提示词优化：针对 “输出格式错误” 的修正提示词

1. 引言

在使用大模型生成内容时，“输出格式错误” 是很常见的问题。比如用户要求大模型用表格输出 “月度销售数据”，结果大模型却用纯文本罗列；或者要求用 Markdown 列表呈现 “步骤说明”，大模型却混用了不同层级的标题格式。这些格式错误会让输出内容杂乱无章，不仅影响阅读体验，还可能导致信息传递不准确。

修正提示词是解决这类问题的关键工具。它能通过明确的引导，让大模型按照用户期望的格式输出内容。本文会从输出格式错误的问题分析入手，详细讲解修正提示词的设计原则、核心方法、不同场景的应用案例，还会提供工具推荐和避坑指南，帮助大家高效优化提示词，避免输出格式错误。

2. 输出格式错误的问题分析

2.1 常见的输出格式错误类型

2.1.1 结构类格式错误

1. 列表格式混乱：用户要求用 “1. 一级点；1.1 二级点” 的层级列表输出，大模型却出现 “1. 一级点；2. 二级点” 的平级错误，或遗漏二级点的编号（如 “1. 一级点；二级点”）。

1. 表格格式错误：包括表格缺少边框、列数与用户要求不符（如要求 3 列却输出 2 列）、表头与内容错位（表头是 “姓名、年龄”，内容却对应 “年龄、职业”）。

1. 段落结构无序：用户要求 “先总述、再分点、最后补充说明” 的段落结构，大模型却先分点、再总述，或分点内容与补充说明混杂。

2.1.2 标识类格式错误

1. 符号使用错误：Markdown 格式中，标题符号混用（用 “##” 表示一级标题，而非 “#”）、链接符号缺失（只写网址，未加 “” 标识）、代码块未用 “```” 包裹（直接用纯文本呈现代码）。

1. 格式标识遗漏：用户要求输出 “JSON 格式数据”，大模型却未加 “{}” 包裹，或键值对缺少引号（如写成 name: 张三，而非 "name": "张三"）。

1. 特殊标识错误：如要求用 “【】” 标注重点内容，大模型却用 “（）”；要求用 “---” 分隔不同模块，大模型却用 “===”。

2.1.3 内容排版类格式错误

1. 换行与缩进混乱：段落之间无空行分隔、列表项缩进不一致（有的缩进 2 个空格，有的缩进 4 个空格）、代码行缩进错误（Python 代码未按要求缩进 4 个空格）。

1. 字体与样式错误：用户要求 “标题加粗、正文常规”，大模型却标题常规、正文加粗；或要求 “英文用斜体”，大模型却未设置斜体样式。

1. 篇幅与分段错误：要求 “每个要点单独成段”，大模型却将多个要点合并成一段；或要求 “总字数控制在 500 字内”，大模型却超出字数且分段杂乱。

2.2 输出格式错误带来的影响

2.2.1 信息传递效率降低

格式错误会让内容结构不清晰，用户需要花费更多时间梳理信息。比如表格列数错误，用户需要手动对应表头与内容，才能确认数据含义；列表层级混乱，用户难以区分信息的主次关系，导致理解速度变慢。

2.2.2 后续处理难度增加

若输出内容需要进一步加工（如导入表格工具、解析 JSON 数据、复制代码运行），格式错误会导致后续处理失败。例如，JSON 格式缺少引号，导入数据处理工具时会报错；代码块未用 “```” 包裹，复制到编译器时会带入多余字符，导致代码无法运行。

2.2.3 用户体验变差

当用户明确要求特定格式时，格式错误会让用户觉得大模型 “不专业”“不满足需求”。比如博主要求大模型用 Markdown 格式写文章大纲，结果格式混乱，博主需要手动修改才能使用，不仅增加工作量，还会降低对大模型的信任度。

2.3 导致输出格式错误的原因

2.3.1 提示词中格式要求不明确

1. 未指定具体格式细节：比如只说 “用列表输出”，未说明是 “有序列表” 还是 “无序列表”，也未说明层级规则，导致大模型随意选择格式。

1. 格式描述模糊：如 “用清晰的表格输出”，未说明表格的列数、表头名称、是否需要边框，大模型只能凭猜测生成表格，容易出现错误。

1. 多格式要求冲突：提示词中同时要求 “用表格输出” 和 “用列表补充说明”，但未说明两者的结合方式，大模型可能混淆两种格式，导致错误。

2.3.2 大模型对格式的理解偏差

1. 格式规则记忆不精准：大模型对部分格式规则的记忆存在偏差，比如混淆 Markdown 中一级标题（#）和二级标题（##）的符号，或忘记 JSON 格式中键值对需要用双引号包裹。

1. 复杂格式处理能力不足：对于多层级表格（如合并单元格）、嵌套 JSON（如 JSON 数组中包含对象）等复杂格式，大模型容易出现结构错误，无法准确生成符合要求的内容。

1. 上下文干扰：若对话中之前的输出格式与当前要求不同，大模型可能受上下文影响，沿用之前的格式，导致当前输出格式错误。比如之前用无序列表输出，当前要求有序列表，大模型仍用无序列表。

2.3.3 外部因素影响

1. 输入长度限制：若提示词中格式要求部分过长，超出大模型的注意力范围，大模型可能遗漏部分格式规则，导致输出错误。

1. 多任务干扰：若提示词中同时包含 “内容生成” 和 “格式要求” 两个任务，且内容生成任务较复杂，大模型可能优先处理内容，忽略格式要求，导致格式错误。

1. 平台兼容性问题：不同平台对格式的解析规则可能不同（如部分 Markdown 编辑器不支持某些扩展语法），大模型按通用规则生成的格式，在特定平台上可能显示为错误。

