第4章格式控制与输出约束

markdown 代码块里，导致解析出错。

表格适合对比、汇总、结构化展示。AI 通常输出 Markdown 表格，但也可以要求它输出 HTML 表格。

示例：

请用 Markdown 表格对比 Python、JavaScript、Go 三种语言的以下特性：
- 类型系统（静态/动态）
- 主要应用场景
- 学习曲线（容易/中等/困难）

AI 输出：

语言	类型系统	主要应用场景	学习曲线
Python	动态	数据科学、Web 开发、自动化	容易
JavaScript	动态	前端开发、Node.js 后端	中等
Go	静态	后端服务、云原生、系统编程	中等

AI 没有「字数感」。你让它写 100 字，它可能给你 300 字。你让它写 500 字，它可能只写 200 字。所以，长度控制必须具体、可量化。

常见控制方式：

  避坑指南： 我曾经让 AI「用 200 字写一篇产品介绍」，结果它写了 250 字。后来我改成「请严格控制在 150-200 字之间，超出部分会被截断」，效果就好多了。给一个范围，比给一个精确数字更有效。

风格控制，说白了就是让 AI 模仿你想要的「人设」。你是要它像一位严谨的教授，还是一个幽默的段子手？

常见风格维度：

维度	示例指令
正式程度	「请用正式、专业的语气」 vs 「请用轻松、口语化的语气」
受众	「面向初学者，避免使用专业术语」 vs 「面向资深工程师，可以使用行业黑话」
情感色彩	「保持中立客观」 vs 「带有鼓励和积极的态度」
句式	「多用短句和问句」 vs 「使用长句和排比，增强气势」

示例对比：

同样一个需求：「解释什么是 API」

风格 A（面向小学生）：

API 就像一个餐厅的服务员。你（客户端）告诉服务员你想吃什么（请求），服务员去后厨（服务器）帮你下单，然后把做好的菜（数据）端回来给你。

风格 B（面向开发者）：

API（应用程序编程接口）是一组定义了软件组件之间交互方式的协议和工具。它允许不同的系统通过标准化的请求-响应机制进行数据交换和功能调用。

我的经验： 风格控制最有效的方式是「给例子」。你给 AI 一个你想要的输出样例，它就能精准模仿。比如：「请用以下风格回答：『嘿，老铁，这个问题其实很简单...』」。比单纯说「请用口语化风格」要准确得多。

你想想看，如果只控制格式，不控制长度，AI 可能给你一个 1000 行的 JSON。如果只控制长度，不控制风格，它可能用文言文给你写 50 字。所以，三者要一起用。

完整示例：

请生成一份「周报总结」。
- 格式：Markdown 表格，包含「项目名称」「本周进展」「下周计划」「风险」四列
- 长度：共 3 个项目，每个项目的「本周进展」不超过 2 句话
- 风格：面向项目经理，语言简洁、数据驱动，避免主观评价

AI 输出：

  总结： 格式控制与输出约束，是提示词工程中最「立竿见影」的技巧。你只要花 10 秒钟在提示词里加一句「请输出 JSON 格式，不超过 200 字，语气专业」，AI 的输出质量就能提升一个档次。别嫌麻烦，这 10 秒钟，能帮你省下后面 10 分钟的解析和修改时间。