文小言回答泛化因缺乏明确约束，需用“角色+任务+格式”三要素锁定范围，并通过排除法和实例锚定提升精准度。
☞☞☞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☜☜☜
文小言回答太泛，是因为它默认按通用场景生成结果，缺乏具体约束条件导致答案宽泛、难以直接使用。你需要在提问时嵌入明确的边界信息，而不是依赖后续追问来修正。
用角色+任务+格式三要素锁定回答范围
第一步：在问题开头指定角色，例如“你是一名有10年经验的Python后端工程师”；【角色不写具体年限或领域，文小言会默认调用通用知识库，输出立刻变空泛】。
第二步：紧接着说明任务目标，必须包含动词和交付物，比如“请写出一个能处理并发请求的FastAPI登录接口”——不能只说“写个登录接口”，否则它可能返回Flask示例甚至伪代码。
第三步：强制规定输出格式，如“返回纯Python代码，不含注释，不解释原理，不加markdown代码块标记”。这一步能砍掉近70%的冗余说明文字。
用排除法剔除干扰信息
方法一：直接否定常见歧义项。例如问“如何用pandas读取Excel？不要读sheet_name参数说明，不要展示报错处理，只要一行能跑通的代码”。
方法二：限定输入输出形态。比如“输入是CSV文件路径字符串，输出是DataFrame对象，字段名必须为['id', 'name', 'score']，缺失值填0”。
方法三：加物理/时间/权限限制。例如“在无网络环境、不能pip install新包的前提下，用标准库实现JSON转CSV”。【没写‘无网络’时，它常默认推荐第三方库，导致方案根本不可用】
用实例反向锚定预期
给出一个输入→期望输出的最小可行样例，文小言会优先对齐这个模式。比如：“输入：'2024-03-15' → 输出：'15/03/2024'。请按同样规则转换'2025-12-01'。”
这比说“把日期格式从YYYY-MM-DD改成DD/MM/YYYY”更有效——它容易把分隔符、零填充、年份缩写等细节搞错，而样例自带全部隐含规则。
注意：样例必须真实可执行，不能写“类似xxx”，否则它会自由发挥。