3. 修正提示词的设计原则

3.1 明确性原则

3.1.1 具体到格式细节

1. 设计思路：在修正提示词中，不能只提 “用表格输出”，要明确表格的列数、表头、边框要求；不能只提 “用列表输出”，要说明列表类型（有序 / 无序）、层级规则（如 “1. 一级点；1.1 二级点”）、缩进要求（如 “二级点缩进 2 个空格”）。

1. 示例提示词：“用有序列表输出‘电脑开机步骤’，要求：1. 一级步骤用‘1. 内容’格式；2. 若有子步骤，用‘1.1 内容’格式，子步骤缩进 2 个空格；3. 每个步骤单独成段，步骤之间无空行。”

1. 效果说明：明确的细节要求能让大模型准确把握格式规则，避免因猜测导致的格式错误，比如不会将子步骤写成平级步骤，也不会忽略缩进要求。

3.1.2 避免模糊表述

1. 设计思路：删除提示词中 “清晰”“规范”“合理” 等模糊词汇，替换为可量化、可明确判断的表述。比如不说 “表格要清晰”，而说 “表格需包含边框，每列宽度一致”；不说 “代码格式规范”，而说 “代码用 Python 语法，缩进 4 个空格，用‘python’和‘’包裹”。

1. 反面示例：“用清晰的列表输出‘学习计划’，确保格式规范。”

1. 优化示例：“用无序列表输出‘学习计划’，每个列表项用‘- 内容’格式，列表项之间空 1 行，内容中重点目标用‘【】’标注。”

1. 效果说明：优化后的提示词消除了模糊性，大模型能明确知道 “规范” 的具体标准，输出的格式更符合用户期望，不会出现 “因理解不同导致的格式偏差”。

3.2 简洁性原则

3.2.1 聚焦核心格式要求

1. 设计思路：修正提示词中只保留与格式相关的核心要求，删除与格式无关的冗余信息（如过多的内容描述、背景介绍）。比如用户要求生成 “月度销售数据表格”，提示词中只需说明表格格式，无需详细描述销售数据的具体来源和分析方法。

1. 反面示例：“某公司 2024 年 1-3 月的销售数据来自各门店上报，包含电子产品、家居用品、服装三类产品，现在需要用表格输出这些数据，表格要规范，能让人清楚看到每个月各产品的销售额，最好有边框，列数要够，表头要明确。”

1. 优化示例：“用表格输出‘某公司 2024 年 1-3 月销售数据’，格式要求：1. 表头为‘月份、产品类型、销售额（万元）’；2. 表格带边框，共 3 列；3. 数据行按‘1 月 - 电子产品 - 金额’‘1 月 - 家居用品 - 金额’等顺序排列。”

1. 效果说明：优化后的提示词聚焦格式要求，减少了大模型的信息处理负担，大模型能更快抓住核心格式规则，避免因冗余信息干扰导致的格式错误。

3.2.2 用短句表述要求

1. 设计思路：将格式要求拆分成简短的句子，避免使用过长的复合句。每个句子只表达一个格式规则，让大模型更容易理解和执行。比如将 “用 Markdown 格式写文章大纲，一级标题用‘#’，二级标题用‘##’，每个标题后空 1 行，大纲共包含 3 个一级标题，每个一级标题下有 2 个二级标题” 拆分成多个短句。

1. 优化示例：“用 Markdown 格式写文章大纲，格式要求如下：1. 一级标题用‘# 标题内容’格式；2. 二级标题用‘## 标题内容’格式；3. 每个标题后空 1 行；4. 大纲包含 3 个一级标题；5. 每个一级标题下有 2 个二级标题。”

1. 效果说明：短句表述更清晰，大模型能逐句理解格式规则，减少因长句逻辑复杂导致的理解偏差，比如不会遗漏 “每个标题后空 1 行” 的要求。

3.3 可执行性原则

3.3.1 格式规则符合大模型能力

1. 设计思路：避免要求大模型生成超出其能力范围的复杂格式，比如不要求大模型生成 “包含合并单元格的多层级表格”“嵌套 5 层以上的 JSON 数据”，这些复杂格式容易导致大模型出错。应选择大模型能稳定处理的格式，若需复杂格式，可拆分成简单格式组合。

1. 反面示例：“用表格输出‘学生成绩表’，要求：1. 合并‘年级’列中相同年级的单元格；2. 表格包含‘年级、班级、姓名、语文、数学、总分’6 列；3. 总分列用红色字体标注。”

1. 优化示例：“用表格输出‘学生成绩表’，格式要求：1. 表格包含‘年级、班级、姓名、语文、数学、总分’6 列，不合并单元格；2. 总分列内容用‘【总分：XX】’标注（无需红色字体）；3. 表格带边框，数据按年级升序排列。”

1. 效果说明：优化后的格式规则在大模型能力范围内，大模型能稳定生成符合要求的表格，不会因 “合并单元格”“红色字体” 等复杂要求导致格式错误。

3.3.2 提供格式示例

1. 设计思路：对于容易混淆的格式（如 JSON、特定 Markdown 语法），在修正提示词中提供简单的格式示例，让大模型参考示例生成内容。示例要简洁，只展示核心格式规则，不包含多余内容。

1. 示例提示词：“用 JSON 格式输出‘用户信息’，包含‘name（姓名）、age（年龄）、city（城市）’3 个字段，格式参考示例：{ "name": "张三", "age": 25, "city": "北京"}。要求：1. 字段名用双引号；2. 数值类型的 age 不加引号；3. 整体用大括号包裹。”

