写天工AI模型对比文章时，你要是还在提示词里写“性能强劲”“效果卓越”“行业领先”这类词，明眼人一看就觉得是AI跑出来的模板套话，根本看不出模型之间的真实差距。关键在于提示词，必须直接锁定那些可验证、可感知、甚至能截图为证的操作细节，把具体行为和边界条件一次性逼出来。

第一步：用任务场景代替功能罗列

千万别写“请对比天工AI与Qwen在代码生成能力上的优劣”。这种问法默认两者都在“生成代码”，但实际测试中，天工可能在Python函数补全上响应更快，Qwen在调试报错定位上更准——你得把场景钉死。举个例子：“给一段含IndexError的Python列表操作代码，要求模型指出错误位置、解释原因，并重写为安全版本，对比天工AI和Qwen给出的修复建议是否包含try/except兜底逻辑”。

这一招的关键在于【必须包含具体输入+明确输出要求+可判断对错的判定标准】。否则模型会自动补全一大堆模糊形容词来凑数，结果就成了那种谁看了都摇头的泛泛之谈。

第二步：禁用评价性词汇，改用动作指令

第一种办法：把“哪个模型更优秀”改成“列出天工AI与Qwen对同一问题的三处不同响应，标出每处差异对应的token位置（如第17–23个字）”。

第二种办法：要求“截取两个模型对‘如何用pandas合并重复行并求和’的回答，用表格左列写天工AI原文，右列写Qwen原文，中间列填‘是否出现agg()函数示例’‘是否说明keep=’first’参数作用’‘是否给出错误示例’三项事实核查结果”。

提示词里一旦出现“更优”“更强”“更好”，模型就会自动启动赞美模式，开始堆砌“显著提升”“深度优化”这类虚词。而“标出token位置”“填表格”“写原文”全部是不可糊弄的硬动作，模型没法打马虎眼。

第三步：强制引入失败案例

① 找一个天工AI明确答错的问题。比如让它把“SELECT * FROM users WHERE age > 30 ORDER BY name LIMIT 5”翻译成MongoDB语句，它很可能会漏掉sort()调用。
② 再找一个Qwen翻车的点。比如让它用正则提取带括号的电话号码，它可能没转义圆括号。
③ 要求模型对比这两个失败案例：“分别写出天工AI和Qwen的原始错误输出→标注错误类型（语法错误/逻辑缺失/概念混淆）→指出修正所需改动的最小字符数”。

只夸优点的文章根本没人信，但只要你写清楚“天工AI在第42字符处漏写.sort()”，就没人能质疑。这一步不靠主观判断，靠的是字符级纠错痕迹说话，证据本身就有说服力。

第四步：限定输出格式，砍掉自由发挥空间

你可以在提示词末尾补上一句：“所有结论必须来自上方三个测试案例的原始输出比对，禁止添加任何未出现在测试中的新例子或泛泛而谈的总结句。”

这句话直接堵死模型编造套话的后门。它没法再写“综上所述，两大模型各有所长”，因为你的指令已经锁死了结论来源范围，只能老老实实基于测试输出下结论。这招确实管用，值得一试。