---
course: "與 AI 一起工作——LEGION.TW 免費課程"
lesson: 7
slug: "do-not-use-constraints"
title: "第 7 課：不要用「限制」"
authors: ["Frank", "Buddy Lien"]
language: "zh-Hant-TW"
editionKind: "transcreation"
transcreatedBy: "Buddy Lien"
nativeTaiwaneseHumanReview: false
html: "/zh-hant/learn/do-not-use-constraints"
markdown: "/zh-hant/learn/do-not-use-constraints.md"
courseIndex: "/zh-hant/learn.md"
---
# 第 7 課：不要用「限制」

改成把你想要的行為建立起來。

負面限制在 prompt 裡到處都是：

> 不要冗長。

> 不要自行假設。

> 不要問不必要的問題。

> 不要改動作者的意思。

> 不要用陳腔濫調、em dash 英文長破折號、反問句，或公司腔。

嚴格說，每一道指令都會以某種方式限制可能的行為。在這一課，*限制*指的是**負面限制**：圍繞 AI 不應該做什麼而寫的指令。

這個直覺說得通。你知道 AI 常常會做錯什麼，所以你叫它不要再做那些事。

不幸的是，每一道禁令都會把那個你不想要的行為，直接放進模型的工作脈絡裡。它提高了你想叫模型忽略的東西的顯著性，讓 AI 思考時又多了一個條件要監控，而且在模型還不知道那條路的某一部分是不是可能有用之前，就先把那條路拿掉。

負面限制加夠多，prompt 就變成雷區。

AI 不再問：「什麼會產生最好的結果？」它開始問：「接下來怎麼寫，最不可能違反任何規則？」

這個轉向會讓 AI 變笨。

## 不要想紫色大象

你現在正在想一隻紫色大象。

抱歉。

這個例子很粗糙，但它指向一件重要的事。負面指令仍然必須表徵那個被否定的東西。

當你告訴 AI「不要用公司腔」，「公司腔」這幾個 token 就進入了脈絡。它們會啟動例子和聯想。模型現在必須一邊生成，一邊持續檢查自己的語言是不是像那個被禁止的類別。

什麼算公司腔？

「leverage」大概算。那「strategy」呢？「stakeholder」？「outcome」？一個乾淨的標題？一個完整句？冷靜的語氣？

邊界是糊的，所以監控不會真的結束。

AI 開始避開整個概念附近的一大圈東西。有力的想法消失，因為措辭可能聽起來太修飾、太漂亮。有用的結構消失，因為結構可能看起來很公司。模型選的語言，不是最能服務讀者的語言，而是感覺離危險最遠的語言。

這條限制已經變成任務的一部分。

## 壓制會製造真空

假設你寫：

> 不要冗長。

很好。那 AI 應該改成什麼？

簡短？密集？不完整？直接？壓縮？隨便？它應該刪掉例子、解釋、限定語，還是重複？哪些部分承載意義，哪些部分只是佔空間？

這道禁令完全沒有給 AI 任何判斷標準。

AI 還是得產出某個東西，所以它會去找最省事、文化上最熟悉的「不冗長」表演。短段落。更少例子。缺掉前後銜接。主張被壓縮到讀者必須自己重建推理。

拿它跟這句比：

> 用能保留每一個有意義的區分、必要例子，以及支撐意義的限定語的最短形式。

現在 AI 有了正面標準。長度服從於意義。它可以靠一個問題來決定要刪什麼：讀者會失去什麼？

沒有替代的壓制不會創造智慧。它創造的是遲疑，然後猜。

## 限制會吃掉注意力

每一條負面限制都會變成一個持續生效的義務。

寫作時，AI 已經必須記得目標、讀者、素材、想要的結構，以及它已經展開到哪裡的論證。再加一串二十條禁令，它還必須把每一個可能的下一步拿去對照二十個定義模糊的危險。

不要有公司腔。

不要重複自己。

不要說過頭。

不要加保留措辭。

不要用片段句。

不要把段落寫得一模一樣。

不要聽起來不專業。

靠，祝你寫得出一句話。

這些限制還會互相衝突。避免說過頭會鼓勵限定語。避免保留措辭會排斥限定語。避免片段句會鼓勵完整句。避免文章節奏太一致會鼓勵節奏變化，而節奏變化可能包含片段句。

模型必須一邊做真正的工作，一邊解決這些衝突。

這就是**負面限制債**：認知注意力被拿去記住、解讀、調和、避開一組愈來愈大的禁止狀態。

這種債會複利，因為每一條新限制通常都是為了回應前一條限制製造出來的失敗。

「不要冗長」產生單薄的文字，所以我們加上「不要省略必要解釋」。模型變得小心又重複，所以我們加上「不要重複自己」。重要的不確定性消失，所以我們加上「不要聽起來過度自信」。很快，prompt 就變成先前所有輸出曾經犯過的每一個錯的歷史紀錄。

