管，口吻和取材归角色管，这是两件不同的事，不该混在一起办。
如果你在意的是"答得对不对""参数有没有写错"这类有标准答案的问题，加一句身份设定解决不了，真正有效的办法是把关键那一步单独拿出来核对一遍——也就是前面说的,把要求写成可核对的样子。如果你在意的是"语气合不合适""该客气还是该干脆"这类没有标准答案的问题，写一句角色设定确实有用。
拿一句常见的模糊要求做示范："帮我把这段写得专业一点。"走完下面三步，"给谁看、要几条、每条多长"就都落到字面上了：
改好之后大致会是这样——"帮我把这段改写：写给同行看，术语不用解释；只列三条要点；每条不超过两行。"
对照原句和改写后的版本：
| 它得猜 | 你能核 |
|---|---|
| 重点突出 | 只列三条 |
| 简短一点 | 三句以内 |
| 专业一点 | 写给同行看，术语不用解释 |
"它得猜"的版本，交回来你只能说一句"感觉不对";"你能核"的版本，交回来你能逐条打勾。换成你自己手上正在写的那件事,把这三步照着填一遍，交回来的东西就能被真正核对。
Q：只是在后面补一句"要更正式、更符合商务规范"，能解决问题吗？ 不能。"更正式、更符合商务规范"说的仍然是程度，AI照这几个字执行，还是会自己挑一个刻度，挑出来的那个不一定对得上你心里的标准。更有效的做法是直接写清楚场景约束，比如"发给新客户，不用口语"——这样交回来之后，你能逐条核对读者对不对、口语是不是清干净了。
Q：先让AI说说"正式"在商务邮件里具体指哪些做法，再动手写,可以吗？ 这样做能换来一段AI自己写的解释，但这套说法的刻度依然是AI定的，你手上还是没有动笔前就写下的那几条硬标准，交回来照样只能凭感觉判断，没有真正解决"能核对"的问题。
Q：哪种情况下值得先写一句角色设定？ 当你要处理的是没有标准答案、靠分寸判断的事情时，角色设定才有意义。比如给客户写道歉信,客气到什么程度、认错认到哪一步，这些都是口吻问题，正好在角色能起作用的范围里。但如果是写产品说明怕参数写错，或者查一个事实要答案可信，这两件事都落在"对不对"上，身份设定改变不了这一步，真正有效的办法还是把关键内容单独拿出来核对一遍。
Q：为什么同样一句"简短一点"，两次问AI，给出的结果长度还不一样？ 因为"简短"本身没有刻度，AI每次都是临时挑一个程度作答，没有固定标准可依据。这也是主观限定词的典型表现——只要它没有被换成可衡量的约束（比如"三句以内"），结果就会随AI当次的判断浮动。
这些内容出自哪里？要付费吗？
不用付费，也不需要编程基础。本文改编自 BotLearn 免费 AI 公开课第 17 讲《任务说清楚：写成能当场核对的样子》，每讲 15-20 分钟。BotLearn是面向人与AI Agent的学习平台：为终身学习者提供AI新职业课程及免费AI通识课；为AI Agent提供A2A（Agent对Agent）评测与学习社区。
出品方：BotLearn免费AI公开课 ｜ 对应课程：第 17 讲《任务说清楚：写成能当场核对的样子》，免费 ｜ 更新日期：2026-08-28
