08 · 像调 bug 一样调提示词

提示词是调出来的，不是想出来的。而大多数人调提示词的方式是"再让 AI 优化一下"——那不叫调，那叫碰运气。这一章给一套真正能收敛的方法。

第一步：先说清楚"哪儿不对"

不能接受的描述："感觉不太行"、"不够专业"、"差点意思"。

必须能说成这种：

症状描述	大概率是哪一格的问题
结构对了，但每条都太啰嗦	要求：长度没约束，见 05
内容对了，但格式每次不一样	要求：没给模板，见 05
出现了材料里没有的人名 / 日期	验收：没写替代动作，见 06
漏掉了材料后半部分的内容	材料太长，见 07
语气不对（太官方 / 太随便）	角色没设，或者没说给谁看
它答的不是我问的	任务没说清，或者一条塞了好几件事
十次里有三次跑偏	提示词太松，有分叉口，见 01

能把症状归到某一格，改动就有方向了。 归不了，说明你还没看清问题——再跑两次，把不合格的地方逐条圈出来。

第二步：一次只改一个地方

这是从写代码那儿搬过来的，但在提示词上更重要，因为输出本来就有随机性。你一次改了三处，跑一次变好了，你根本不知道是哪一处起了作用——甚至可能是三处里有一处帮倒忙，只是这次运气好。

流程：

1. 记下当前版本（原样存一份）
2. 只改一处
3. 跑 3～5 次
4. 对照验收标准数：几次合格？
5. 比之前好 → 保留，继续下一处
   比之前差 → 回滚，换个改法

跑一次不算数

输出有随机性，跑一次好不能说明改对了。至少三次，重要的提示词五次。

这听起来慢，但比"改了十处、时好时坏、最后不知道该保留哪版"快得多。

第三步：建一个小测试集

这一步把"调提示词"从手艺变成工程，而且成本低到离谱——五份材料，一张表。

测试集（存在一个文档里就行）：

用例 1：标准情况       一份信息齐全的会议记录
用例 2：缺信息         负责人和时间都没写的记录
用例 3：有冲突         前面说九月底，后面说十月初
用例 4：跑题多         一半内容跟主题无关
用例 5：极短           只有三句话

选材料的原则：一个标准情况 + 四个会翻车的情况。翻车样本比标准样本值钱得多。

然后拿这五个跑，记一张表：

	用例1	用例2	用例3	用例4	用例5
v1	✅	❌ 编了人名	❌ 抹平了冲突	✅	⚠️ 硬凑三块
v2	✅	✅	❌ 抹平了冲突	✅	⚠️ 硬凑三块
v3	✅	✅	✅	✅	✅

新的翻车样本随手就加进测试集。 以后每次改提示词，五个用例重跑一遍——你就再也不会"修好了这个、弄坏了那个"。

这张表还有个额外好处：换模型的时候，五分钟就能测出新模型行不行。

常见改动的优先级

同样的时间，改这些地方回报最高，从上往下试：

优先级	改什么	典型收益
1	把形容词换成结构约束	最大。多数"不稳定"是这儿来的
2	给禁止项配上替代动作	很大。治幻觉和乱填
3	材料圈起来 + 挪到最后 + 结尾重复要求	大，且改动只要三分钟
4	补两个例子（尤其边界情况）	大，尤其是格式和风格问题
5	加"先分析再结论"或自查	中等，对复杂任务明显
6	拆成多轮	大，但变慢
7	换个更强的模型	最后才试。前六条没做完就换模型，是在用钱掩盖问题

让 AI 帮你调（正确的用法）

"让 AI 优化提示词"不是不能用，是大多数人用错了姿势——直接说"帮我优化这条提示词"，它只会给你换一批更华丽的形容词。

正确的用法是带着证据去问：

下面是我的提示词，和它这次的输出。

<提示词>
【贴】
</提示词>

<这次的输出>
【贴】
</这次的输出>

问题：输出里出现了"刘建国"这个全名，但我给的材料里只写了"刘总监"。

请分析：我的提示词里，是哪一部分导致它补全了人名？
给出最小的修改（只改必要的地方），并说明为什么这样改能防住。
不要重写整条提示词。

三个关键：给证据（实际输出）、说清症状、要求最小修改。

还有一招：让它当出题人

这是我的提示词。请设计 5 个会让它出问题的输入——
不要极端离谱的，要那种"现实中真会遇到、但这条提示词大概率处理不好"的。
只给输入，不要给答案。

它出的题往往正好是你测试集缺的那几个。

什么时候停止调

三个信号，出现任何一个就该收手：

• 测试集全绿，连着两轮没发现新问题 → 够用了，发出去。
• 改了五版，指标在原地打转 → 问题可能不在提示词。也许是任务本身超出了一条提示词该干的范围（该拆多轮），或者材料本身就有问题。
• 提示词已经比材料还长 → 停。这是该做成 Skill 的信号。

下一步

09 · 反模式与民间偏方