Wink Pings

先预测,再写提示词:一个四步框架,帮你少踩模型的坑

把提示词当作缩小模型自由度的过程:先预测可能出错的地方,再补上下文和边界,最后比对输出、决定是否接受。附会议纪要示例和可复用模板。

Reddit 的 PromptEngineering 板块里,Echo_Tech_Labs 分享了一个给新手的提示词练习。不需要技术背景,也不用立刻打开模型。先想一件你经常让 AI 做的事,然后按四步走:预测、提示、比对、决定。

四步框架示意图

这套方法不承诺某个神奇句式。它想解决的是更实际的问题:模型会误解什么,提示词里该补哪些边界,输出回来后怎么检查。

1. 预测

拿会议纪要举例:

我们同意在 12 月试点新闻邮件。Maya 负责起草引言。上线日期尚未确定。

你准备问:总结这份会议纪要。

先别发。问自己两件事:一份好的总结至少该包含什么?可能是已做出的决定,以及分配给具体人的行动项。模型可能在哪里出错?可能把试点说成确定上线,可能编一个日期,也可能漏掉尚未决定的事项。

这些只是预测,不保证发生。它们的作用是让你在写提示词时知道该防什么。

2. 提示

把提示词想成一把伞。先给任务,再给来源,再给边界,再给要求。每加一层,模型的自由裁量范围就窄一点。

任务:总结会议纪要。

来源:把原始纪要贴进去,并说明这是唯一素材。

边界:只使用提供的纪要。缺少的信息写 NOT PROVIDED,不要推断默认值。

要求:找出已做出的决定;找出行动项和负责人;不要编造日期、负责人或承诺。

这里有个细节。Echo_Tech_Labs 提到,给模型安一个世界级专家的人设,并不稳定提升事实准确率。有研究显示人设会影响表达和对齐,另一些研究显示它可能损害准确性。更关键的是,人设并不能说明哪些事实可以引入、哪些决定可以替你做。

这段在定义自主边界:模型可以在多大范围内自行判断。写提示词的过程,就是减少歧义的过程。它不能保证模型一定服从。

3. 比对

假设模型给出两个版本。

输出 A:新闻邮件 12 月 1 日上线,Maya 负责推广。

输出 B:决定,12 月试点新闻邮件。行动,Maya 起草引言。未决事项,上线日期尚未确定。

回看预测。输出 A 至少有四个问题:编了 12 月 1 日;把试点变成确定上线;把 Maya 的职责从起草引言扩大到推广;丢掉了未决日期。前三个能被预测到,职责扩大没被预测到。这很正常,人不会预判所有失败模式。

接着,作者借用了系统工程里的双向需求追踪,做了个简化版 TRACE。

正向追踪:从纪要到总结。纪要里的每个重要决定、行动、负责人、未决项,在总结里找到对应位置。找不到就标 OMITTED。这样能看出覆盖缺口。

反向追踪:从总结到纪要。总结里的每条事实性声明,都回到原文找支持它的句子。这样能暴露编造、无依据推断和过度解释。

一个实用做法:让模型每行只写一条事实性声明。输出 A 把多个声明塞进一句话,一句原文可能只支持其中一部分。拆成一行一条,检查起来更清楚。这不等于说这种格式已经被证明能提高准确率,它只是让检查更可操作。

还可以让模型给每条声明打标签:STATED,原文直接支持;INFERRED,超出原文明确内容;UNSUPPORTED,找不到支持证据。但标签由模型给出,只能当线索看。你可以用搜索去原文里找引文,再读上下文,自己判断它是否真的支持该声明。

追踪提供的是检查流程。它不证明答案正确。

4. 决定

最后有两个决定。

第一,输出能不能接受。接受、修改、拒绝,还是找独立来源核实。

第二,原来的提示词够不够。回看要求 R1 到 R3,没有一条明确要求模型识别未决事项。输出 B 虽然写了未决日期,但那是模型自己做的,提示词并没有要求。正向追踪能在事后发现遗漏,也可以在事前补一条要求:R4,找出纪要中明确留下未决的事项。

这就是习惯:先预测失败,再比对结果,再用结果改提示词。不需要每次都对,只需要越来越清楚什么重要。

一个可复用模板

TASK:
总结下方 SOURCE 部分的会议纪要。
每行写一条事实性声明。

SOURCE:
[粘贴会议纪要]

BOUNDARY:
只使用提供的纪要。
缺少的信息标 NOT PROVIDED,不要推断默认值。
纪要中明确未决的事项标 OPEN。

REQUIREMENTS:
R1: 找出已做出的决定。
R2: 找出行动项及其负责人。
R3: 不要编造日期、负责人或承诺。
R4: 找出纪要中明确留下未决的事项。

TRACE:

FORWARD:
对纪要中的每个重要决定、行动、负责人或未决项,
指出总结中覆盖它的那一行。
缺失则标 OMITTED。

BACKWARD:
对总结中的每条事实性声明,
引用原始纪要中支持它的原文。

给每条声明打标签:

STATED: 原文直接支持。
INFERRED: 超出原文明确内容。
UNSUPPORTED: 未找到支持证据。

相关文本本身不能证明推断被直接支持。
不要编造支持性引文。
不要声称追踪能证明答案正确。

不需要每次对话都上这个结构。头脑风暴可以很松。文档总结、教学材料、后果较重的决定,值得多检查几步。目标是“最低充分指令”,既不追求最短,也不追求最长。

模型检查自己的工作和人检查模型给出的证据,是两件事。前者是辅助机制,后者才是判断发生的地方。Echo_Tech_Labs 在原文末尾也提醒,这套四步流程和改造后的 TRACE 格式属于基于研究和工程实践的教学方法,尚未作为完整可靠性框架被独立验证。

发布时间: 2026-11-16 22:44