当 AI 输出不符合预期，很多人会不断换一种说法。其实大多数问题集中在四处：目标不具体、上下文不完整、约束互相矛盾、验收标准缺失。与其堆叠更多形容词，不如做一次有顺序的诊断。
先判断失败属于哪一类
| 症状 | 常见原因 | 先补什么 |
|---|---|---|
| 输出跑题 | 目标或受众未说清 | 任务目的与读者 |
| 内容空泛 | 没有材料和范围 | 事实来源与时间范围 |
| 格式不对 | 交付形式不明确 | 结构、字数、字段 |
| 每次结果不同 | 约束和验收缺失 | 保留项、排除项、检查项 |
不要一次性把四项全改掉。先确定最影响结果的一项，做最小修改后再比较输出；否则你无法知道是哪条指令真正起作用。
用任务卡替代长段描述
任务：把已确认的访谈要点整理成项目摘要。材料：仅使用以下记录。受众：项目负责人。输出：三条结论、两项风险、一个下一步建议。约束：不补充事实；不确定处标记待确认。验收：每条结论能对应一条原始记录。
这张卡片可以保存为团队模板。每次只替换材料和受众，能显著减少临时口述带来的遗漏。复杂任务的输入结构，可参照任务组织工作流；写作类交付则结合写作提示词的约束方法。
警惕互相打架的要求
“简短但覆盖所有细节”“完全自由但必须严格模仿”“不需要追问但遇到缺失要先确认”都可能让输出不稳定。把优先级写出来：事实准确优先于文采；不确定就标记优先于猜测；结构完整优先于字数极短。
为可复用提示词留下测试记录
保存版本号、适用场景、输入样例、输出样例和已知限制。经过几次真实任务验证后，再把它升级为模板。提示词的价值不在于一句“万能咒语”，而在于能否在边界清楚的工作中稳定地得到可验收结果。
