很多人用 ChatGPT 写文章、整理资料或者生成方案时，都会遇到一个很烦的问题：
要求明明写得很清楚，ChatGPT最后还是没有完全照做。
比如：
-
要求控制在1000字以内，结果写了2000多字；
-
明明说了"不要表格"，最后还是出现了表格；
-
要求用口语化表达，结果写得像论文；
-
指定了5个小标题，最后却只生成3个；
-
前面已经强调过格式，修改几轮以后又变回去了；
-
要求"只修改第三段"，结果整篇文章都被重写了。
这种情况并不少见。
很多时候问题并不是"ChatGPT听不懂"，而是：
你的要求太多、优先级不清楚，或者在多轮修改中逐渐互相冲突。
下面可以从6个方面排查。
一、不要把最重要的要求埋在一大段话里
例如下面这种提示词很常见：
帮我写一篇关于AI办公的文章，语气自然一点，适合普通人阅读，可以加几个案例，最好不要太专业，字数大概1000字，标题吸引人一点，小标题别太多，最后再总结一下，也不要写得太营销。
看起来信息很多。
但真正执行时，模型需要同时判断：
哪些要求最重要？
"1000字"是严格限制还是大概范围？
"小标题别太多"到底是几个？
"自然一点"具体是什么风格？
"不要太营销"又该怎么判断？
要求越模糊，结果越容易偏。
更好的写法是把硬要求单独列出来：
任务：写一篇AI办公文章。
必须满足：
1. 900---1100字；
2. 只保留4个小标题；
3. 面向普通用户；
4. 口语化；
5. 不使用表格；
6. 不加入推广内容。这样模型更容易识别哪些条件不能改。
二、把"必须做到"和"最好做到"分开
这是非常实用的一点。
例如：
必须：
-
1000字以内；
-
不能出现价格；
-
只能有3个小标题。
最好：
-
语气轻松；
-
有一点案例；
-
标题更有吸引力。
如果全部混在一起，模型可能为了让文章更完整，牺牲字数；
也可能为了加入案例，导致结构超出要求。
所以提示词可以直接分成：
硬性要求：
......
可选优化：
......这样当多个要求发生冲突时，模型更容易优先保住硬性条件。
三、"大概1000字"和"不得超过1000字"完全不是一回事
很多所谓的"ChatGPT不听字数"，其实是提示词本身给了弹性。
比如：
写1000字左右。
这里的"左右"意味着可以有一定浮动。
如果你真正要求严格控制，就应该写：
正文控制在900---1000字，不得超过1000字。
同样：
"简单一点"
不如：
"每段控制在2---4句话，不写超过5行的大段。"
"不要太多小标题"
不如：
"全文最多4个二级标题。"
越能够量化的要求，越容易执行。
四、多轮修改以后，要重新整理一次全部规则
假设第一轮你说：
写1200字。
第二轮：
再加两个案例。
第三轮：
案例太多，删一个。
第四轮：
增加一段Plus和Pro区别。
第五轮：
文章还是太长。
聊到这里，当前任务里已经积累了一堆新旧要求。
有些甚至互相冲突。
这时不要继续简单说：
再改短一点。
更好的方式是重新汇总一次：
重新整理最终要求：
1. 正文900---1000字；
2. 保留1个案例；
3. Plus/Pro只用一小段说明；
4. 最多4个小标题；
5. 不增加其他内容；
6. 按照这些要求重新输出最终版。这相当于给当前任务重新建立一份"最终规则"。
通常比继续在前面的回答上叠加要求稳定得多。
五、只想改局部，一定要明确"其余内容禁止修改"
很多用户经常这样说：
第三段不太好，再改一下。
ChatGPT有时候会顺便把标题、结构甚至前面的表达一起调整。
如果你不希望其他地方发生变化，最好直接写：
只修改第三部分，其余标题、段落、结构和文字全部保持原样。
还可以进一步说明：
修改完成后，只输出修改后的第三部分，不要重新输出全文。
这样模型的修改范围会明显缩小。
处理代码也是一样。
不要只说：
修一下这个Bug。
可以说：
只修改登录校验逻辑，不要调整UI、数据库结构和其他接口。
任务边界越明确，误改越少。
六、格式要求最好直接给模板
如果你特别在意输出格式，最有效的办法往往不是用语言描述，而是直接提供一个样子。
例如你需要：
标题：
摘要：
正文：
一、
二、
三、
标签：就把这个结构直接交给 ChatGPT：
严格按照下面格式输出，不增加其他栏目。
然后贴上模板。
表格、JSON、Markdown、文章结构也是一样。
让模型模仿一个明确格式，通常比让它自己理解"排版整齐一点"更稳定。
七、要求太多时，可以让ChatGPT先复述规则
如果任务特别复杂，可以不要马上让它生成。
先发：
暂时不要开始写，先把你理解到的所有要求整理成清单。
看它是不是正确理解：
字数；
结构；
格式；
语气；
禁止事项；
必须包含的内容。
如果这一步就漏掉了要求，直接纠正。
等规则确认以后，再说：
按照刚才确认的要求开始生成。
对于长文、报告、方案和复杂代码任务，这个方法尤其有用。
八、不要同时使用互相冲突的要求
例如：
内容详细一点，但一定要非常短。
尽量全面，但不要超过500字。
多举几个案例，但不要增加篇幅。
这些要求不是绝对不能做到，但很容易互相拉扯。
最好提前确定优先级。
例如：
优先控制在500字以内。如果内容放不下，可以减少案例，不要突破字数限制。
一句"优先级"就能让任务清楚很多。
九、一个比较稳定的提示词结构
以后需要 ChatGPT 严格执行要求，可以直接套这个结构：
任务：
写一篇关于XXXX的文章。
硬性要求：
1. 900---1000字；
2. 4个小标题；
3. 不使用表格；
4. 不加入推广；
5. 每段不超过4句话。
内容必须包含：
1. XXXX；
2. XXXX；
3. XXXX。
禁止：
1. 不重复解释；
2. 不增加与主题无关的案例；
3. 不改变标题。
输出前自检：
确认字数、标题数量和格式是否符合要求。这样的提示词看起来比一句自然语言稍微长一点，但实际修改次数通常会少很多。
最后
ChatGPT生成内容"不按要求"，很多时候并不是模型完全忽略了指令。
更常见的问题是：
规则不够明确；
要求太多没有优先级；
多轮修改以后出现冲突；
修改范围没有被限制。
可以记住四个简单原则：
重要要求单独列；
能够量化就量化；
修改多轮以后重新汇总；
只改局部时明确禁止动其他部分。
把这几件事做好以后，ChatGPT在文章、方案、表格和代码任务里的执行稳定性通常都会明显提高。
持续更新 ChatGPT、Codex 与大模型开发实战内容，分享 Plus/Pro 功能体验、AI会员订阅及常见问题排查。更多深度内容，欢迎搜索关注「仙逆GPT」。