常见的提示词写法误区主要包括以下几点：
在写提示词时，还需注意以下语法方面： 根据想画的内容写提示词，多个提示词之间使用英文半角符号[,]。一般而言，概念性、大范围、风格化的关键词写在前面，叙述画面内容的关键词其次，最后是描述细节的关键词，大致顺序如：(画面质量提示词),(画面主题内容)(风格),(相关艺术家),(其他细节)。不过在模型中，每个词语本身自带的权重可能有所不同，如果模型训练集中较多地出现某种关键词，输入一个词就能极大地影响画面，反之输入很多相关词汇对画面影响效果可能有限。提示词的顺序很重要，越靠后的权重越低。关键词最好具有特异性，措辞越不抽象越好，尽可能避免留下解释空间的措辞。可以使用括号人工修改提示词的权重，如：(word)-将权重提高 1.1 倍，((word))-将权重提高 1.21 倍（= 1.1 * 1.1）。
1、忽略基础知识的重要性很多同学急于上手写复杂的提示词，基础教程瞟了几眼就当看过了，然后在已经能copy模板写好几千token的提示词之后，问出非常基础的问题：为什么我问了两轮之后GPT就会失忆呢？为什么我给了他特定的一段话但是他好像把它和别的内容混淆了呢？为什么大模型无法指定准确的字数呢，有什么其他办法能让它生成的长度靠谱一些吗？我理解基础教程的枯燥，加上之前很多都是英文硬翻，读起来的确很令人烦躁，但现在有很多翻译和解读非常好的教程了，建议收藏，多读两遍，跟着示例做一下符合自己需求的小例子。2、试图用一个Prompt解决10个问题很多同学入坑提示词可能是被某个结构严谨、设计精妙的提示词吸引，惊为天人，一惊之后暗下决心：自己也要写出这样的Prompt！
根据自己想画的内容写出提示词，多个提示词之间使用英文半角符号[,]，如：masterpiece,best quality,ultra-detailed,illustration,close-up,straight on,face focus,1girl,white hair,golden eyes,long hair,halo,angel wings,serene expression,looking at viewer一般而言，概念性的、大范围的、风格化的关键词写在前面，叙述画面内容的关键词其次，最后是描述细节的关键词，大致顺序如：(画面质量提示词),(画面主题内容)(风格),(相关艺术家),(其他细节)不过在模型中，每个词语本身自带的权重可能有所不同，如果模型训练集中较多地出现某种关键词，我们在提示词中只输入一个词就能极大地影响画面，反之如果模型训练集中较少地出现某种关键词，我们在提示词中可能输入很多个相关词汇都对画面的影响效果有限。提示词的顺序很重要，越靠后的权重越低。关键词最好具有特异性，譬如Anime(动漫)一词就相对泛化，而Jojo一词就能清晰地指向Jojo动漫的画风。措辞越不抽象越好，尽可能避免留下解释空间的措辞。可以使用括号人工修改提示词的权重，方法如：(word)-将权重提高1.1倍((word))-将权重提高1.21倍（= 1.1 * 1.1）
如果你突然发现你花在飞书代码块和markdown记事本上的时间好像远远超过了你和GPT对话的时间，你要警惕一下：你是否过于关注Prompt的文本本身，而忽略了在写作过程中你本可以和GPT进行深度对话，来检验它对你方法论的熟悉程度，或者让他针对某个逻辑给出完善的建议，或者在你的Prompt版本迭代中反复测试生成结果，来对Prompt进行优化和改善。在昨天的实战案例中，我看到学员们撰写了一个焦虑情绪测试和生成建议的Prompt，它的结构和语句、各模块的作用上挑不出什么毛病，生成结果除了太宽泛也没有太大问题。但实际作为一个焦虑患者的用户使用这套Prompt的时候会产生很多体验上的、情绪上的问题，这在一定程度上说明，如果过于纠结Prompt的文法而忽略了它作为一个对话工具的预设，没有在对话场景中代入用户体验去反复测试，很可能出现写出来的Prompt围观群众都觉得不错，但真正的用户压根不会去用的情况。