prompt优化 || 为什么你的Prompt总翻车？因为模型不会读心术（内带优化关键点列表）

网上一搜prompt优化，全是一样的内容，都是说角色、表达清晰等等。这些基础都人人皆知，但是到底如何优化，还是很少人讲。所以这里把自己的经验总结一下。

之前写过的两篇总结更详细，背景也写上了：

如何让大模型“听懂”你的潜规则？一份Prompt优化实战笔记-CSDN博客https://blog.csdn.net/weixin_51159944/article/details/162792160?spm=1001.2014.3001.5501
PROMPT设计中的“边界感”：从一句规则说到三层对齐-CSDN博客https://blog.csdn.net/weixin_51159944/article/details/162367405?spm=1001.2014.3001.5501

一、结构先行：用层级标题搭建信息骨架

原则：将Prompt按信息层级拆分为独立模块，每个模块单一职责。

通用结构模板：

开头段（角色定位 + 核心任务 + 底线约束）### 核心任务 ### 关键要求 / 边界说明 ### 必须覆盖的全部子项 ### 生成维度 + 维度定义 + 示例 ### 多样性要求 ### 硬性禁止项 ### 输出格式 ### 正确示例 + 反面示例 ### 输出前强制校验

要点：示例紧跟定义之后，正反成对出现，末尾放自检清单。

二、关键信息前置：按注意力权重分配位置

模型对不同位置的注意力不同——开头最重，结尾次之，中间最轻。按此原则分配信息：

技巧：最怕模型忘的放开头；最怕模型违反的用符号标记（如🔴、✗、✅）；禁止项用“反例+后果”强化。

三、正反示例成对出现

原则：正确示例告诉模型“要什么”，反面示例告诉模型“不能怎么做”。两者边界清晰，模型才能准确识别约束范围。

正例展示能力，反例界定边界——二者缺一不可。

反例需覆盖的典型错误类型：

• 偏离核心意图

• 边界不明确/跨域

• 过度泛化

• 表达生硬/不符合使用习惯

四、抽象规则必须配具象约束

规则如果只停留在抽象层面，容易被模型过度执行或错误执行。

核心方法：每条抽象规则都应配套明确的底线约束和边界条件，包括“不能省略到什么程度”“必须保留哪些要素”等。

规则本身没问题，但缺少兜底条件时，模型会按最省力的方式执行。

五、增加自检机制

模型生成长文本时容易“写着写着就忘了”。在Prompt末尾嵌入强制自检列表，要求模型逐条确认后再输出。

自检维度清单：

技巧：用[ ]格式给模型“待办清单”暗示；每一条均可量化判断，避免模糊表述；自检放在输出前，形成“校验→输出”闭环。

六、示例按场景注入

多场景任务中，示例分开维护，每个场景仅注入当前场景的示例。避免模型看到A场景示例却在生成B场景时模仿A的结构或句式。

七、规则直接写明，不依赖示例推导

需要模型做到的事直接写成规则，而非指望它从示例里“悟出来”。示例是辅助理解规则的工具，不是替代规则本身。

八、迭代验证的方法论

每次发现模型输出偏差，按以下流程处理：

1. 定位异常输出——发现不符合预期的结果

2. 追溯根因——分析是“规则没写清楚”还是“写了但没被遵守”

3. 补充约束——前者改表述使其更明确，后者加强约束位置或加符号标记

4. 验证修复——用新Prompt重新生成，确认问题不复现

核心逻辑一句话总结

Prompt优化的本质是“预期对齐”——把你脑子里的隐含假设逐条转化为模型可执行的显式规则。边界越清晰，输出越稳定。

Prompt优化关键点清单⭐

• 模块化结构：用标题拆分信息，每个模块只讲一件事，末尾放自检清单。

• 关键信息前置：开头第一句锁定角色+核心约束，段落首句放核心要求——模型注意力开头最重，中间最轻。

• 正反示例成对出现：正例给“要什么”，反例给“不要什么”——边界由错误定义，而非由正确定义。

• 抽象规则配具象约束：规则说明“可以做什么”，底线说明“不能做到什么程度”——两者缺一不可。

• 输出前自检：让模型逐条确认数量、全覆盖、强相关、边界明确、发散度等维度后再输出，形成“校验→输出”闭环。

• 规则直接写明，不依赖示例推导：示例是辅助理解，不是替代规则——需要模型做的事，直接写成白纸黑字。

• 迭代验证闭环：发现异常→追溯根因（没写清楚还是写了没听）→补充约束→验证修复，循环迭代。