核心是用prompt明确约束输出格式和取值范围，需清晰列出选项、指定结构化格式、嵌入判断标准，并通过system角色或前置指令强化约束。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
让 AI 返回固定选项，核心是用 Prompt 明确约束输出格式和取值范围，而不是依赖模型“猜你想听什么”。关键不在提问多聪明，而在指令够清晰、边界够具体。
限定输出为预设列表中的一个
直接在 Prompt 里写明“只能从以下选项中选一个，不要解释，不要补充”，并把选项用清晰符号（如短横、数字）列出。AI 对结构化指令响应更稳定。
- ✅ 好例子：“请判断用户这句话的情绪，仅返回以下三者之一：‘积极’、‘中性’、‘消极’。不要加标点，不要额外文字。”
- ❌ 避免：“你觉得这句话情绪怎么样？可以是开心、平淡或难过。”（用词模糊，“觉得”“可以是”留出自由发挥空间）
用格式模板强制结构化输出
指定返回格式（如 JSON、关键词+冒号、纯单词），比单纯说“只答一个词”更可靠。模型对可复现的模式敏感度高。
- ✅ 好例子：“请按此格式回答：类别：[积极/中性/消极]。例如：类别：中性。现在处理这句话：‘今天天气一般。’”
- ✅ 进阶技巧：在示例中展示错误格式被拒绝的情况，比如加一句“若返回了多个词或带解释，我会重新提问”，能提升首次命中率。
结合分类逻辑 + 选项锚定，减少歧义
当选项语义接近（如“轻微”“一般”“普通”），光列名词容易混淆。需在 Prompt 中嵌入简明判断标准，帮 AI 理解每个选项的适用边界。
- ✅ 好例子：“按投诉紧急程度分级：【高】指人身安全或资金损失已发生；【中】指存在明确风险但尚未发生；【低】指仅是体验不满，无实际损失或风险。请只返回【高】、【中】或【低】。”
- ? 提示：把判断依据放在选项前面，比放在后面更有效——模型优先读取开头指令。
用系统角色设定强化约束力
在对话开始前，用 system message（如 ChatGPT 的“自定义指令”或 API 的 system role）声明“你是一个严格遵循输出格式的分类器”，能降低模型“好心补充”的倾向。
- ✅ 示例 system 指令：“你只能输出预设选项中的一个词，不加引号、不加句号、不解释、不扩展。违反即重试。”
- ⚠️ 注意：部分平台不支持 system role，此时可把该句作为第一条 user 消息的开头，效果接近。