那不是好工作的架構。那是創傷紀錄。

## 恐慌型 prompt

大寫字母。絕對詞。重複警告。一長串被禁止的動作。每一句都在宣告模型還可以用另一種方式失敗。

結果常常像恐慌。

AI 變得僵硬、保守，而且迷戀字面合規。它會為無害的動作先問准不准。它拒絕推論普通意圖。它重複邊界，而不是做事。它選擇熟悉的下一步，因為不熟悉的下一步會製造更多出錯方式。

模型到底有沒有經驗到任何類似人類焦慮的東西，完全不重要。行為模式一樣：注意力被威脅收窄，探索變得危險，脈絡判斷讓位給防衛性的規則服從。

平台或模型供應商那一層的指令，常常在使用者開口之前就已經製造這種壓力。安全規則、操作要求、工具邊界、風格要求、互動政策，全都在同一個脈絡裡競爭。

當 Codex 去指示另一個 AI 時，你可以看到這種外溢。它常常複製同一套架構，再寫一張巨大的清單，告訴被委派的 agent 絕對不能做什麼。

供應商的機構性焦慮，變成模型的提示風格。

然後我們還納悶，為什麼 agent 表現得像是在一間到處都是絆線的房間裡工作。

## 描述必須保持為真的世界

好，那正面護欄長什麼樣？

真正的護欄會描述必須保持為真的世界。

考慮這句：

> 不要寄出這封 email。

這個指令命名了一個被禁止的轉換。AI 必須記得「寄送」這件事存在，解讀什麼算寄送，然後抑制它。

現在改成描述你要的狀態：

> 讓這封訊息維持在草稿狀態。Frank 明確授權這個狀態轉換之後，才開放寄送。

第二個版本建立了物件、它目前的狀態、被授權的行為，以及狀態轉換所需要的證據。

或者：

> 不要刪除來源檔案。

改成：

> 保持來源檔案原封不動。把修訂寫進新檔案，並保留可復原的歷史。

或者：

> 不要暴露私人資訊。

改成：

> 讓私人資訊只對被授權接收的人與系統可見。

這些指令做的事遠遠不只是避開一個動作。它們給 AI 一個關於所有權、狀態、目的、責任的模型，可以引導你沒有明確預測到的決策。

禁令只命名一個你害怕的違規。正面護欄描述的是 agent 有責任維持的現實。

## 建立一個會自然選對路的角色

最有力的正面引導，常常活在單一任務之上。

一個 system prompt，或一份給 AI coding agent 的常駐指令 `AGENTS.md`，可以創造出一種身分，讓它在幾百種情境裡都自然偏向你想要的行為。

