156 次登陸頁面測試：詳細設計提示為什麼讓 Gemma 4 31B 表現更差（不是更好）

一位開發者用 Gemma 4 31B（一個較小的人工智慧模型）測試生成豪華房地產 CRM 的登陸頁面，使用了 52 種不同的系統提示。驚人的發現：那些堆滿「設計啟發式」和規則的提示，表現反而比幾乎不給模型任何指示還要差。他們使用溫度 0.7，每個角色生成 3 個樣本，所有內容都保持在單一 HTML 檔案中，只用內聯樣式。為什麼他們選擇較小的模型而不是 GPT-4 或 Claude Opus？因為大型模型已經好到不行，測試不同提示就變成沒意義——你需要一個有實際改進空間的模型才能看出什麼真正重要。這種違反直覺的結果會讓你重新思考如何撰寫提示。