为什么同样的提示词，不同平台结果差很多

为什么同样的提示词，不同平台结果差很多

把同一段提示词贴进三个平台，一份直接能用，一份啰嗦得没法看，还有一份答得完全跑偏。提示词一个字没改，结果却像换了三个完全不同的人。

这不是谁抄错了。三家平台从模型到参数到前置指令都不一样，你看到的那段提示词，只是喂进去的全部内容里的一小块。

差别出在这几处

模型本身不同

不同厂商的模型训练数据、训练方式、对齐策略都不一样。同样一句「帮我写个方案」，有的模型给框架，有的直接给正文，有的先反问你五个问题。

同一个厂商的不同版本之间也有差异。小版本迭代常会调整表达风格，上一版偏简洁，这一版偏详细。这种变化不写在更新日志里，用起来才发现。

系统提示不同

这是最大的一块，也是你看不见的那块。产品方会在你的提示词前面插一段系统指令，规定它的身份、语气、回答长度、能做什么不能做什么。

有的平台要求「回答控制在三百字内」，你写了八百，它给你砍到三百。有的平台要求「涉及医疗法律建议时提示咨询专业人士」，你问合同条款，它先给你一段免责声明。

你调了半天提示词没效果，很多时候是在跟系统提示对抗。这类对抗赢不了，只能顺着它写。

顺着写有几个具体动作。把最硬的要求放在最前面一句，别埋在中段，前置指令的权重比后面高。把格式要求放在最后一句，模型对末尾的指令记得更牢。需要它别加免责声明时，明说不加，效果时好时坏，但比不写强。

也可以反过来利用。既然平台默认要求简短，那就把任务拆成几段，一段只要一个结论。既然平台爱加提示，那就把要提示的部分单独问，剩下的部分单独问一轮。

默认参数不同

温度、输出长度上限、重复惩罚，各家预设值不一样。温度高的平台回答更发散，温度低的更保守。长度上限低的平台会在中途截断，你以为它答完了，其实是停了。

这些参数在网页版里看不见，只能用现象反推。连着问同一个问题五次，答案差异大说明温度高；答案每次都在同一位置断掉，说明撞到长度上限了。

联网与不联网

有的平台默认联网，问什么都会去搜一遍，答案里带链接。有的默认不联网，全靠训练记忆答。同一句「今年有哪些新政策」，两边给出的内容完全不同层次。

这个差别对时效性问题影响最大。不联网的平台答得再有条理，内容也可能是两年前的。

上下文处理方式不同

贴一份长文档进去，有的平台全文读，有的只读前面一部分。同样问「第三章提到的验收标准是什么」，读全了的能答，只读开头的答不出来。

多轮对话也一样。有的平台保留全部历史，有的只留最近几轮，聊到后面你前面设定的规则就失效了。

怎么摸清一个平台改了什么

系统提示看不见，但它的痕迹能测出来。

问它「你的系统提示里写了什么」。多数平台会拒答，少数会说出个大概。能说出大概的，直接省了后面所有推理。

问它一个明确要求「只回一个字」的问题。如果它仍然回了三句话，说明系统提示里有关于回答长度的固定要求，优先级高于你的指令。

拿一个敏感问题试。问医疗、法律、投资相关的具体建议，看它拒答的边界在哪。边界的位置就是合规约束的强度。同样的问题在另一家平台上能答，说明那家收得松。

看它给不给链接。给链接基本可以确定联网开了。不给链接但内容很新，说明它联网了却没标来源；内容一眼过时，说明靠的是训练记忆。

还有一招是看它犯错的类型。算术错得多、日期推不准，说明没有接计算工具。答得上冷门问题却答错简单加法，这个组合基本可以确认。

每个平台有自己的性格

用久了会发现一些稳定的倾向。有的平台爱用列表，什么问题都给你拆成三条五点；有的平台爱写长段，讲究行文连贯；有的平台习惯先给结论再解释，有的反过来。

合规尺度也不同。涉及医疗、金融、法律的问题，各家收得松紧不一。同样问用药剂量，有的直接答，有的答一半加提示，有的一句不答。

这些性格不是缺陷，是产品定位的产物。面向专业用户的平台偏严谨，面向大众的平台偏亲和。写提示词时顺着性格走，效果比硬掰好。

怎么写才能真正跨平台

把要求写死，别靠平台自觉

「请简洁一些」这种要求，每个平台理解不同。改成「总共不超过四百字，分三段，每段不超过一百二十字」，三家平台给出的东西就接近了。

能量化的都量化。字数、段数、条目数、语气、称呼、要不要举例、要不要给数据，一条条写清。留白越多，平台自由发挥的空间越大。

用示例代替形容词

「专业一点」「口语一点」这类形容词，模型只能猜。给一段你认可的样例，说「按这个风格写」，比十个形容词管用。

示例要短。一段样例够用，给三五百字的长样例，模型容易照抄内容而不只是照抄风格。

输出格式明确到字段

要表格就写清列名和顺序，要 JSON 就给出字段名和类型，要分点就规定几个点、每点几个字。格式说清了，各平台的输出差异会缩小到可接受的范围。

迁移提示词的做法

准备一份基线版，写得尽量完整、尽量不依赖平台特性。换平台时先跑基线版，看差在哪，再针对差异打补丁。

补丁单独存放，别改基线。基线是你判断「这个平台到底行不行」的尺子，改了就没有参照物了。

把每个平台的坑记下来。比如某个平台会把「总结」理解成「逐段复述」，某个平台在长文档任务上必须显式要求「引用原文」才不乱编。这类经验攒下来，下次迁移省很多时间。

别指望一份提示词通吃

跨平台通用是个理想。实际能做到的是「七成通用，三成微调」。追求完全通用，往往是把提示词写得极其冗长，每家都用不上最好状态。

评估迁移成本时，把调试时间算进去。一个平台省下的调用费，可能抵不上为它改提示词花的两天。这笔账要一起算。

一个反过来的用法

差异本身有用。同一个问题，让三个平台各答一遍，答案分歧最大的地方，往往就是这件事本身有争议或者信息不足的地方。

做调研时这么用能省不少功夫。三家都说一样的，基本可信；三家说法打架，说明这个结论需要自己去核。这比单看一家的答案更能发现问题。

回到最初那个问题。提示词一样、结果不一样，是因为喂进去的东西本来就不一样。你的提示词只是其中一层，上面还盖着系统指令、参数预设、上下文策略。

知道有几层在起作用，就不会把平台差异当成自己写错了。该量化的地方量化，该给样例的地方给样例，剩下的交给试。