TL;DR
在不受控制的情況下，每個 AI 都以同樣的形狀回答：中等長度的作文 —— 安全、填充、大多是廢話。範圍限制告訴模型什麼不要涵蓋，格式限制規定答案必須是什麼形狀；兩者一起把漫談文字轉換成密集、可用的輸出。
類比
想像你雇了一位主廚，而你給的唯一指示是：「食物。」
主廚很開心 —— 而且對預算是個威脅。端出來的是十二道式品嚐菜單：你不要的湯、清 palate 的冰沙、三份甜點、一段關於醬汁還原的獨白。每道菜在技術上都出色。帳單巨大。而在第九道菜的某處，你意識到你只想要一個三明治。
現在看看同一位主廚收到：「一個烤起司三明治，酸種麵包，對半切，裝在小盤子上。」 沒有品嚐菜單。沒有獨白。三十秒純粹的、三明治形狀的專業能力。
一個不受約束的提示就是*「食物。」* 限制範圍是選擇菜而不是菜單。強制格式是指定盤子。 AI 和主廚一樣，是為了讓人印象深刻而打造 —— 而在沒有界限的情況下，「令人印象深刻」意味著「更多」。文字、章節、但書、選項，一場作文形狀的努力遊行，你會逐行付費而且幾乎一行都不讀。
大多數人錯過的細節是：限制不會限制品質，而是集中品質。要求十二道菜，每道菜的平均品質下降；要求一個完美的三明治，每一分技能都落在兩片麵包之間。主廚一直這麼好。是你終於瞄準了他。
運作原理與經濟（Uzu）
兩個轉鈕，都在提示本身裡轉動。
轉鈕一 —— 範圍：定義什麼是排除的。 面對開放問題的模型會同時往每個方向避險，因為涵蓋一切是最安全的平均答案。關上出口：命名受眾、目的、深度，以及要排除什麼。這是 one-shot 提示解剖的一半 —— 脈絡組成 —— 在默默工作。
轉鈕二 —— 格式：定義形狀。 格式限制（「以表格」、「恰好 3 個項目符號」、「最多 100 字」、「一段，無前言」）做了微妙的事：它給模型一個固定的容器去填，所以它的力氣進入實質而不是結構。你可以在第一句感覺到差異 —— 受限的答案以答案開場，而不是「當然！以下是一份全面的概述……」
| 限制類型 | 你寫什麼 | 它殺死什麼 |
|---|---|---|
| 長度 | 「最多 100 字」/「恰好 3 個項目符號」 | 填充、前言、回顧段落 |
| 結構 | 「以表格」/「編號清單」/「一段」 | 作文漂移、被埋的重點 |
| 排除 | 「無引言、無結論」 | 儀式和清喉嚨 |
| 深度 | 「給初學者」/「專家級」 | 過度解釋和解釋不足 |
而限制在最要緊的地方複利：一個緊的答案是一個小答案，小答案在脈絡視窗上留更多空間 —— 那張每個後續追問都會重讀一切的桌子。由三項符號答案構成的聊天幾十回合都保持敏銳；由作文構成的聊天在第十五則訊息就淹死自己的指示。
這也是 Uzu 讓物理可見的地方：credit。生成一個冗長漂移的答案遠比生成一個緊的答案昂貴，所以強制緊湊格式不只是可讀性 —— 它是一種財務策略。模型不寫的每個字都是你留住的一小部分 G-Credit。說*「恰好 3 個項目符號，每個最多 20 字」的提示和說「告訴我一切」*的提示可能都「正確」，但它們燒掉的經濟量天差地遠 —— 而且只有一個會產生你真正會用的答案。
所以工作規則很簡單：
先約束，再提問。 如果你能描述理想答案的形狀，就把那個描述放進提示 —— 模型填容器遠比猜容器在行。
改寫前後（限制）
範例 1 —— 開放問題
解釋光合作用。