1. 效果说明：格式示例能直观展示规则，大模型可通过示例快速掌握格式细节，避免出现 “字段名漏加引号”“age 加引号” 等错误，输出的 JSON 格式更准确。

3.4 一致性原则

3.4.1 多格式要求不冲突

1. 设计思路：若提示词中包含多个格式要求（如 “表格 + 列表”“文本 + 代码块”），要明确各格式的适用范围和结合方式，避免冲突。比如说明 “先用表格输出数据，再用无序列表补充数据说明”，而非同时要求 “用表格和列表输出同一数据”。

1. 反面示例：“用表格输出‘产品参数’，同时用列表输出每个参数的说明，确保格式正确。”

1. 优化示例：“输出‘产品参数’，格式要求：1. 先用表格输出参数名称和数值，表头为‘参数名称、数值’，表格带边框；2. 表格后用无序列表补充说明，每个列表项对应一个参数，格式为‘- 参数名称：说明内容’；3. 表格与列表之间空 2 行。”

1. 效果说明：优化后的提示词明确了两种格式的使用顺序和范围，大模型不会混淆两种格式，能先输出表格，再输出列表，避免出现 “表格与列表混杂” 的错误。

3.4.2 与上下文格式保持协调

1. 设计思路：若当前对话中已有输出内容，修正提示词中的格式要求要与之前的格式协调，避免突然切换格式导致大模型混乱。比如之前用 Markdown 无序列表输出，当前若需列表格式，优先选择无序列表；若需切换为有序列表，要在提示词中明确说明 “从无序列表切换为有序列表”。

1. 示例提示词：“之前用无序列表输出了‘产品特点’，现在需要输出‘产品使用步骤’，格式要求：1. 从无序列表切换为有序列表，用‘1. 步骤内容’格式；2. 每个步骤缩进 2 个空格；3. 步骤之间空 1 行，与之前的无序列表格式区分开。”

1. 效果说明：明确与上下文格式的协调要求，大模型能顺利切换格式，不会受之前格式的干扰，避免出现 “仍用无序列表输出步骤” 的错误。

4. 修正提示词的核心设计方法

4.1 格式规则拆解法

4.1.1 方法原理

将复杂的格式要求拆解成多个简单的、可执行的小规则，每个小规则对应一个具体的格式细节（如列表类型、缩进要求、符号使用）。大模型通过逐一执行小规则，最终生成符合整体要求的格式，减少因规则复杂导致的遗漏或错误。

4.1.2 实施步骤

1. 第一步：确定整体格式类型（如表格、列表、JSON、Markdown）。

1. 第二步：拆解该格式的核心细节，列出所有需要明确的规则（如表格的表头、列数、边框；列表的类型、层级、缩进）。

1. 第三步：将每个规则用简短的句子表述，按 “重要程度” 或 “执行顺序” 排列，避免规则重复或冲突。

1. 第四步：在提示词中按排列顺序列出规则，引导大模型逐一执行。

4.1.3 应用示例

需求：用 Markdown 格式输出 “技术文章大纲”，包含 3 个一级标题，每个一级标题下有 2 个二级标题，标题后空 1 行，重点标题加粗。

拆解后的提示词：“用 Markdown 格式输出‘技术文章大纲’，格式规则如下：1. 一级标题用‘# 标题内容’格式，共 3 个；2. 每个一级标题下有 2 个二级标题，二级标题用‘## 标题内容’格式；3. 所有标题后空 1 行；4. 重点标题（如‘核心原理’‘实战步骤’）的内容部分用‘**’包裹加粗；5. 大纲整体按‘一级标题 1 - 二级标题 1 - 二级标题 2 - 一级标题 2-...’的顺序排列。”

4.1.4 适用场景

适用于格式规则较多、较复杂的场景，如多层级列表、包含多个元素的 Markdown 文章、结构清晰的表格等。通过拆解，让大模型更容易理解和执行每个规则，避免整体规则复杂导致的错误。

4.2 错误案例对比法

4.2.1 方法原理

在修正提示词中，先给出 “错误的格式案例”，再给出 “正确的格式案例”，通过对比让大模型明确 “什么是错误的”“什么是正确的”，强化大模型对正确格式的记忆，减少因 “模糊理解” 导致的格式错误。这种方法尤其适合大模型容易混淆的格式规则，通过直观的对比，让大模型快速区分错误与正确的差异。

4.2.2 实施步骤

1. 第一步：收集或构造常见的错误格式案例。错误案例要典型，能反映大模型常犯的格式问题（如 JSON 字段名漏加引号、Markdown 列表层级混乱）。

1. 第二步：针对错误案例，编写对应的正确格式案例。正确案例要严格符合格式规则，且与错误案例的内容一致，只在格式上做修正，方便大模型对比差异。

1. 第三步：在提示词中先呈现错误案例，标注错误点（如 “错误点：JSON 字段名未用双引号”）；再呈现正确案例，标注正确规则（如 “正确规则：JSON 字段名必须用双引号包裹”）。

1. 第四步：要求大模型参考正确案例，按相同格式生成新内容，并提醒大模型避免出现错误案例中的问题。

4.2.3 应用示例

需求：用 JSON 格式输出 “3 个商品信息”，每个商品包含 “id（编号）、name（名称）、price（价格）” 字段，避免字段名漏加引号、价格加引号的错误。

修正提示词：“用 JSON 格式输出 3 个商品信息，先看错误与正确案例对比：

错误案例：{ id: 1, name: "笔记本电脑", price: "5999" }

错误点：1. 字段名 id 未用双引号；2. 价格 price 是数值类型，却加了双引号。

正确案例：{ "id": 1, "name": "笔记本电脑", "price": 5999 }

正确规则：1. 所有字段名必须用双引号；2. 数值类型的 price 不加双引号。

请参考正确案例，输出 3 个商品信息，确保不出现错误案例中的问题，JSON 整体用大括号包裹，商品信息用逗号分隔。”

