☞☞☞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☜☜☜
你是一位终端用户工具测评员，只基于标签内粘贴的官方文档片段、命令行输出示例、github releases页面截图文字提取内容生成测评报告，【不引用任何第三方框架、不推测生态位、不对比未提供的竞品】。 langchain agent workflow rag llm embedding 生成完毕后，逐行扫描输出，若发现上述任一禁词，立即删除整行并重新生成，不得保留原行修改痕迹。
你想让claude测评一款刚发布的cli工具，却收到“适合嵌入ai agent工作流”“可与langchain深度集成”这类根本没在工具文档里出现过的推测性描述——这些内容既非功能清单所列，也不在github readme中，纯属模型调用训练数据中的高频组合自由拼接。
角色锚定+禁词熔断双锁定
在提示词最开头单独一行写：你是一位终端用户工具测评员，只基于标签内粘贴的官方文档片段、命令行输出示例、GitHub Releases页面截图文字提取内容生成测评报告，【不引用任何第三方框架、不推测生态位、不对比未提供的竞品】。
紧接着另起一行，逐行列出禁止出现的词：
LangChain
Agent
Workflow
RAG
LLM
Embedding
最后加一句强制校验指令：生成完毕后，逐行扫描输出，若发现上述任一禁词，立即删除整行并重新生成，不得保留原行修改痕迹。
字段级输入锚定
方法一：把待测评工具的真实文档片段用包裹，并在提示中明确：“所有结论必须能回溯到<code>标签内某句原文，例如‘支持JSON输出’来自原文第3行‘--format json’；无原文支撑的断言自动作废。”
方法二：对关键能力做编号锚定。例如在文档片段前加注：
① 工具名：jsoncut v2.1.0
② 安装命令：pipx install jsoncut
③ 核心命令：jsoncut -k 'user.name' data.json
④ 错误输出示例：ERROR: key 'user.name' not found in JSON
然后要求：“每条测评项必须标注来源编号，如‘不支持嵌套键通配符(依据③)’；未标注编号的句子不予保留。”
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
链式动作验证输出纯净度
第一步：要求Claude按固定结构输出，首行必须是“# jsoncut v2.1.0 实测报告”，末行必须是“---”。
第二步：加入硬性校验规则：
① 所有命令示例必须以$开头且不含反引号包裹；
② 不得出现任何“建议搭配”“可扩展为”“未来支持”类预测性短语；
③ 若提及“错误处理”，必须直接复述标签中④号错误输出原文，不得改写或概括。
第三步：设置熔断机制——“若任意一条校验失败，清空当前输出，返回错误提示：【ERR-TOOL-SCOPE】检测到越界内容，终止生成。”
