提示词我写了半年，最后收敛成这四条

一开始我也热衷于攒"万能提示词"。半年下来，模板删得只剩四条真正常用的东西。

一、先说结论

1. 任务描述的质量，远大于措辞技巧。
2. 把"什么算做对了"写清楚，比把"你要认真做"写十遍有用。
3. 例子要挑边界例子，不要挑典型例子。
4. 输出格式用显式结构规定，别指望它猜。

二、四段式模板

这是我唯一还在用的骨架，适合任何有点复杂度的任务：

【任务】一句话说清要产出什么。
【输入】我会给你的材料，以及材料的边界（哪些不在其中）。
【约束】必须遵守的规则，尤其是那些"违反了结果就作废"的硬规则。
【验收】怎么判断输出是对的。能给具体例子就给例子。
【输出格式】字段、顺序、不要前言后语。

前三个是大多数人会写的，第四个「验收」是关键差异项。

写「验收」最好的办法，是给一对正反例：这个输入应该得到这样的输出；而那种输入应该拒答。有了这一对，模型对边界的把握会明显更准，比写"要谨慎判断"有效得多。

三、几个我确实见到的效果

把推理要求改成"输出中间结论"，而不是"请一步步思考"。后者在很多模型上已经被训练成套话，它会写一段"让我们逐步分析"然后直接跳到答案。有用的写法是规定结构："先列出你需要的输入字段 → 再给出你打算用的规则 → 最后给结论"。这样它出错时我知道错在哪一步。

约束用肯定句。"不要使用长句"不如"每句不超过 25 字"。否定式约束的遵守率普遍低于可检验的肯定式，因为前者需要它自己推断边界在哪。

要求它标注不确定性。加一句"对任何你不确定的判断，在句末标 [存疑] 并说明缺什么信息"，能把一部分编造转成显式提问。这招不是万灵药，模型有时会过度标记或漏标，但比完全没有信号好。

长指令会被稀释。规则写到三十条，遵守率会掉。我现在超过十几条就拆成"必须遵守（写进系统位置）"和"风格偏好（可牺牲）"两层。

四、几个我踩过的错觉

"它没认真读材料"——大多数时候是材料没给全，或者关键约束被埋在了长文本中段。先自查输入，再评价输出。

换个说法就好了——有时是真的，但不可复现，等于没解决。我的处理是：任何"调出来的效果"都要落到一个可重跑的脚本里，固定输入、固定参数、留一份输出快照。不然一周后你自己都不知道当时改了什么。

例子被当答案抄——给了 few-shot 示例，模型有时会把示例里的实体带进结果。示例里用占位符（<姓名>、<日期>）比用真实值安全。

要求 JSON 就一定拿到合法 JSON——仍会有尾部多余文字、把数字写成字符串、在字段里塞 Markdown。所以我的规矩是：提示里规定格式，代码里校验格式，两者都要有，后者是唯一的裁判。

五、一份最小可用示例

【任务】从合同文本中抽取"违约责任"条款相关的关键信息。
【输入】用户提供的合同正文（可能缺失该章节）。
【约束】
  - 只使用给定文本中的信息，禁止推断未写明的内容。
  - 每条结果必须附上原文片段作为依据。
  - 文本中没有对应内容时，该字段返回 null。
【验收】
  - 正例：文本写明"逾期按日万分之五支付违约金"，则"违约金计算方式"应返回该比例及原文片段。
  - 反例：文本未提及违约金，则该字段返回 null，不得给出行业惯例值。
【输出格式】仅输出 JSON，字段为 amount、deadline、penalty、evidence；不要任何解释文字。

这套写法真正省时间的地方不在第一次，而在第三次——当你需要解释"上次那批结果为什么有的字段是空的"，原文依据就在那里。