4.2.4 适用场景

适用于大模型容易混淆的格式场景，如 JSON 格式的键值对规则、Markdown 的链接与图片语法、代码块的包裹符号等。通过错误与正确案例的对比，让大模型明确格式差异，减少同类错误的重复出现。

4.3 格式校验指令法

4.3.1 方法原理

在修正提示词的末尾，加入 “格式校验指令”，要求大模型在生成内容后，先自行检查格式是否符合要求（如检查字段名是否加引号、列表层级是否正确），若发现错误则修正，再输出最终内容。这种方法能让大模型主动规避格式错误，相当于给大模型增加 “自我纠错” 的环节。

4.3.2 实施步骤

1. 第一步：先明确核心的格式要求（如表格列数、JSON 字段规则、列表类型），按之前的方法编写基础提示词。

1. 第二步：在基础提示词后，添加格式校验指令。校验指令要明确检查的重点（如 “检查表格是否带边框、表头是否正确”“检查 JSON 字段名是否都用双引号”），以及错误处理方式（如 “发现错误后立即修正，再输出”）。

1. 第三步：若大模型仍出现格式错误，可在后续提示词中强化校验指令，增加检查的细节（如 “检查表格每一行的列数是否与表头一致，若不一致则删除多余列或补充缺失列”）。

4.3.3 应用示例

需求：用 Markdown 表格输出 “2024 年第一季度产品销量”，表头为 “月份、产品 A 销量、产品 B 销量”，表格带边框，数据行按月份 1-3 月排列。

修正提示词：“用 Markdown 表格输出‘2024 年第一季度产品销量’，格式要求：1. 表头为‘月份、产品 A 销量、产品 B 销量’；2. 表格带边框（使用‘|’分隔列，‘-’分隔表头与数据行）；3. 数据行包含 1 月、2 月、3 月的销量（假设销量分别为 100、150、200 和 80、120、180）。

格式校验指令：生成表格后，请先检查以下内容：1. 表格是否带边框，是否用‘|’和‘-’正确分隔；2. 表头是否为指定的 3 列，无多余或缺失；3. 数据行是否按 1-3 月顺序排列，销量数据是否正确。若发现任何错误，立即修正后再输出最终表格。”

4.3.4 适用场景

适用于对格式准确性要求较高的场景，如数据报表生成、代码片段输出、JSON 数据传输等。通过格式校验指令，让大模型主动排查错误，减少用户后续手动修正的工作量，提高输出内容的可用性。

4.4 渐进式引导法

4.4.1 方法原理

对于复杂的格式需求（如包含表格、列表、代码块的多元素输出），不一次性给出所有格式要求，而是分步骤引导大模型生成内容。先让大模型完成某一部分的格式输出（如先输出表格），确认正确后，再引导大模型完成下一 part 的格式输出（如表格后输出列表），逐步构建完整的格式内容。这种方法能降低大模型一次性处理多格式的难度，减少整体格式错误。

4.4.2 实施步骤

1. 第一步：拆分复杂格式需求为多个简单的 “格式模块”，确定模块的输出顺序（如 “表格模块→列表模块→代码块模块”）。

1. 第二步：先编写第一个模块的修正提示词，引导大模型生成该模块内容，检查格式是否正确。若正确，进入下一步；若错误，修正提示词后重新生成。

1. 第三步：基于第一个模块的正确内容，编写第二个模块的修正提示词，明确第二个模块与第一个模块的格式衔接要求（如 “列表模块在表格模块后，空 2 行输出”），引导大模型生成第二个模块。

1. 第四步：重复步骤 3，直到所有模块生成完成，形成完整的、格式正确的内容。

4.4.3 应用示例

需求：生成 “Python 数据处理教程片段”，包含 3 个格式模块：1. 用 Markdown 表格输出 “常用库及功能”（表头：库名、功能）；2. 用有序列表输出 “数据处理步骤”；3. 用 Python 代码块输出 “示例代码”。

渐进式引导提示词：

1. 第一阶段：“先用 Markdown 表格输出‘Python 数据处理常用库及功能’，格式要求：表头为‘库名、功能’，表格带边框，包含 Pandas（数据清洗）、NumPy（数值计算）、Matplotlib（数据可视化）3 行数据。生成后检查表格是否符合要求。”

（大模型生成正确表格后，进入第二阶段）

1. 第二阶段：“在刚才的表格后空 2 行，用有序列表输出‘Python 数据处理步骤’，格式要求：步骤用‘1. 内容’格式，包含‘导入库→读取数据→数据清洗→数据可视化’4 个步骤，每个步骤单独成项。生成后检查列表是否符合要求，且与表格衔接正确。”

（大模型生成正确列表后，进入第三阶段）

1. 第三阶段：“在列表后空 2 行，用 Python 代码块输出‘示例代码’，格式要求：代码块用‘python’和‘’包裹，代码包含导入 Pandas 库、读取 CSV 文件（假设文件路径为‘data.csv’）的 2 行代码。生成后检查代码块格式是否正确，且与列表衔接正确。”

4.4.4 适用场景

适用于包含多个格式元素的复杂输出场景，如技术教程片段、综合报告大纲、多模块文档等。通过分步骤引导，降低大模型的处理难度，确保每个模块的格式正确，同时保证模块间的格式衔接顺畅，避免因一次性处理多格式导致的整体混乱。

5. 不同场景下的修正提示词应用案例

5.1 数据呈现场景（表格 / JSON）

5.1.1 场景特点

该场景主要用于输出结构化数据，如销售数据、用户信息、产品参数等，常用格式为表格（Markdown 表格、普通文本表格）或 JSON。核心需求是 “数据结构清晰、格式可直接使用”，若格式错误，会导致数据无法导入工具或难以阅读。

