Appearance
为什么 AI 会舍近求远、说正确的废话？
导读
当 AI 舍近求远，或者给出非常反直觉的「正确回答」时，绝大部分时候是「上下文缺失或错位」造成的。面对这样的问题，工程师们给了一个非常棒的设计：让 AI 主动注入 Token。
「Token 的隐性注入与命令的触发机制」。
在人类的直觉中：预设一个前提，给什么对象用于什么样的场景，说清楚了边界和限制，连参考依据都给出了。那么只需要稍作推理，就会得出一条及时可行的路线。我们把目标状态说得十分清楚，这符合人类的直觉，但是对当前的状态往往描述很少，因为很多时候直觉告诉我们「这TM还用说吗？」
前文回顾：提示词的写法
中心思想：写提示词在「校准」AI「即将输出」的 Token
第一，校准的方式是发散和收敛。
发散，是扩大可能性空间：问AI还有哪些路径、方案、替代品、协作方式。
收敛，是选择和挑选有价值的方案，并定义验收标准。
也就是提示词 = 发散 or 收敛。
第二，描述现状与目标之间的差距。
AI 手上有什么（你给的），和最终你要的，全都说明白
也就是提示词是在不停地描述「问题 = 目标状态 − 当前状态」。
现有大模型，大多能接住普通人的直觉常识。
那些你下意识就能想到的事，基本不用额外交代，靠模型原生能力就能完成。 这类常识是社会里约定俗成的内容，训练数据充足，人和模型很容易达成共识。
最近很多人把 Skill 神化了，但 Skill 本质上就是一套先后执行的流程：把杂乱的 Token 梳理成有序步骤，以此拿到更好的输出。 Skill 之所以增益巨大，是因为它承载的不是直觉，而是人经过专业沉淀才能总结出来的隐性经验。 比如打工人能预判一份报告交上去会不会挨批，销售能察觉到客户反常背后藏着顾虑。这类经验恰恰是训练数据里的短板，而 Skill 刚好补上这一块缺口。
假设你让 AI 捡起地上的一块橡皮，那么你就要重点描述：
- 可用动作、工具：你有手吗？机械臂？只能输出文本？能调用搜索、代码、API？
- 权限边界：能不能买东西？能不能替用户做决定？
- 成功标准：是把橡皮放桌上，还是给一份步骤？
- 优先级：安全优先、速度优先，还是成本优先？
「捡橡皮」的例子如果写成：
text
你是具身机器人，在办公室，有机械臂和夹爪。目标：把地上橡皮捡起放回桌面。可用动作：移动、弯腰、夹取。无需防护，橡皮无毒，地面无危险。禁止购物、搜索、给人类建议。直接输出动作序列。如果你做到了这一步，意味着你有一个非常好的提示词习惯，但是你会发现这件事的上限就是：它不会先去淘宝买一个防污手套。敢情我费了这么大劲，就得出这么个玩意儿？这也太麻烦了。
于是工程师们意识到：要得到令人满意的 Token，仅靠手动输入是不行的，必须要有一种让 AI 主动补充上下文的方法才行。同时，这种方法必须谨慎触发，否则不仅会造成大量的 Token 浪费，还有可能污染整个上下文环境。
需要 AI 主动补充的上下文：显式触发
除了最常见的联网搜索，AI 主动注入 Token 的方式还包括：RAG（检索增强生成）、代码/命令执行、文件读取、自检、API 直连等等。这些东西你都不需要记，因为能补充什么不是重点，怎么确保它们真的补充了才是重点。
显式触发的意思就是说出来。
要让 AI 执行什么动作，就把指令本身说出来：「本地查找一下」「网上搜索一下」。
模型不会自动判断「这个问题需要实时数据」，它依赖明确的规则或用户指令。
例如，Gemini、豆包这类即时回答类 AI 产品，会在系统提示词里定义详细的搜索决策规则：
| 搜索档位 | 放哪类查询 |
|---|---|
| 永不搜索 | 历史事实、科学原理、稳定知识 |
| 可选搜索 | 人口统计数据、年度榜单 |
| 立即搜索 | 天气、股价、体育比分、新闻 |
而在个人使用的 Agent 中，上下文是干净的，没有这一条规则。所以实用做法是把「上网查」从隐含期望变为显式指令。
不要说「帮我写一下这件事的最新进展」，而要说：
text
去联网搜一下这件事的最新进展，把搜到的来源列出来，然后再基于这些信息回答。「检索」本身是一个可核实的动作
它要求 AI 必须先找到真实信息，而非从记忆中生成看似合理的内容。用可核实的动作替代不可验证的生成，可以避免 AI 胡编乱造。
有一条要记住：要让 AI 执行什么动作，就把指令本身说出来，比如「本地查找一下」「网上搜索一下」。
系统层注入的上下文
语义软触发
有一些内容是 AI 被动补充进上下文的，比如你正在启用的 Skill、MCP 插件等。在你输入提示词之前，这些工具的 JSON 描述（包含 name 和 description）就已经作为隐藏的 Token 注入到系统提示词里，相当于提前写进了你的输入框，只是你看不到。
这是系统级别的提示词注入。每一轮对话，系统都要做一道阅读理解和语义匹配题：对比你的问题和那一堆 description，觉得和哪个最像，有哪个就触发哪个。这种触发模式被称为「语义软触发」。
语义软触发的好处是显得更「智能」，你不需要指名道姓，就能注入一段高质量的 Token。缺点也来自这个智能（在软件行业，智能往往伴随着不稳定）：如果你的语义或指令很模糊，或者 description 写得很模糊，AI 就会选错甚至瞎选。
最最稳定的还是直接指名道姓，大声叫出它的名字。
静态全局注入
特指项目根目录下的那份常驻规则文件，或者被这份规则文件指向的文件。
它的原理非常简单粗暴：每一次对话开始前（或每一轮对话的底层），系统会自动读取这个 .md 文件的内容，将其作为 System Prompt（系统提示词）或前置 Context（前置上下文），强制拼接到你输入内容的最高优先级层级。一次编写，全局生效。
它解决了「背景知识」和「约束条件」需要每次重复输入的痛点。无论你在对话框里问什么，它都会先戴着这份规则文件赋予的「滤镜」和「规矩」来审视你的问题。