最新AI模型提示词实践经验分享：更少规则更清边界

最新的AI模型需要更少规则、更清晰边界，以及一套完全不同的提示词栈。在撰写了10万条提示、处理了1500万条模型消息后，我正在做出这些调整。

说实话，到目前为止，我几乎没有改动原有内容。一个重要提醒：我之前的文章主要关注的不是通过API大规模发送的自动化提示词。

在那种场景下，修改提示词需要严格得多、也系统化得多的评估流程。我删掉的大部分内容也一直保持删除状态。我自己的测试不算特别科学，但足够实用：我在几个完全独立的VM上运行同一个仓库，然后使用相同的提示词搭配不同的指令集或提示词变体。

当改动带来了显著且可复现的提升时，我就会保留这个改动。否则，我就会回滚，或者继续测试。

我的团队目前规模很小——一共只有2名高级开发人员。我们结合了经验、人工判断，以及多个LLM的自动审查来测试改动、检测漂移。它还不是一套完全正式的持续验证系统，但我同意，发布后的验证正变得越来越必要。

这和我的方法很接近。最简单的办法是准备一个由真实提示词组成的小型回归测试集：一次删掉一条规则，重新运行相同用例，再将结果和基线对比。

如果同一个错误在多次运行、或是多个模型版本中持续复现，就把这条规则加回去。否则，这条规则大概率只是用来修补旧模型脆弱性的补丁。