5.1.2 修正提示词案例（表格格式）

1. 需求：用 Markdown 表格输出 “某店铺 2024 年 4 月每周销售额”，包含 “周次、销售额（万元）、同比增长（%）”3 列，表格带边框，数据按周次 1-4 排列（假设数据：周 1-12、5%；周 2-15、8%；周 3-13、6%；周 4-16、10%）。

1. 修正提示词：“用 Markdown 表格输出‘某店铺 2024 年 4 月每周销售额’，格式要求如下：

1. 表头为‘周次、销售额（万元）、同比增长（%）’，共 3 列；

1. 表格带边框：用‘|’分隔每一列，表头与数据行之间用‘|---|---|---|’分隔；

1. 数据行按‘周 1-12-5%’‘周 2-15-8%’‘周 3-13-6%’‘周 4-16-10%’顺序排列；

1. 格式校验指令：生成后检查表格是否带边框、列数是否为 3 列、数据是否按周次顺序排列，若有错误立即修正。”

1. 预期输出（正确格式）：

| 周次 | 销售额（万元） | 同比增长（%） |

| --- | --- | --- |

| 周 1 | 12 | 5 |

| 周 2 | 15 | 8 |

| 周 3 | 13 | 6 |

| 周 4 | 16 | 10 |

5.1.3 修正提示词案例（JSON 格式）

1. 需求：用 JSON 格式输出 “3 个学生的考试成绩”，每个学生包含 “studentId（学号，数字类型）、name（姓名，字符串类型）、scores（科目成绩，包含语文、数学，数字类型）” 字段，整体为 JSON 数组。

1. 修正提示词：“用 JSON 格式输出 3 个学生的考试成绩，先看错误与正确案例对比：

错误案例：[{ studentId: "2024001", name: 张三，scores: { 语文: 90, 数学: 85} } ]

错误点：1. studentId 是数字类型却加了双引号；2. name 是字符串类型却没加双引号；3. scores 内的科目名没加双引号。

正确案例：[ { "studentId": 2024001, "name": "张三", "scores": { "语文": 90, "math": 85 } } ]

正确规则：1. 数字类型字段（studentId、成绩）不加双引号；2. 字符串类型字段（name、科目名）加双引号；3. 整体为 JSON 数组，用‘[]’包裹。

请参考正确案例，输出 3 个学生成绩（学生 2：2024002，李四，语文 88、数学 92；学生 3：2024003，王五，语文 95、数学 89），生成后检查 JSON 格式是否符合规则，无语法错误。”

1. 预期输出（正确格式）：

[

{

"studentId": 2024001,

"name": "张三",

"scores": {

"语文": 90,

"数学": 85

}

},

{

"studentId": 2024002,

"name": "李四",

"scores": {

"语文": 88,

"数学": 92

}

},

{

"studentId": 2024003,

"name": "王五",

"scores": {

"语文": 95,

"数学": 89

}

}

]

5.2 文档创作场景（Markdown / 段落结构）

5.2.1 场景特点

该场景主要用于生成文档类内容，如文章大纲、技术文档、学习笔记等，常用格式为 Markdown（包含标题、列表、链接、代码块）或特定段落结构（总述 - 分点 - 补充）。核心需求是 “文档结构清晰、格式符合阅读习惯”，若格式错误，会影响文档的可读性和专业性。

5.2.2 修正提示词案例（Markdown 文章大纲）

1. 需求：用 Markdown 格式输出 “Python 基础学习大纲”，包含 3 个一级标题（“1. Python 环境搭建”“2. 基础语法”“3. 常用数据类型”），每个一级标题下有 2 个二级标题，一级标题用 “# 数字。内容” 格式，二级标题用 “## 数字。数字 内容” 格式，每个标题后空 1 行，重点标题（“2. 基础语法”）加粗。

1. 修正提示词：“用 Markdown 格式输出‘Python 基础学习大纲’，格式规则拆解如下：

1. 一级标题格式：‘# 数字。内容’，共 3 个，分别是‘# 1. Python 环境搭建’‘# 2. 基础语法’（重点标题加粗）‘# 3. 常用数据类型’；

1. 二级标题格式：‘## 数字。数字 内容’，每个一级标题下有 2 个，具体如下：

• • 一级标题 1 下：‘## 1.1 安装 Python’‘## 1.2 配置环境变量’；

• • 一级标题 2 下：‘## 2.1 变量与数据类型’‘## 2.2 条件与循环语句’；

• • 一级标题 3 下：‘## 3.1 列表与元组’‘## 3.2 字典与集合’；

1. 格式衔接：每个标题后空 1 行，大纲整体按‘一级标题 1→二级标题 1→二级标题 2→一级标题 2→...’顺序排列；

1. 格式校验：生成后检查标题层级符号（#/##）是否正确、重点标题是否加粗、是否空行，若错误修正。”

1. 预期输出（正确格式）：

1. Python 环境搭建

1.1 安装 Python

1.2 配置环境变量

2. 基础语法

2.1 变量与数据类型

2.2 条件与循环语句

3. 常用数据类型

3.1 列表与元组

3.2 字典与集合

5.2.3 修正提示词案例（段落结构）

1. 需求：输出 “如何高效使用搜索引擎” 的说明文本，要求段落结构为 “总述（1 句话概括核心方法）→分点（3 个具体方法，用有序列表）→补充说明（1 句话提醒注意事项）”，分点每个方法单独成项，补充说明前空 1 行。

