短的提示詞會逼模型把所有事情都用猜的。長的提示詞 會把唯一重要的那一行埋掉。中間地帶——六到七句 話、寫清楚一個視角、一個場景、一種感受——才是 讓產生結果不再像背景音樂、開始扛得起重量的 地方。
先把視角錨定下來
在樂器、節奏之前，先寫清楚是誰在唱、唱給誰。 「凌晨三點剛當上爸媽的人，對著睡著的寶寶說話」 會給歌詞產生器一個可以靠進去的姿態；「溫暖的 acoustic indie」只給它紋理，沒有目標。一旦姿態 出現，紋理會自然跟上。
接著放一個場景
一張單一的畫面——廚房檯面、火車車窗、走廊、旅館 停車場——會把一個泛泛的氛圍拉成一個具體的。你不需要 解釋這個場景，把它直接遞過去就好。模型會用你不會 想到的方式把角落填起來，而那部分，正是讓最後成果 感覺像「找到」而不是「下訂」的那一塊。
製作面的細節留到最後
曲風、節奏、配器，應該擺在提示詞的最後段，等模型 已經知道這首歌在講什麼之後再說。如果你開頭就寫 「120 BPM、失真貝斯、女聲」，歌詞層就沒地方 生長了。先給場景與姿態，製作面的細節就會去 強化已經存在的東西，而不是替代它。
一個起手模板
一位 [誰] 在 [哪裡]，想著 [什麼]。副歌的轉折出現在 他們意識到 [轉折] 的那一刻。氛圍是 [兩個形容詞]。 製作：[曲風]、[節奏]、[一個製作細節]。
這不是一個逐字照抄的公式——這是一份檢查清單， 列出在模型能開始工作之前，你必須先在提示詞裡 做好的五個決定。少一個，結果就會在某種意義上 顯得「資訊不足」，再怎麼重新生成也修不回來。