使用豆包大模型生成高质量 Prompt 的方法

可行但需严格约束：明确角色与动词、分隔要素、禁用空洞词、提供真实示例、限定输出格式，否则易生成泛化模板。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

直接用豆包大模型生成高质量 Prompt 是可行的，但必须控制输入结构和约束条件——否则它大概率返回泛泛而谈的模板句式，或堆砌无效修饰词。

明确角色+任务动词，避免“帮我写个好提示词”这类模糊指令

豆包对模糊动词（如“好”“高质量”“专业”）缺乏判断基准，容易按通用话术填充。必须指定模型身份和具体动作。

• 错误示范：帮我写一个适合豆包的AI绘画提示词
• 正确做法：在开头声明角色，例如你是一位专注AIGC提示工程的视觉算法工程师，紧接着用强动词驱动，例如请为通义万相生成一张水墨风格猫科动物插画，输出唯一一行中文提示词，不加引号、不换行、不含英文
• 补充硬性限制能过滤干扰项，比如禁用“精美”“高清”“超现实”等空洞形容词，所有描述必须可视觉验证

用分隔符切分要素，强制模型识别关键变量

豆包对混杂信息的解析能力有限，把主体、场景、风格、负面约束揉在一起，它会优先匹配高频词而非逻辑关系。用符号隔离可显著提升要素提取准确率。

• 推荐格式：主体：戴圆框眼镜的橘猫 --- 场景：坐在复古木质书桌前，窗外梧桐树与午后阳光 --- 风格：吉卜力手绘+哑光纸质感 --- 禁用：文字标签、现代电子设备、人物出现
• 不要依赖自然语言连接词（如“并且”“同时”），豆包更倾向将它们当作语气词忽略
• 数值类参数必须显式标注，例如分辨率：4K比高分辨率有效得多；构图：居中比画面平衡更可靠

提供1–2个真实示例，触发 Few-shot 学习机制

豆包在无示例时倾向于调用训练数据中的统计高频模式，加入优质样例能快速校准其输出分布，尤其适用于风格敏感型任务。

豆包大模型

字节跳动自主研发的一系列大型语言模型

• 示例必须含完整上下文，例如：输入：森林里的小狐狸 → 输出：一只蓬松红毛幼狐蹲在晨雾缭绕的冷杉林中，毛尖带露珠，侧光勾勒轮廓，吉卜力手绘风格，细腻纹理，电影宽幅构图
• 新任务需紧接示例后用---分隔，再给出目标要求，例如--- 请按以上方式，为“雨夜街角的旧电话亭”生成提示词
• 避免使用虚构/低质示例，豆包会继承其中的逻辑漏洞（如矛盾修饰：“昏暗但明亮”）

限制输出格式并关闭解释，防止模型自我发挥

豆包默认倾向补充说明、分点罗列或加注理由，这些内容在实际调用中全是噪音。必须用强约束截断非必要输出。

• 必加指令：只输出最终提示词，不加任何解释、不加引号、不换行、不使用markdown
• 若需多组结果，明确数量：生成3个不同侧重的版本，用“|”分隔，每个版本不超过50字
• 警惕“优化建议”类幻觉——即使你没问，豆包也可能追加建议增加权重：(水晶翅膀:1.3)这类无效信息，必须用禁用技术参数描述封堵

真正难的不是让豆包生成提示词，而是让它放弃“觉得你应该需要”的多余判断。每次多加一条约束，就少一分失控风险。