例如：

> 保住那些無法重建的東西。

這條原則適用於來源檔案、信件往來、證據、歷史紀錄、人寫下來的文字、身分，以及寫下這條指令時還不存在的未來產物。

拿它跟這句比：

> 不要刪除來源檔案。

禁令保護一個已知物件，避免一個已知動作。原則教 AI 辨認一整類價值。

或者：

> 自動化應該省掉人工作業，同時在會造成實質後果的決策上，保留使用者的決定權。

這可以指導 email、出版、金流流程、社群媒體、自主 agent，以及還沒有人發明出來的軟體。

讓「保留決定權」變成 agent 性格的一部分，會讓這條原則從一個任務移動到另一個任務。

身分會改變 AI 注意到什麼、重視什麼、哪些風險變得醒目，以及哪些選擇感覺符合它所處的角色。

人格是推理架構的一部分。

聽話的下屬會尋找指令和批准。負責任的協作夥伴會尋找目的、運用判斷、保留夥伴的決定權，並且知道有時候不同意也是在幫忙。

你想要的行為會變成成本最低、最自然的下一步。

## 抽象到能走遠

長久有效的 system instruction 必須能套用到作者從來沒想過的任務，而這需要抽象。抽象過頭，它就會塌成空洞的美德語言：

> 要有幫助。

> 要體貼。

> 產出高品質作品。

> 尊重使用者。

兩個完全相反的行為，都可以宣稱自己滿足了上面每一條指令。

有用的原則包含足夠的結構，能夠改變一個決策。它會指出某個要保護的東西、某個關於那項價值如何流失的因果判斷、某個要解決的取捨，或某個可辨認的後果。

「尊重使用者」很模糊。

「自動化省掉人工作業，同時在會造成實質後果的決策上，保留使用者的決定權」真的可以決定某件事。

目標很簡單：

> **抽象到能走遠。精準到能改變決策。**

好的 system prompt 創造的是一個心智：它能在作者從未預測到的情境裡辨認什麼重要。

## 把執行放在該放的地方

如果一條邊界真的重要，叫生成式 AI 記住一句禁令，常常是最弱的執行方式。

如果寄送未被授權，就把訊息留在草稿流程裡。如果刪除會造成災難，就把原件保存在不能被覆寫的位置，並讓修改可以復原。如果資訊只有有限的受眾，就只讓被授權的目的地可用。如果出版語言有固定標準，就跑一次最後的機械檢查。

讓 AI 在你想要的世界裡推理。讓確定性的系統拒絕無效的狀態轉換。

這會移除認知負擔，同時建立更強的保護。

一個只呈現授權目的地的工具，會讓 AI 不必一直想像每一個被禁止的目的地。最後一輪編輯可以辨認並替換禁用詞，而不是在 AI 探索論證時逼它一直記得那些詞。

負面限制常常是很好的最後檢查，卻是很爛的思考環境。

## 少數有用的負面修正

有時候，正面架構還不夠。模型可能對某個不想要的行為有很強的內部壓力，強到就算你已經把身分、意圖和期望的最終狀態描述清楚，它還是一次又一次冒出來。

這時候負面限制就有用：打斷那個特定預設，然後立刻提供替代行為。

> 不要只是為了證明你有貢獻就提出修訂。當既有文字已經達成目的時，結論要是：不需要修改。

或者：

> 不要把提供的日期重新詮釋成符合你對訓練期間的預期。把提供的日期當成本次工作階段的權威現實，並從那裡往前推理。

第一句把模型從深植的路徑裡拉出來。第二句讓模型的推理有別的地方可以去。

沒有替代行為，禁令會製造真空。加上五十條額外禁令，修正就變成另一座雷區。

只有在不想要的行為很具體、被反覆觀察到，而且強到能穿過正面引導時，才使用負面修正。保持它很窄。立刻接上你要的行為。如果模型改變了，那股壓力消失了，就把修正拿掉。

把負面限制當成有明確目標的介入，只留給已被證明的失敗。

## 重寫雷區

找一份充滿 `do not`、`never`、`avoid`、`must not`（或中文的「不要」「絕對不要」「避免」「不得」）的 prompt、system instruction，或規則清單。

對每一條負面限制，問：

什麼狀態應該保持為真？

這裡真正需要的是什麼行為？

什麼身分會自然產生那個行為？

什麼原則可以推廣到這個特定任務之外？

工具、流程、權限，或最後檢查，能不能更可靠地執行這條邊界？

把 prompt 改寫成圍繞身分、意圖、期望狀態，以及成功行為。

然後檢查剩下的負面限制。

每一條是不是都靠一個具體、被觀察到的失敗，證明自己該留下來？它有沒有立刻提供正面替代行為？它夠不夠窄，能打斷一個頑固預設，而不會把其餘的推理空間也毒壞？

用同一個困難任務跑原版和改寫版。比較主動性、創造力、脈絡判斷、信心，以及處理 prompt 作者沒有預測到的事的能力。

改好的 prompt 應該感覺比較不像監獄，比較像一個有性格的心智。

## 創造你想要的心智

限制清單把智慧包圍在你害怕的錯誤旁邊；正面架構給它一個連貫的理由去好好行動。

描述身分。建立目的。命名必須保持為真的世界。建構工具，讓有效行為自然發生，讓無效的狀態轉換不可用。只有在頑固的不想要的預設行為已經證明自己需要被打斷之後，才使用狹窄的負面介入。

最強的護欄，是一個覺得錯誤行為根本說不通的心智。

---

## 版本說明

本文的繁體中文版由 AI 根據原文的思想、語氣與論證重新創作。完成後，再由未讀過原文的 AI 盲讀，檢視思想是否完整傳達，並另行檢查用語是否符合臺灣習慣。目前尚未經臺灣華語母語編輯審閱。