提示词优化可提升workbuddy长文本分析准确性：一、强制分段与结构锚点；二、注入领域实体黑白名单；三、设定显式推理链约束；四、绑定可信信源引用格式；五、启用负向指令过滤惯性输出。
☞☞☞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☜☜☜
如果您在使用 WorkBuddy 分析长文本时发现关键信息遗漏、逻辑断层或语义误判，则很可能是提示词未能有效约束模型的解析路径。以下是提升长文本分析准确性的多种提示词优化技巧：
一、强制分段指令与结构锚点嵌入
长文本易因上下文滑动导致局部信息被稀释，通过显式划分处理单元并绑定结构标签，可锁定模型注意力范围，防止跨段混淆。
1、在指令开头明确指定分块逻辑，例如：“将以下文本按自然段落切分为5个语义单元，每单元标注【段1】至【段5】前缀。”
2、为每个段落附加结构角色，例如：“【段1】必须识别出核心主张；【段2】仅提取支撑论据，忽略举例细节。”
3、在段末插入校验锚点，例如：“每段输出后追加一行：‘本段是否含否定逻辑？是/否’。”
二、注入领域实体白名单与黑名单
WorkBuddy 默认词典对垂直领域专有名词覆盖有限，未加约束时易将关键实体泛化为通用概念，导致主题漂移。白名单锁定识别焦点，黑名单阻断干扰联想。
1、在提示词中前置声明：“本次分析仅关注以下实体：【用户ID】【订单号】【SLA时效】【退款原因码】，其余所有编号类字符串均不视为实体。”
2、添加排除指令：“禁止将‘系统’‘平台’‘后台’等泛称识别为具体服务组件；禁止将‘快’‘慢’‘差’等模糊形容词判定为性能指标。”
3、对歧义词做消歧绑定，例如：“文中‘结账’统一等同于‘支付成功’，‘下单’统一等同于‘创建订单’，二者不可互换。”
三、设定推理链显式约束条件
长文本常含隐含因果、时序依赖或条件分支，模型若无推理路径指引，易跳过中间逻辑直接输出结论。强制展开推理步骤可暴露断点并提升归因精度。
1、要求模型输出带编号的推理链：“请按以下格式输出：①原文依据（引用原文位置）；②推导动作（如‘由A推出B’）；③中间结论；④最终判断。”
WorkBuddy 桌宠工厂 —— 给一张角色图、一个 codex.pet 链接、一条 codex-pets.net 下载 URL、或一份现成的精灵表，就能自动创建一只可联动 WorkBuddy 状态的桌面宠物。当用户说"创建桌宠"、"做一只桌宠"、"用这张图做桌宠"、"从 codex.pet 安装桌宠"、"导入 codex 桌宠 XX"、"装一下 codex-pets.net 上的 XX&quo
2、限定推理深度：“单次分析最多展开3层推导，第3层必须指向可验证的事实陈述，不得出现‘可能’‘通常’等弱模态词。”
3、禁用跳跃式归纳：“若原文未出现‘投诉率上升’字眼，则禁止生成该结论；所有趋势性判断必须基于连续两处以上数据点支撑。”
四、绑定可信信源引用格式
长文本中常混杂主观评论与客观事实，模型易将未经验证的断言当作依据。强制引用格式可倒逼模型区分信息层级，抑制虚构归因。
1、在指令中嵌入引用规则：“所有结论性语句后必须紧跟括号标注，格式为（来源：第X段第Y行），无对应原文位置则替换为（待核查）。”
2、对数据类表述施加硬约束：“数值必须精确到小数点后一位并附单位，如‘响应延迟增加2.3秒’；禁止使用‘大幅提升’‘明显下降’等非量化描述。”
3、要求矛盾点显式标出：“若同一段内存在相互冲突的陈述，必须在输出首行标注：【冲突标记】段X含对立主张：A主张… vs B主张…”
五、启用负向指令过滤惯性输出
WorkBuddy 在长文本处理中易复现训练数据中的高频模式，如过度概括、添加常识性补充或补全缺失信息。负向指令可精准拦截此类冗余行为。
1、前置否定声明：“本次任务禁止执行以下操作：补全原文未提及的时间/地点/人物；推断作者未明示的情绪倾向；将比喻修辞转译为字面事实。”
2、限制输出密度：“每百字原文对应输出不得超过15字结论，超限部分自动截断并标注‘（摘要密度已达上限）’。”
3、冻结通用知识调用：“禁止引用任何外部知识库、行业报告或历史案例；所有分析必须严格基于所给文本字符序列。”
