PROMPT设计中的“边界感”：从一句规则说到三层对齐

事情的起点 📌

在多轮对话生成任务的提示词编写中，我给出了一条规则说明：

省略补全：第1轮建立上下文后，第2轮可省略主语或宾语。示例：第1轮"查一下四个轮胎的气压"→第2轮"左前的呢"

模型据此生成了一组对话：

第1轮：左后座椅通风开着吗
第2轮：右后

输出结果与预期明显不符。尽管我在提示词中已多次强调"两轮均需保持询问语气"，模型依然将"省略主语或宾语"执行成了"允许输出单个名词碎片"。

问题出在哪？ 🔍

根本原因：规则描述停留在抽象层面，缺少底线约束。

我理解中的"省略"——保留查询结构，仅省略重复信息。
模型执行中的"省略"——字面压缩，允许任意成分缺失。

问题不在于规则本身有误，而在于我未能将隐含假设（"疑问语气必须保留"）显式写入提示词。模型不具备推断未明写规则的能力，它只对白纸黑字负责。

我改了什么？ ✏️

在原规则基础上补充了具象约束：

• 省略后必须为完整疑问句，禁止只输出单个名词（如"右后""副驾"）

• 必须包含"呢""吗""怎么样"等疑问助词

• 反例：第1轮"前排空调开着吗"→第2轮"副驾的"（非查询语气，×）

仅此几行，偏差消除。

几点思考 💡

一、抽象规则需要具象边界来兜底

"省略主语或宾语"属于语法层面的抽象描述，它界定了"可以省略什么"，但未定义"下限在哪"。
抽象规则须配有明确的底线约束。提示词设计中应默认：凡可能被过度执行的指令，均须附加边界条件和反例。

二、正例传递能力，反例界定边界

原提示词中其实包含正例（"左前的呢"），但模型依然出错。原因在于：正例说明"怎么做"；反例才警示"不能这么做"。
只有当正反并举时，约束才能被模型准确识别并内化。这和人类认知规律一致——边界由错误定义，而非由正确定义。

三、提示词工程的核心是预期对齐

三层预期之间的落差导致了偏差：

• 我的预期 → 我写出的规则

• 我写出的规则 → 模型理解执行的规则

提示词工程的任务，不是单纯把规则写全，而是将隐含假设逐条转化为可被模型执行的显式指令。每一次输出偏差，暴露的都是规则描述中的盲区；而修正方式，通常就是补充一句边界约束或一个反例。

四、提示词设计与测试设计逻辑同构

本次修正恰好对应测试活动的标准闭环：

这套流程与功能测试、边界测试的逻辑结构完全一致——通过异常输出发现规则漏洞，定位边界缺陷，补充约束，验证修复。只是测试用例约束的是被测系统，提示词约束的是内容生成模型，抽象层次不同而已。

结语 ✨

一个微小规则表述的调整，背后是三层对齐的完整链路：意图→规则→生成。三层对齐，输出才有质量保障。

归根结底，编写提示词与编写测试用例遵循同一套方法论：定义边界、预设约束、用失败案例反推规则修正。区别仅在于，提示词约束的是生成过程，而非直接约束系统行为。

一次"右后"的意外输出，引出了以上思考，也算意外收获了。