【强制保留】以下内容不得省略：所有带单位的数值、首次出现的人名/机构名、原文中用引号标注的原话、所有含“但是”“然而”“尽管”的转折句；请严格按四段式组织：①原文首句复述；②所有带单位的测量值；③关键人名/机构名及引号原话；④全部转折句。
☞☞☞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☜☜☜
如果您使用Perplexity生成摘要，但发现关键数据、限定条件或核心主张未被包含，则可能是由于提示词缺乏足够强的结构化约束，导致模型在信息蒸馏过程中默认舍弃了用户未显式强调的要素。以下是解决此问题的步骤：
一、嵌入强制保留指令与格式锚点
Perplexity在摘要生成中默认遵循通用压缩逻辑，若未明确指定必须保留的内容类型，会依据统计显著性自动过滤低频实体或数值细节。通过在指令中植入不可省略项清单，可激活其“保留优先”机制。
1、在摘要指令开头添加不可删除前缀：“【强制保留】以下内容不得省略：所有带单位的数值、首次出现的人名/机构名、原文中用引号标注的原话、所有含‘但是’‘然而’‘尽管’的转折句。”
2、指定输出结构：“请严格按以下四段式组织摘要：① 原文首句复述；② 所有带单位的测量值（如‘p
3、追加格式锁定词：“若任一段缺失，请用【缺项警告：第X段未提取】替代，不得自行补全。”
二、注入原文可信片段作为上下文锚点
当摘要漏掉关键信息时，往往源于模型对原文重要性的误判。向提示词中插入已知高权重片段（如DOI编号、期刊名称、图表标题），可触发Perplexity将该片段设为语义中心，从而反向锚定周边关联信息。
1、从原文中提取一个不可伪造的权威标识符，例如“DOI:10.1038/s41591-024-03122-7”或“Figure 3B中的剂量响应曲线”。
2、将该标识符置于提示词最前端，并附加说明：“以上标识符所在段落为本文核心证据区，请确保摘要中完整复现该段落内所有数值、比较关系与前提条件。”
3、若原文含表格，明确引用：“表2第4行第2列的数值（OR=1.87, 95%CI[1.24–2.83]）及其对应变量名称必须原样出现在摘要第二句。”
三、启用Academic模式并绑定术语库约束
Academic模式内置医学、工程、法律等学科术语识别器，能识别领域特异性关键词并抑制通用化表达。但该能力需配合显式术语白名单才能生效，否则仍可能将专业缩写（如NMPA、ICU）误判为噪声。
1、在Perplexity界面右下角切换至Academic模式。
2、在摘要指令中插入术语保护声明：“以下术语禁止简写、合并或替换：NMPA、MIMIC-IV v2.2、F1-score、LLM、FDA。若原文使用全称与缩写并列（如‘Food and Drug Administration (FDA)’），摘要中必须同时保留两者。”
3、添加否定约束：“不生成任何未在原文中出现的连接词（如‘因此’‘由此可见’‘综上所述’），不引入原文未提及的比较对象（如‘相较于传统方法’）。”
四、分块提交+交叉校验机制
长文档摘要遗漏常源于上下文窗口截断导致的局部感知偏差。将原文按逻辑单元切分后独立处理，再比对各块摘要中重复出现的关键项，可定位被系统性忽略的稳定信息。
1、将原文按章节标题或图表位置切分为若干块，每块控制在800字符以内。
2、对每一块单独提交指令：“仅基于本块内容生成摘要，必须包含所有数字、单位、专有名词及括号内补充说明，字数上限120字。”
3、汇总所有块摘要，手动比对各块中是否均出现同一关键数值（如p=0.003）或同一限制条件（如‘样本仅覆盖华东地区三级医院’）。若某项在超过两块中重复出现却未进入最终摘要，则证明该信息被全局过滤，需在总指令中加权强化。
