提示词库/填空即用的框架/七、阶段4：Bad Case驱动迭代 七、阶段4：Bad Case驱动迭代
中文exp-2679未验证
答：一定会有问题。但问题分两种，处理方式完全不同。
### 修补级问题 vs 正骨级问题
**问：这两种有什么区别？**
答：举个例子。
假如你的周报prompt，生成的内容"太正式"，你希望轻松一点。
**修补级问题**：只是语气的问题。改法是在prompt里加一句"使用轻松、口语化的表达"。**局部调整。**
**正骨级问题**：你一看输出，发现AI根本没理解"周报是给谁看的"。你以为是给平级同事看，AI理解成给CEO看了，所以特别正式。**根源性偏差**，需要回到阶段1重新对齐目标。
**问：怎么判断是哪一级？**
答：看问题**暴露的是表层问题还是认知偏差。**
简单判断方法：
- 能用一句话描述改什么（比如"加个约束"、"改个例子"）→ 修补级
- 发现"原来AI理解错了我的意图" → 正骨级
### 修补级问题的处理
答：遵循**奥卡姆剃刀原则**。**这个阶段，强烈推荐用GPT的thinking模型（如o1、o3-mini）来做优化。**
为什么？thinking模型会进行深度推理，能更准确地定位问题根源，避免改A坏B的情况。它会思考：
- 这个问题的本质是什么？
- 改哪个地方影响最小？
- 这个改动会不会影响其他部分？
具体步骤：
1. 把bad case给AI看
2. 明确说明：哪里好，哪里不好（不要只说不好）
3. 让AI用deep thinking分析：需要改动哪个模块？怎么改最小？
4. AI给出改动方案，你确认后执行
给AI这个指令：
---
**【修补级优化Prompt模板】**
```
我的prompt产生了一个不太理想的输出，需要你帮我做最小必要的修改。
**当前prompt：**
[粘贴完整的prompt]
**Bad Case：**
输入：[具体输入]
实际输出：[AI生成的内容]
**问题分析：**
- 好的地方：[列出哪些部分是对的]
- 不好的地方：[具体说明哪里不符合预期，为什么]
**请你：**
1. 深度思考这个问题的本质原因
2. 定位需要改动的具体模块（不要笼统地说"整体优化"）
3. 提出最小必要的改动方案（能改一处就不改两处）
4. 说明这个改动为什么能解决问题，会不会影响其他部分
重要原则：
- 只改解决问题必需的部分
- 保持prompt的整体结构不变
- 确保改动不会引入新问题
请开始分析。
```
---
**关键：不要一次改一堆，改一个观察效果，再改下一个。**
为什么？一次改五个地方，结果变好了，你不知道是哪个改动起作用；结果变差了，也不知道是哪个改动导致的。
**单变量实验，才能找到真正的因果关系。**
**问：能举个例子吗？**
答：比如周报AI生成了这样的内容：
```
本周工作总结：
1. 积极推动了项目A的进展
2. 努力完成了任务B
3. 持续优化了流程C
```
全是虚词，没有量化。
你用上面的prompt给thinking模型，它可能这样思考和回复：
> **思考过程：**
>
> - 问题核心：输出中出现了"积极""努力""持续"等虚词，缺少量化数据
> - 定位模块：需要检查[处理步骤]和[约束条件]两个模块
> - 分析原因：[处理步骤]中只要求"提取关键任务"，没有要求"提取量化成果"；[约束条件]中提到"不使用虚词"，但没有正向要求"必须量化"
>
> **改动方案：** 在[处理步骤]模块的第2步，将"提取关键任务"改为"提取关键任务及其量化成果（数字、百分比、具体交付物）"
>
> 在[约束条件]模块增加："每个任务必须包含至少一个量化指标"
>
> **影响分析：** 这个改动不会影响其他模块，因为只是让任务描述更具体，不改变整体流程和格式。
你确认，AI修改，测试，搞定。
### 正骨级问题的处理
**问：那正骨级问题呢？**
答：正骨级问题的触发条件：**通过这个bad case，发现前置对齐环节有疏漏，根儿上就有毛病。**
比如，周报AI写出来特别长，1000字。你本来说"300-500字"，但AI就是控制不住。
你一查，发现阶段1的时候，你说"要详细"，又说"要简洁"，但没明确优先级。AI理解成"详细优先"，所以写长了。
修补没用。**得回到阶段1，重新对齐目标，明确当两者冲突时保哪个。**
正骨级问题的处理流程：
1. AI分析：这个问题是哪个前置阶段的对齐不充分？
2. 回到那个阶段，重新对话
3. 更新框架（如果阶段2受影响）
4. 重新生成prompt
5. 测试新版本
给AI这个指令：
---
**【正骨级诊断Prompt模板】**
```
我的prompt在实际使用中出现了系统性问题，怀疑是前置对齐阶段有疏漏。
**当前prompt：**
[粘贴完整的prompt]
**前置对齐记录：**
- 阶段0（现状诊断）：[简要回顾]
- 阶段1（目标对齐）：[简要回顾]
- 阶段2（框架设计）：[简要回顾]
**Bad Case：**
[描述具体问题，包括多个类似案例如果有的话]
**请你：**
1. 深度分析这个问题的根源：是需求理解偏差、目标定义模糊，还是框架设计缺陷？
2. 定位具体是哪个阶段的哪个环节出了问题
3. 说明为什么修补无法解决，必须回到前置阶段重做
4. 建议我回到哪个阶段、重点补充什么信息
请用"正骨思维"，不要给我创可贴式的修补方案。
```
---
**问：这会不会很费时间？**
答：短期看确实费时间。但长期看，省时间。
因为一次性把根源问题解决了，不会再反复遇到同类问题。磨刀不误砍柴工。
而且，经过几次正骨级迭代，你对这个领域的理解会深很多。**你在优化prompt的过程中，其实是在深化对需求的认知。**
---
复制后粘贴到 AI 对话框发送，本次对话全程生效
出处：LangGPT（结构化提示词方法论） · github.com/langgptai/LangGPT · 可信度 B · 标签：中文 / 提示词工程 / 框架 / LangGPT 怎么用（对话型）复制后粘贴到对话框发送，本次对话全程生效。想长期用：支持自定义指令的产品（设置→个性化）可设为默认。