你给了模型 5 条规则：不超过 200 字、用第二人称、要有 CTA、不要感叹号、不要提竞品名。它交回来 180 字，第二人称，有 CTA，没感叹号，然后第三段轻飘飘地点了两家竞品的名字。你最在意的那条恰好被丢了。
最快修法：把”违反就不能交付”的那一条单独拎出来，放进 prompt 顶部的独立小节，再在 底部重申一遍，并加一行自检让模型引出”我遵守了”的证据。光这一步就能解决大多数情况。
为什么会这样：prompt 里规则太多时，模型把它们近似当成等权处理，并倾向于丢掉”与其他规则冲突的”或”埋在中段的”那条。这就是有据可查的”lost in the middle”（中段失焦）效应（Liu et al. 2023，截至 2026 年 6 月在长上下文评测里仍可测到）：模型对 prompt 的开头和结尾注意力最高，埋在中段的某个事实或规则，准确率可能掉 30% 以上。由于这种位置偏置是 transformer 注意力机制的结构性产物，目前没有任何在产模型彻底消除它。所以修法不是把那条规则重复一遍喊大声，而是把它挪到高注意力位置、写成硬二元、并在输出里自检。
常见原因
按命中率排序。
1. 关键约束埋在 prompt 中段
你写了 400 字的 brief，关键规则在第 3 段。模型对长 prompt 的开头和结尾注意力高，中段是规则悄悄死掉的地方。
如何判断：打开 prompt 定位被丢掉的约束。如果它在过半位置、又没有独立小节标签，那就是原因。
2. 这条约束与另一条冲突
规则 A："语气要热情有活力"；规则 B："不要感叹号、不要最高级形容词"。模型挑一个去做，另一个就悄悄违反——通常它会挑就近更好满足的那条。
如何判断：把规则列出来，看是否有两条互相拉扯。被丢的常常是那对中”更难满足”的一半。
3. 软措辞让规则变可选
"尽量不要提竞品" 读起来像偏好。"不得出现以下名字：X、Y、Z" 读起来像规则。软措辞换来软遵守。
如何判断：回看约束。尽量、最好、理想情况下、如果可能 都是”可商量”的信号。
4. 长上下文把约束挤出注意力
6k token 的 system prompt，第 8 行的规则要和后面 200 行竞争。等到生成时，规则可能已经滚出高注意力区。
如何判断：prompt 很长，被丢的规则不在前 500 / 后 500 字符里。
5. 规则在另一轮，不在当前请求那轮
你 4 轮之前说过 "始终用第二人称"，现在说 "写一封跟进邮件"，规则可能没有被重新激活。长会话会丢约束锚点。
如何判断：往上翻。约束是在另一轮立的，本轮请求时没重申。
6. 规则是否定的，但示例里恰好出现了被禁的行为
"不要包含法务免责声明"，紧接 "示例：<底部带免责声明的示例>"。模型常常模仿示例形态，忽略否定。
如何判断：检查 prompt 里的示例或参考文档是否违反了你立的规则。
动手前先确认
- 确认哪条约束被丢了、并且它真的写进了 prompt。
- 记下完整 prompt、模型、以及之前立过规则的轮次。
- 把错误输出原样保存——把违反规则的行引出来。
- 记下其他哪些约束被满足了，以排查冲突。
- 同一 prompt 跑多次看是否每次都丢同一条（确定性 vs 采样）。
需要收集的信息
- 完整 prompt 和 system prompt。
- 规则清单按出现顺序排好，附原文措辞。
- 违反规则的输出，并标出违反点。
- 模型、temperature、tool-use 设置。
- 任何可能暗中削弱该规则的示例或参考文档。
最短修复路径
按收益排序。
Step 1：识别”那一条不可妥协的约束”
N 条规则里，挑出”违反就不能交付”的那 1 条。其他都次要。如果挑不出来，说明 prompt 优先级本身就乱，那也是病根。
Step 2：提到独立顶部块，并在底部重申
把规则挪到注意力最高的位置：放进一个置顶的独立小节，再在 prompt 最末尾用一行重申，让它同时落在两个高注意力位置：
# 不可妥协约束
不得提及以下竞品名：Acme Corp、BetaCo、Gamma Inc。
若本会提到其中之一，改写成 [REDACTED]。
# 任务
<实际任务>
# 风格规则
- 不超过 200 字
- 第二人称
- 含 CTA
- 不要感叹号
# 提醒
上面那条竞品名规则是唯一的硬性要求。回答前再核一遍。硬规则现在同时位于顶部和底部，也就是模型注意力最高的两个位置。
2026 年有个细节要注意：结构比音量管用。让规则独立成块才是关键，喊大声并不顶用。新一代 Claude 模型（Sonnet 4.6、Opus 4.7）反而可能对 CRITICAL!、YOU MUST、NEVER EVER 过度反应、产出更差，所以措辞要平静直接，别全大写、别堆感叹号。一个朴素的 # 不可妥协约束 标题，效果好过一整片大写字母。
如果你用的是 Claude，把各小节用 XML 标签包起来（<constraints>、<task>、<style>），而不是 Markdown 标题。Anthropic 官方指南把 XML 标签当作分隔指令、上下文和约束的首选方式，Claude 对标签化小节的遵守度比纯散文更高。
Step 3：用二元硬措辞，不用软措辞
| 软（容易丢） | 硬（不易丢） |
|---|---|
"尽量别提 X" | "任何情况下都不得包含 X" |
"最好 200 字以内" | "输出必须在 180-200 字；超出就重写" |
"优先第二人称" | "只用'你''你的'；不得用'我们''我''他们'" |
"保持专业" | "不要俚语、emoji、口语缩写或感叹号" |
Step 4：加输出自检
prompt 末尾：
收尾前请逐条核对：
