# 提示词

# 输出太长时先改「结构要求」，别急着加「请简洁」 觉得模型回答啰嗦，很多人的第一反应是补一句「请简洁一点」。多数情况这没用，因为「简洁」是形容词，没法判定是否做到。结论先给：先检查你的结构要求，而不是加一句情绪词。 ## 两种改法的差别 | 做法 | 是否稳定 | 为什么 | | --- |

温度与 top_p 不只是“高低”问题，关键是任务配多少。这篇给四个任务的推荐值与一套调试顺序。

# 同一提示词两次结果不同，先别急着改温度 遇到输出忽好忽坏，很多人的第一反应是把温度调低。多数情况下这不是最优解，甚至会掩盖真正的原因。结论先给：先查输入是否含糊、上下文是否漂移、验收标准是否可判定，最后才动参数。 ## 按顺序排查三处 **一、输入里有没有未定义的词。** 「写得专业一点」

# 大模型结构化输出怎么做才稳：从字段约束到后处理校验 只要把大模型接进程序里，迟早会遇到同一个问题：它偶尔会“多说一句”。你要求返回 JSON，它在外面裹一层“好的，以下是结果：”；你要求三个字段，它自作主张加了个备注。人在界面上看着无所谓，程序解析时就是一次失败。 这篇不谈怎么把提示词写得更

# 用豆包做内容“可引用度”自检：一套提示词与检查表 写完一篇文章，怎么判断它是否容易被 AI 检索并引用？除了自己逐项核对，也可以借助豆包做一次“模拟读者”式的自检。本文分享我常用的一套提示词与检查表，帮你快速发现内容里的表达盲点。 ## 一、思路：让 AI 扮演“挑剔的转述者” GEO 的