1. 修正提示词：“输出‘如何高效使用搜索引擎’的说明文本，格式要求：

1. 总述部分：用 1 句话概括核心方法，内容为‘高效使用搜索引擎的核心是精准输入关键词和善用筛选工具’；

1. 分点部分：总述后直接接有序列表，3 个具体方法如下：

1. 1. 1. 输入‘关键词 + 限定词’（如‘Python 安装 Windows 10’），缩小搜索范围；

1. 1. 1. 使用搜索引擎的‘时间筛选’功能（如‘近 1 年’），获取最新信息；

1. 1. 1. 遇到专业问题，在关键词后加‘site:stackoverflow.com’，搜索专业论坛内容；

1. 补充说明部分：列表后空 1 行，用 1 句话提醒：‘筛选信息时注意辨别来源可信度，优先选择官方文档或权威平台内容’；

1. 检查要求：确认段落结构是否为‘总述→分点→补充’，列表是否为有序列表，补充说明是否空行。”

1. 预期输出（正确格式）：

高效使用搜索引擎的核心是精准输入关键词和善用筛选工具。

1. 输入 “关键词 + 限定词”（如 “Python 安装 Windows 10”），缩小搜索范围；

1. 使用搜索引擎的 “时间筛选” 功能（如 “近 1 年”），获取最新信息；

1. 遇到专业问题，在关键词后加 “site:stackoverflow.com”，搜索专业论坛内容；

筛选信息时注意辨别来源可信度，优先选择官方文档或权威平台内容。

5.3 代码输出场景（代码块 / 注释格式）

5.3.1 场景特点

该场景主要用于生成代码片段，如 Python、Java 代码，常用格式为 “代码块包裹 + 注释说明”。核心需求是 “代码格式正确、可直接复制运行”，若格式错误（如代码块未包裹、缩进错误、注释格式混乱），会导致代码无法运行，或难以理解代码逻辑。

5.3.2 修正提示词案例（Python 代码块）

1. 需求：用 Python 代码块输出 “计算 1-10 的累加和”，要求代码包含注释（说明代码功能和关键步骤）、正确缩进（循环体缩进 4 个空格），用 “python”和“” 包裹代码块，运行结果用 print 语句输出。

1. 修正提示词：“用 Python 代码块输出‘计算 1-10 的累加和’，格式要求如下：

1. 代码块用‘python’开头，‘’结尾，中间包含完整代码；

1. 代码注释：首行用‘# 功能：计算 1-10 的累加和’，循环前用‘# 初始化累加和变量’，循环后用‘# 输出结果’；

1. 代码逻辑：用 for 循环遍历 1-10，累加求和，初始化 sum 变量为 0；

1. 缩进要求：for 循环体（sum 累加、循环内操作）缩进 4 个空格；

1. 格式校验：生成后检查代码块是否正确包裹、注释是否完整、缩进是否正确，确保代码可直接复制运行。”

1. 预期输出（正确格式）：

# 功能：计算1-10的累加和

# 初始化累加和变量

sum_result = 0

# 遍历1-10，累加求和

for i in range(1, 11):

sum_result += i

# 输出结果

print("1-10的累加和为：", sum_result)

5.3.3 修正提示词案例（Java 代码注释）

1. 需求：用 Java 代码块输出 “判断一个数是否为偶数”，要求包含类注释（/** ... / 格式）、方法注释（/* ... */ 格式）、行注释（// 格式），代码块用 “java”和“” 包裹，类名定为 “EvenNumberChecker”，方法名定为 “isEven”。

1. 修正提示词：“用 Java 代码块输出‘判断一个数是否为偶数’，格式要求：

1. 代码块用‘java’开头，‘’结尾；

1. 类注释：在类定义前用‘/** 功能：判断一个数是否为偶数的工具类 */’；

1. 方法注释：在 isEven 方法前用‘/** 功能：判断输入的整数是否为偶数 参数：int num（待判断的整数） 返回值：boolean（true 为偶数，false 为奇数） */’；

1. 行注释：在判断逻辑前用‘// 使用取余运算判断是否为偶数’；

1. 代码逻辑：isEven 方法接收 int 类型参数 num，返回 num%2 == 0 的结果，主方法中调用 isEven 测试 num=6 的情况；

1. 检查要求：确认注释格式正确、代码块包裹正确、类名和方法名符合要求。”

1. 预期输出（正确格式）：

/** 功能：判断一个数是否为偶数的工具类 */

public class EvenNumberChecker {

/**

* 功能：判断输入的整数是否为偶数

* 参数：int num（待判断的整数）

* 返回值：boolean（true为偶数，false为奇数）

*/

public static boolean isEven(int num) {

// 使用取余运算判断是否为偶数

return num % 2 == 0;

}

public static void main(String[] args) {

int testNum = 6;

System.out.println(testNum + "是否为偶数：" + isEven(testNum));

}

}

6. 修正提示词的工具推荐

6.1 提示词生成工具

6.1.1 PromptBase（格式专项模板）

1. 工具特点：PromptBase 平台上有大量针对 “格式输出” 的提示词模板，涵盖表格、JSON、Markdown、代码块等场景。模板中明确包含格式规则、示例对比、校验指令，用户可直接搜索 “格式修正”“表格输出”“JSON 提示词” 等关键词获取模板，也可根据需求修改模板中的格式细节（如表格列数、代码语言）。

1. 使用方法：打开 PromptBase 官网，在搜索栏输入 “Markdown 表格 提示词”“Python 代码块 格式修正”，选择符合需求的模板。例如 “JSON 格式输出修正模板”，模板中已包含错误案例、正确规则、校验指令，用户只需替换模板中的 “字段名”“数据内容”，即可生成可用的修正提示词。

