长提示词写到后半段就失效，问题可能不在模型

Reddit 的 PromptEngineering 版有个帖子，问题很具体：图像提示词写到一整段，背景、光线、主体位置都塞进去，模型却像只看了开头。有网友的体感是，前 80 个 token 还能被接住，后面逐渐变成背景噪音。

这类现象常被笼统叫注意力衰减。对写提示词的人来说，麻烦在于你无法确定模型是没理解，还是理解了但没执行。提示词越长，约束越多，冲突也越容易出现。比如主体位置和构图描述打架，光线词堆了三层，模型只能挑一部分照做。

帖子还提到 MiniMax H3-Image，开源，标称 4096 token 上限，文档说是为精确指令跟随和复杂需求理解设计的。问题也跟着来了：支持 4096 token，不等于每个 token 都会被同等对待。上下文窗口是容量，注意力分配是另一回事。有没有人测过超长提示词下的实际执行率，帖子里没有答案。

如果非要处理长提示词，先把关键约束前置。主体、构图、镜头、光线、风格，按重要性排，不要把所有形容词平铺。其次，把长段落拆成短句或分段，每段只处理一个维度。第三，做减法，删掉互相覆盖的描述。第四，测试时一次只改一个变量，看模型到底对哪类信息敏感。最后，别把 token 上限当质量保证，4096 是能放进去，不是能记住。

原帖链接：https://www.reddit.com/r/PromptEngineering/comments/1xw0qq8/any_tricks_to_handle_paragraphlong_image_prompts/