四段、一節歷史、兩個比喻、一個總結。漂亮，而且是你需要長度的三倍。
用正好 3 句話向十歲小孩解釋光合作用。不要用工廠的比喻。
同樣的知識，壓縮進一個孩子捧得起的容器。注意排除 —— 「不要工廠比喻」—— 關上了大多數答案都會愉快走過的出口。
範例 2 —— 比較
比較太陽能和風能。
一篇平衡的作文，六個子主題、避重就輕的結論，關鍵數字散落在第九和第十一段。
以表格比較住家安裝的太陽能 vs 風能，恰好 3 列：前期成本、回本時間、所需空間。表格後給一字結論。
表格迫使比較進入平行事實；結論限制迫使一個決定。掙不到一列的東西都活不下來。
範例 3 —— 改寫
改進這封電子郵件。
模型回傳一封更長的郵件 —— 因為「更詳盡」是它對「更好」的預設定義。
改寫這封電子郵件，80 字以內，第一行保持是請求，兩項後勤細節用項目符號，結尾簽名不變。
長度封頂、結構指定、範圍鎖定在這封郵件。結果比原文更短而且更好 —— 沒有任何預設設定做得到。
常見陷阱
- 假設 AI 知道何時停止。 它不知道 —— 模型沒有「夠了」的感覺，只有「完整」的感覺。沒有限制時，「完整」朝作文成長。永遠給交付物附上尺寸。
- 限制格式但不限制範圍。 對巨大問題套用「以表格」會產出巨大的表格。兩個轉鈕一起運作：先縮小領土，再選容器。
- 設下你其實不想要的限制。 需要細膩時說「最多 50 字」會產出被裁切、扭曲的答案。限制應該反映你理想交付物的真實形狀 —— 如果你會接受 200 字的真正洞見，就別要求 50。
- 忘記負面限制的存在。 「無前言」、「無表情符號」、「不要提價格」、「跳過歷史」—— 初學者只描述要什麼，從不描述要留下什麼。排除是箱子裡最銳利的範圍工具。
- 把限制留到後續追問。 在臃腫答案後送出*「短一點，麻煩了」代表 token 已經生成了 —— 而在 Uzu 中已經付費了。限制在生成之前*便宜，之後昂貴。
常見問題
我怎麼讓 AI 給更短的答案？
在提示本身附上明確、可衡量的限制：「恰好 3 個項目符號」、「100 字以內」、「一段，無前言」。模糊的「簡短一點」會失敗，因為它們沒有檢驗標準 —— 「恰好 3 個項目符號」不可能被誤解。加上負面限制（「無引言、無結論」）來修剪模型預設添加的儀式。
在提示中限制範圍是什麼意思？
限制範圍是在生成之前定義答案的邊界：受眾、深度、包含什麼，以及 —— 最有力的 —— 排除什麼。這是「告訴我行銷」和「給麵包店的 3 個 Instagram 貼文標題點子，每個 20 字以內」之間的差別。同樣的模型，截然不同的密度。
更短的 AI 答案省錢嗎？
省。語言模型逐 token 生成文字，而生成是昂貴的部分 —— 900 字的答案成本約是 100 字的九倍。在 Uzu 中，這個差異以 G-Credits 計費，所以強制緊湊的格式直接延長你的餘額：先約束形狀，為實質付費而不是填充。
下一課
到目前為止，每個技術都是關於文字輸入、文字輸出。但現代模型還有完全另一種感官：它們能看。餵給它們一張圖片會改變提示的規則 —— 詞彙取代語法，成本模型也改變了。歡迎來到 AI 中最被誤解的輸入。
繼續下一課：視覺提示與附件成本
離開前的練習：拿起你收到的最後一個冗長 AI 答案，逆向工程出能以三分之一大小產生它的限制 —— 確切的字數、確切的容器、那一個能砍掉填充物的排除。下個提示，先寫那個限制。