在字节上班时，“Context, not Control”是刻在内部协作DNA里的一句话——别用死流程、死审批控人，把目标、边界、“为什么做”讲清楚，优秀的人自会做对决策；越想把每一步都钉死，越容易把人变成等指令的执行器。  

后来我开始和AI深度协作（处理信息、写内容、归纳改写），折腾过无数复杂提示词后发现：调AI的本质，竟和管人一样，核心也是这八个字。更反直觉的是——AI似乎更“吃”“要它做什么（do）”的指令，对“不许它做什么（not-do）”的排斥感更强。  

一、AI的“逆反心理”：为什么“not-do”总翻车？

很多人写提示词的第一反应是划红线：  
“不要AI味”“不要瞎编”“不要营销感”“不要提某品牌”……  

这种写法的问题，不是“不对”，而是天然有两大短板：  
第一，只给红线，不给路。你说“不要营销感”，AI不知道你要它往哪走——是像新闻稿？报告？个人叙述？吐槽？没给路径，它只能靠猜。猜对了你觉得“懂你”，猜错了你觉得“很笨”。  
第二，会把禁区塞进注意力里。提示词里反复提“不要提X”，X反而成了上下文的高权重词。就像“别想粉色大象”的梗——越禁止，越先出现在脑子里。  

我的经验很粗暴但有效：能用do解决的，尽量别用not-do。具体可落地为四种写法：  

1. 禁止项→允许项白名单

❌ 不要：不要提价格、不要提竞争对手、不要用夸张形容词。  
✅ 改成：只允许出现以下信息类型：{功能、限制、适用场景、步骤}；措辞风格：{中性、可验证、避免评价性形容词}。  
白名单直接缩小“搜索空间”，让AI在“能做什么”里找答案，而非在“不能做什么”里试探边界。  

2. 禁止项→明确替代动作

❌ 不要：不要编造数据。  
✅ 改成：如果缺少数据，输出“未知/待验证”，并列出你需要的3条补充信息（字段名即可）。  
把模型从“自作聪明补全”，拉回“缺口处理流程”，避免它“硬编”。  

3. 禁止项→校验规则+返工机制

❌ 不要：不要出现任何品牌名。  
✅ 改成：输出后自检：扫描是否包含品牌名；若有，重写对应句子为“类别词/泛称”，并在末尾给出替换清单。  
把口头禁令变成“可执行、可复现”的流程，AI照做即可，减少随机性。  

4. 禁止句→反例示范

直接给1-2句“错误示例”，再给“正确示例”。模型对边界的理解，会比只读“不要这样”更清晰。研究显示，结构化的负面示例（negative demonstrations）是有效信号，但需避免情绪化否定。  

二、从“写指令”到“给上下文”：用“上下文工程”稳AI输出

后来我学会用“工程思维”看提示词——AI表现不稳定，往往不是指令不够严，而是上下文不够清晰。我把这套方法叫“上下文工程”，核心是四个动作（无需技术背景，纯语言管理）：  

1. 显性化：把“默认标准”写成动作

很多人说“不要AI味”，是把复杂审美当常识，但AI不知道你的“常识”。它只知道训练语料里“像样文章”的腔调——往往正是你讨厌的。  
解法：把“审美”翻译成“动作”。比如：  
“句子短一点。少用形容词，多用动词。先讲事实再给判断。”  
把模糊要求变成具体动作，AI才有机会做对。  

2. 降噪：别把资料库当输入

AI的“记忆力”有限，喂一吨资料反而会淹没关键信息。有效上下文是“这一步需要的那几条”。给它三条关键事实，比一吨资料更能帮它搭结构。  

3. 提纯：替它先读一遍，再让它写

长研报、长材料直接塞进去，AI抓重点会不稳定。我的习惯是先压成“可执行摘要”：关键数字、核心事实、已知缺口，再让它基于摘要生成。先提纯，再生成，信息密度更稳。  

4. 隔离：把“规矩”和“材料”分开

很多人指令失效，是因为把“要求”（希望AI怎么做）和“材料”（希望AI用什么信息做）混在一起，模型分不清。类比做菜：规则是食谱，材料是原材料。  
我的做法：用“规则：/材料：”或分段隔开，哪怕简单格式也够用。  

三、实战案例：从“控制”到“上下文”的效果对比

案例A：新闻编译

❌ 控制型（not-do）：不要瞎编，不要营销，翻译地道点。  
✅ 上下文型（do）：  
1）事实边界：只基于原文；  
2）兜底动作：信息不足就标【待确认】；  
3）执行路径：固定结构“核心事实→关键数据→下一步”。  
本质：不是“更严”，而是“更可走”。  

案例B：数据打标/分类

❌ 控制型（not-do）：每个维度都要打标，不许留空。  
✅ 上下文型（do）：  
1）宁可留空也不要硬猜；  
2）留空要说明触发逻辑缺失在哪；  
3）判断优先级：品牌词优先，泛词靠后。  
本质：不是逼它“必须给答案”，而是教它“什么时候该闭嘴”。  

最后：我对“Context, not Control”的AI版翻译

放到AI这件事上，我现在的理解更直白：  
别把AI当下属管，像对强同事一样给上下文。  

你把目标、边界、路径、兜底讲清楚，它自然能跑对方向；你只画红线不给路，它就只能在红线边上反复试探。  

稳定性的来源，从来不是更严厉的约束，而是更充分的理解——对AI如此，对人亦然。