1. 是否提到了 Acme、BetaCo、Gamma？（是/否）
2. 引出一行证明你遵守了规则 1。
任意一条不通过，重写输出并重新核对。自检逼模型回读自己的输出，对照规则。
Step 5：Agent 系统加程序化护栏
自动化场景别只靠 prompt。生成后做正则/关键词检查：
banned = ["Acme Corp", "BetaCo", "Gamma Inc"]
if any(b.lower() in output.lower() for b in banned):
raise ConstraintViolation("竞品名出现")违反就带着违反点重试 prompt："上次输出第 4 行提到了 BetaCo。重写，去掉任何竞品名。"
如果约束是关于格式的（必须含某字段、某枚举值、最大长度、合法 JSON），最强的护栏根本不是 prompt。用厂商的结构化输出模式，它在 token 层约束生成，模型根本无法吐出破坏 schema 的输出：
- OpenAI：Structured Outputs，开
strict: true并配json_schema响应格式。截至 2026 年 6 月，纯 JSON mode 已被视为遗留方案，因为它只保证 JSON 语法合法、不保证符合 schema；strictjson_schema才是生产默认。 - Anthropic / Google：用 tool-use / function calling 配
input_schema来约束格式，然后读取校验过的工具参数，而不是读自由文本。
还要记住指令层级（instruction hierarchy）：写在 system（或 developer）prompt 里的规则，优先级高于同一条写在 user 消息里的。如果某条约束绝不能被覆盖，就放进 system prompt，模型被训练成给它比后续 user 轮次更高的权限。
Step 6：先解决冲突再生成
“热情”规则与”不要感叹号”规则冲突，就决定哪条赢、去掉另一条，或显式协调："热情通过动词选用和具体数字体现，不靠标点或最高级。"
怎么确认已经修好
- 不可妥协约束在连续 5 次运行中都被满足。
- 模型末尾自检能正确判断规则是否被遵守。
- 同事不看 prompt、只读输出，找不到违反点。
- 程序化检查（如果加了）全部通过。
如果还是没修好
- 把 prompt 缩到最小：拎出来的那条约束 + 任务 + 1 个示例。再往上加。
- 换更强的模型。约束遵循受能力上限，前沿模型对长规则列表的遵守度远好过小/快模型。截至 2026 年 6 月，Claude Opus 4.7 和 GPT-5.5（Thinking）在多规则 prompt 上明显优于更便宜的同门（Sonnet 4.6、GPT-5.5 Instant）；用 Gemini 就选 Gemini 3.1 Pro。
- 把约束写进 system prompt，或 ChatGPT 的 Custom GPT / Project 指令，或 Claude Project，而不是写在一次性的 user 消息里——这样它优先级更高、还能跨轮持续生效。
- prompt 过长就拆：一次调用专门生成，另一次专门校规则、不通过就重写。
- temperature 降到 0.3-0.5；高 temperature 会让约束更容易丢。（部分
Thinking/推理模式不吃 temperature 这个旋钮；这种情况就靠上面的结构性修法。）
预防建议
- 默认纪律：每个 prompt 最多一个
# 不可妥协块，里面 1 条规则。 - 反复用的工作流，把约束写进 system prompt，而不是 user 消息。
- 把”约束被丢”当成 prompt bug 去修，不要纵容成模型问题。
- 每次 prompt 改完，跑 3 次确认规则稳定。
- 维护一个常见不可妥协项清单（无 PII、无竞品名、无伪造数据）以备粘贴。
常见问题
为什么模型偏偏丢掉我最在意的那条，反倒留着无关紧要的？ 它不是按重要性给规则排序，而是按位置和好不好满足来排。位于中段的规则、或比竞争规则更难满足的规则，最容易溜走。把关键规则挪到顶部和底部，并让它最容易遵守（写成硬二元），而不只是最被强调。
那我把规则全大写、加 “CRITICAL!!!” 行不行？
不行。2026 年的共识是结构比音量管用，而且喊大声可能适得其反：新一代 Claude 模型对 CRITICAL!、YOU MUST、NEVER EVER 会过度反应、产出更差。一个平静、清晰标注、放在高注意力位置的小节，比一堆大写字母更有效。
这是模型 bug 还是我的 prompt 问题？ 几乎总是 prompt。约束被丢可以从位置偏置和规则冲突里预测出来，而且可复现。把它当成能靠结构修掉的 prompt bug，而不是干等模型变乖。
我的约束是格式规则（必须是 JSON、必须有某字段），最可靠的修法是什么？
别在散文里硬磕。用厂商的结构化输出模式：OpenAI 的 Structured Outputs 开 strict: true 配 json_schema，或在 Claude、Gemini 上用 tool-use 配 input_schema。它们在生成层约束，模型根本吐不出破坏 schema 的输出。
短对话里好好的，长对话就崩，为什么？ 长会话会丢约束锚点。4 轮前立的规则，本轮请求时可能没被重新激活。在发出请求的那一轮重申规则，或把它挪进 system prompt / Project 让它持续生效。
怎么确认是真修好了、不是碰巧？ 同一 prompt 跑 5 次，不可妥协约束必须 5 次全中。单次通过只是噪声——采样意味着一次干净输出也可能只是擦边没翻车。