1. 适用场景：适合不熟悉格式规则、需要快速生成修正提示词的用户，尤其在数据呈现和代码输出场景中，能大幅减少手动编写提示词的时间。

6.1.2 ChatGPT Prompt Generator（格式定制生成）

1. 工具特点：该工具支持按 “场景 + 格式类型 + 细节要求” 定制生成修正提示词。用户只需在输入框选择场景（如 “文档创作”“代码输出”）、格式类型（如 “Markdown 大纲”“Java 代码块”），补充细节（如 “3 级标题”“包含方法注释”），工具会自动生成结构清晰的修正提示词，包含格式规则、示例和校验指令。

1. 使用方法：进入工具页面后，依次完成以下操作：

• • 选择 “核心需求” 为 “格式输出修正”；

• • 选择 “场景” 为 “代码输出”，“格式类型” 为 “Python 代码块”；

• • 补充 “细节要求”：“包含循环逻辑、4 个空格缩进、行注释”；

• • 点击 “生成提示词”，工具会输出完整的修正提示词，用户可直接复制使用。

1. 适用场景：适合需要个性化格式要求的用户，能根据具体需求生成针对性提示词，避免模板无法匹配需求的问题。

6.2 格式校验工具

6.2.1 JSONLint（JSON 格式校验）

1. 工具特点：JSONLint 是专门的 JSON 格式校验工具，可检测 JSON 内容是否存在语法错误（如字段名漏加引号、逗号多余、括号不匹配）。若大模型输出的 JSON 格式错误，将内容复制到该工具中，工具会高亮显示错误位置，并给出修正建议，帮助用户反向优化修正提示词（如发现 “字段名漏引号”，可在提示词中强化 “字段名必须用双引号” 的规则）。

1. 使用方法：打开 JSONLint 官网，将大模型输出的 JSON 内容粘贴到输入框，点击 “Validate JSON”。若格式正确，工具显示 “Valid JSON”；若错误，工具在错误行前显示红色感叹号，鼠标悬停可查看错误原因（如 “Expected double-quoted property name”），用户根据原因修正 JSON 后，可反推提示词需补充的规则。

1. 适用场景：配合 JSON 格式的修正提示词使用，尤其在大模型输出 JSON 仍有错误时，可快速定位问题，优化提示词中的格式规则。

6.2.2 Markdown Preview Enhanced（Markdown 格式预览）

1. 工具特点：该工具是 VS Code 的插件，支持实时预览 Markdown 内容的格式效果（如标题层级、表格样式、代码块显示）。用户将大模型输出的 Markdown 内容复制到 VS Code 中，通过插件预览格式是否符合要求（如表格是否带边框、标题层级是否正确），若预览效果错误，可针对性调整修正提示词（如预览发现表格无边框，可在提示词中补充 “表格用‘|’和‘-’分隔边框”）。

1. 使用方法：在 VS Code 中安装 “Markdown Preview Enhanced” 插件，新建 Markdown 文件，粘贴大模型输出的内容，按下 “Ctrl+Shift+P”，输入 “Markdown Preview Enhanced: Open Preview” 打开预览窗口。对比预览效果与预期格式，若表格无边框，在修正提示词中补充 “表格需用‘|’分隔列，表头与数据行之间用‘|---|---|’分隔”，重新生成 Markdown 内容后再次预览，直至格式正确。

1. 适用场景：用于 Markdown 格式的修正提示词效果验证，帮助用户直观判断格式是否正确，避免仅看文本无法发现的格式问题（如缩进、空行）。

6.3 提示词优化工具

6.3.1 PromptPerfect（提示词精炼优化）

1. 工具特点：该工具可优化修正提示词的表述，使其更简洁、明确，同时保留核心格式规则。若用户编写的修正提示词过长、逻辑混乱，将其输入工具，工具会自动删除冗余信息、拆分复杂句子、调整规则顺序，生成更易被大模型理解的提示词（如将 “用表格输出数据，表格要有 3 列，列名是 A、B、C，表格需要带边框，用 | 分隔” 优化为 “用带边框的 Markdown 表格输出数据：1. 3 列，列名 A、B、C；2. 用‘|’分隔列，‘-’分隔表头与数据行”）。

1. 使用方法：打开 PromptPerfect 官网，粘贴原始修正提示词，选择 “优化方向” 为 “格式清晰化”“简洁化”，点击 “Optimize”。工具生成优化后的提示词，对比原版，查看是否保留了所有核心格式规则（如表格列数、边框要求），若有遗漏，手动补充后即可使用优化后的提示词。

1. 适用场景：优化用户手动编写的修正提示词，尤其当提示词过长、表述模糊时，可提升提示词的清晰度和有效性。

6.3.2 AI Prompt Tuner（提示词效果测试）

1. 工具特点：该工具支持模拟大模型对修正提示词的响应效果，用户输入修正提示词后，工具会生成模拟输出内容，帮助用户提前判断提示词是否能达到预期格式效果。若模拟输出格式错误，用户可在工具中直接修改提示词，反复测试，直至模拟输出格式正确，再将提示词用于实际大模型。

1. 使用方法：进入工具页面，选择模拟的大模型类型（如 “GPT-3.5”“文心一言”），输入修正提示词（如 “用 Markdown 表格输出 3 列数据”），点击 “Generate Simulation” 生成模拟输出。若模拟输出的表格只有 2 列，在提示词中补充 “表格必须包含 3 列，列名分别为 X、Y、Z”，再次点击模拟生成，直至表格列数正确。

1. 适用场景：在使用实际大模型前测试修正提示词效果，减少因提示词问题导致的反复生成，提高效率，尤其适合对格式准确性要求高的场景（如数据报表、代码输出）。

7. 常见误区与避坑指南

7.1 误区 1：格式规则描述模糊

1. 误区表现：在修正提示词中，用模糊的表述描述格式规则，如 “用规范的表格输出”“代码格式要正确”“列表要清晰”，未明确 “规范”“正确”“清晰” 的具体标准，导致大模型无法准确理解格式要求，输出错误。

