本文介绍在编写ChatGPT提示词时如何结合正例与反例提升输出质量。通过明确正例定标准、反例划边界的原则，提供最小可用模板、示例数量控制策略及适用场景判断，帮助新手快速掌握结构化提示词编写方法，减少模型跑偏，提高任务完成率。
正例负责定标准
正例不是随意粘贴一段“看起来不错”的文字，而是为模型提供一个可模仿的目标。它应与任务同场景、同语气、同格式。若要求生成邮件，就提供邮件格式的正例；若要求整理为清单，就提供清单格式的正例。模型最容易学习的，是实际展示出的结构。
正例的另一个关键作用是将“好结果”具体化。许多新手习惯使用“写得专业一点”“短一点”“自然一点”等模糊表述，但这些词汇缺乏可操作性。通过插入一条合格样例，模型能明确“专业”具体指分段清晰、句子简短，还是开头先给结论。
反例负责划边界
反例的价值不在于让模型记住错误答案，而是明确哪些特征不应出现。反例可以简短，只需指出问题即可，例如“不要把结论写到最后”“不要添加无根据的推测”“不要将项目符号写成大段散文”。反例越具体，模型越不容易偏离预期。
如果正例指引模型“往哪走”，反例则提醒它“别跨线”。OpenAI的提示工程文档强调：不要只说明不要什么，也要说明应该怎么做。将反例与替代要求结合，模型更容易执行指令，而非仅记住禁令。
先给一个最小模板
可直接采用以下结构编写提示词：
任务：把这段产品说明改成给新手看的中文简介。
正例：先给一句结论，再用 3 个短句解释核心功能。
反例：不要写成长段技术说明，不要堆英文术语。
要求：模仿正例的结构，避开反例里的问题，输出控制在 120 字内。
该写法具备两个优势：一是明确结果形态，二是排除不期望的输出方向。模型无需猜测“短一点”或“简单一点”的具体含义，而是直接朝指定结构靠拢。
例子要少，但要像
新手常见误区是堆砌大量示例，误以为越多越稳定。实际上，多数日常任务一正一反已足够。示例过多易导致内部冲突，例如一个要求简短，另一个要求详细，模型将难以抉择。
更稳妥的顺序是：先明确任务，再提供一条最接近目标的正例，最后补充一条易踩坑的反例。待首轮输出完成后，再决定是否追加第二条样例。OpenAI提示词最佳实践同样建议从初始提示开始，观察结果后逐步修正，而非一次性填满模板。
什么时候不用上例子
若任务极为简单，如“把这段话改短一点”或“把标题换成中文”，通常无需正例与反例。示例最适合结构感强、格式要求明确、易跑偏的任务，如摘要、邮件、表格、分类、字段提取、固定口吻改写。任务越接近“要成品”，示例价值越高。
另一种不宜添加示例的情况是目标尚未明确。若自身未理清需求就急于编写正反例，只会放大模糊性。必须先确定结果形态，再编写样例，顺序不可颠倒。
先看这一版，再微调
完成提示词编写后，避免一次性修改多处。应先检查模型是否掌握指定结构，再决定补充正例、收紧反例或强化输出格式约束。每次仅调整一个变量，才能准确定位有效改进点。
对ChatGPT而言，正例用于示范，反例用于排除。两者结合，模型更易理解需求并规避错误。新手只需记住核心顺序：先给正例，再补反例，最后明确输出要求。