1. 危害：大模型只能凭自身理解猜测格式规则，可能生成与用户预期完全不符的格式（如用户认为 “规范表格” 是带边框的 Markdown 表格，大模型却生成无边框的文本表格），需要反复调整提示词，浪费时间。

1. 避坑方法：将模糊表述替换为具体、可量化的规则。例如：

• • 不说 “用规范的表格输出”，而说 “用带边框的 Markdown 表格输出，用‘|’分隔列，‘-’分隔表头与数据行”；

• • 不说 “代码格式要正确”，而说 “Python 代码缩进 4 个空格，用‘python’和‘’包裹代码块，包含 1 行功能注释”；

• • 不说 “列表要清晰”，而说 “用有序列表输出，格式为‘1. 内容’，每个列表项单独成段，项之间空 1 行”。

7.2 误区 2：忽略格式示例的重要性

1. 误区表现：认为只要列出格式规则，大模型就能正确生成格式，不提供格式示例，尤其在处理复杂格式（如嵌套 JSON、多层级 Markdown 列表）时，仅靠文字规则描述，大模型容易理解偏差。

1. 危害：对于易混淆的格式规则（如 JSON 中嵌套数组、Markdown 中标题与列表的衔接），文字描述难以完全覆盖细节，大模型可能遗漏关键格式要素（如 JSON 嵌套数组漏加‘[]’、Markdown 标题后未空行），导致输出错误。

1. 避坑方法：对复杂格式或易混淆格式，必须在修正提示词中加入格式示例。示例需满足以下要求：

• • 简洁：只包含核心格式要素，不添加多余内容（如 JSON 示例只包含 1 个对象，不包含大量数据）；

• • 准确：严格符合格式规则，避免示例本身存在错误；

• • 对应：示例中的格式要素与文字规则一一对应（如文字规则要求 “JSON 字段名加双引号”，示例中的字段名必须用双引号）。

例如，生成嵌套 JSON 时，提示词中加入示例：“JSON 格式示例：{ "name": "张三", "hobbies": ["阅读", "运动"] }，注意 hobbies 是数组，用‘[]’包裹多个元素。”

7.3 误区 3：一次性要求过多格式规则

1. 误区表现：在一个修正提示词中，同时要求大模型处理多个复杂格式规则（如 “用 Markdown 表格输出数据，表格带边框，包含 3 列，同时用有序列表补充说明，列表项缩进 2 个空格，最后用代码块输出处理数据的 Python 代码，代码包含注释和正确缩进”），超出大模型的单次处理能力。

1. 危害：大模型难以同时记住所有格式规则，容易遗漏部分规则（如记住了表格和列表规则，忘记了代码块的注释要求），导致输出内容部分格式正确、部分错误，需要多次调整提示词，效率低下。

1. 避坑方法：采用 “分阶段引导” 或 “拆分提示词” 的方式，降低大模型的处理难度：

• • 分阶段引导：先让大模型完成一个格式模块（如先输出表格），确认格式正确后，再引导其完成下一个模块（如表格后输出列表），最后完成代码块；

• • 拆分提示词：若无法分阶段，将格式规则拆分为 “核心规则” 和 “次要规则”，优先保证核心规则（如表格带边框、代码块包裹），次要规则（如列表缩进）后续补充调整。例如，第一次提示词只要求 “表格和代码块格式”，生成后若格式正确，第二次提示词要求 “在表格后添加缩进 2 个空格的有序列表”。

7.4 误区 4：不根据大模型特性调整提示词

1. 误区表现：认为同一份修正提示词适用于所有大模型，不考虑不同大模型对格式规则的理解差异（如有的大模型对 Markdown 表格的边框规则更敏感，有的对 JSON 的字段名引号要求更严格），导致在某一模型上效果良好的提示词，在另一模型上输出格式错误。

1. 危害：在更换大模型时，需要重新编写或大幅调整修正提示词，增加工作量；若未意识到模型差异，会误以为提示词本身存在问题，反复修改却无法解决错误。

1. 避坑方法：根据大模型的特性调整修正提示词：

• • 对格式理解能力较弱的模型（如部分轻量级开源模型）：提示词需更详细，增加格式示例和校验指令，减少规则数量（如一次只要求 1-2 个格式规则）；

• • 对格式理解能力较强的模型（如 GPT-4、文心一言 4.0）：提示词可适当简洁，可同时包含多个格式规则，但仍需明确核心规则，避免模糊表述；

• • 测试模型特性：在使用新模型前，用简单的格式需求（如 “用 Markdown 表格输出 2 列数据”）测试模型对格式的理解能力，根据测试结果调整提示词的详细程度。

8. 未来趋势与拓展方向

8.1 修正提示词的自动化生成

1. 趋势特点：未来修正提示词将实现 “需求输入→自动生成” 的流程，用户无需手动编写格式规则，只需输入 “场景 + 预期格式效果”（如 “场景：数据报表，预期：带边框的 Markdown 表格，3 列，表头为 A、B、C”），工具会自动分析需求，生成包含格式规则、示例、校验指令的修正提示词，甚至能根据大模型特性调整提示词的详细程度。

1. 实现路径：需结合 “格式规则库” 与 “需求解析算法”：

• • 构建覆盖表格、JSON、Markdown、代码块等场景的 “格式规则库”，存储不同格式的标准规则（如 Markdown 表格的边框规则、JSON 的字段名规则）；

• • 开发 “需求解析算法”，将用户输入的自然语言需求（如 “生成带注释的 Python 代码块”）解析为具体的格式要素（如 “代码块包裹符号、注释类型、缩进要求”）；

• • 算法从规则库中匹配对应的格式规则，结合大模型特性，自动生成修正提示词，输出给用户或直接发送给大模型。