输出听着精致但不可执行：原因 + 对症修复

你让它帮你调试一次部署。模型回了四段精致 prose，讲”先考虑环境配置”、“调查部署流水线”、“复盘相关日志”。没文件路径、没具体命令、没要查的配置值。读起来像顾问 deck，不是修复。

最快修复： 换动词，明确要工件。把 "对发布修复给点建议" 换成 "产出一份编号修复方案。每一步必须含：一条代码块里的 shell 命令、一个文件路径、一行预期结果。给不出具体命令时写 INSUFFICIENT_INFO 并说明你需要什么数据。" 光这一改，大多数精致 prose 就会变成 runbook。如果你是在调 API、需要硬保证，那就别靠 prompt，直接用原生 structured outputs（约束解码），让模型在该填 command 字段的位置物理上吐不出 prose——见 Step 2。

光精致没工件就是装饰：它满足了”有用回答”的形态，却没给任何人能动手的抓手。模型不是不帮忙，是太礼貌。训练让 chat 模型在开放任务上走”顾问腔”、爱 hedge，而这种腔调里工件本来就稀少。截至 2026 年 6 月这点已被反复记录：对 Claude Opus 4.7 的独立评测都指出它过度 hedge、爱加无谓免责声明；GPT-5.5 则偏另一头，有时会断言一个它没真正验证过的步骤。两种默认都不是 runbook。要 runbook，你得要它的形态，而不是它的语气。

你属于哪一类？

你输出里的症状	可能原因	跳到
像”你可以考虑复盘一下日志”这种 prose	prompt 要建议，不要工件	Step 1
有步骤，但没命令/路径/数字	没要求工件	Step 2
输出回声”你也许可以考虑……”	软动词从 prompt 漏进来了	Step 3
步骤很泛，套到任何项目都行	没给示例 + 输入太泛	Step 4 和 6
基本每隔一句就有”可能""也许""取决于”	开放任务上的 RLHF hedge	Step 3

常见原因

1. Prompt 要建议，不要工件

“我该怎么思考 X”得到思考框架。“产出 X”得到 X。动词决定你拿到的是讨论还是交付物。

如何判断： 你的动词是”建议”、“解释怎么”、“讨论”、“考虑”。

2. 没要求工件

你没说”至少 1 个文件路径、1 个命令、1 个数字”，模型就略掉，因为 prose 更便宜、读着更像在思考。

如何判断： 你的 prompt 没有工件清单。

3. 软动词从 prompt 漏到输出里

你 prompt 说”考虑是否……”，模型就回声”你也许可以考虑……”。软动词会传染。

如何判断： prompt 含”考虑”、“想想”、“探索”、“看一下”。

4. 没给可执行输出示例

你描述了”可执行”但没展示。模型走训练分布的”可执行”平均态，大多还是 prose。

如何判断： prompt 描述了形态，却没展示一个实例。

5. 开放任务上的 RLHF 礼貌与 hedge

现代 chat 模型在开放问题上打太极避免出错。打太极把工件藏在”可能”、“也许”、“取决于”后面。这跟 Opus 4.7 这类模型爱加免责声明是同一个倾向；解法是明确禁掉 hedge 词（Step 3）。

如何判断： 基本每隔一句就有一个 hedge 词。

动手前先确认

• 列出有用答案该含哪些工件：文件路径、命令、数字、版本号、代码片段、schema 片段、命名工具。
• 保存精致输出，好跟可执行版本做 diff。
• 想清楚谁来执行、需要什么才能动手。
• 规划一个把工件作为字段强制的 schema 或模板。
• 标出当前 prompt 里要替换的软动词。

需要收集的信息

• 当前 prompt。
• 不可执行的那份精致输出。
• 可执行版本该含的工件清单。
• 输出的下游消费者（同事、脚本、CI 任务）。
• 用的模型 + 任何 system prompt。

最短修复路径

Step 1：把”建议”换成”产出”

差：  "对发布修复给点建议。"
好：  "产出 5 步修复，编号列表。每步必须含：
       - 一条要运行的命令（代码块）、
       - 一个要查或改的文件路径、
       - 预期结果（1 行）。"

“产出”这个动词加上工件清单，逼出具体性。

Step 2：用 schema 强制工件（并在 API 层落地）

在对话里，把 schema 贴进去，让模型逐字段填：

输出 schema：
[
  {
    "step": <int>,
    "command": "<准确 shell 命令>",
    "file": "<绝对或相对路径>",
    "expected_output": "<一行字符串>"
  }
]

Schema 字段不能填 prose。模型没有具体的，就只能写 UNKNOWN。

如果你调 API，别只靠 prompt。截至 2026 年 6 月，两家主要厂商都已经提供原生 structured outputs：把你的 JSON Schema 编译成语法、约束解码，模型在生成时根本吐不出会破坏 schema 的 token：

• OpenAI（GPT-5.5）：传 response_format，type: "json_schema" 且 strict: true（在 Responses API 里这个字段叫 text.format）。开 strict: true 后，每个属性都要列进 required，每个对象都要 additionalProperties: false；可选字段用带 null 类型的 anyOf 标注。见 OpenAI structured-outputs 文档。
• Anthropic（Sonnet 4.6 / Opus 4.7）：用 output_format 参数并发 anthropic-beta: structured-outputs-2025-11-13 头；或者在工具定义里设 "strict": true 并用 tool_choice 强制调用。见 Anthropic structured-outputs 文档。

约束解码就是”请返回 JSON”（指望）和”这个字段只能装一条命令”（保证）之间的区别。一个 command 字符串字段没法被塞进”你可以考虑”。

Step 3：禁软动词

禁用："考虑"、"也许可以"、"你或许"、"可能"、"探索"。
给不出具体下一步时写 "INSUFFICIENT_INFO"
并询问需要什么具体数据。

禁掉 hedge 逼模型要么提交要么升级。配合 Step 2 的 UNKNOWN 字段，模型就有一个合法的”我不知道”出口，而不必拿 prose 来凑。

Step 4：给具体示例

像这样：
1. 运行 `vercel logs --since=10m --level=error` 查看最近报错。
   文件：vercel.json（看 buildCommand）
   预期：日志里有 "Error: env STRIPE_KEY missing"

不要这样：
1. 可以考虑复盘部署日志，看看有没有
   和问题相关的异常。

对比让形态毫不含糊。一个真实示例，胜过三句”描述这个示例”的话。

Step 5：让模型自审

末尾加：

写完后数每步的工件：
- 每步是否恰好 1 命令、1 文件、1 预期？ 是/否
- 全文工件总数：<数>
- 5 步输出全文工件少于 15 个时，重写以加具体性。

工件计数是机械活，模型做机械检查很稳。

Step 6：用真实输入数据

prompt 泛（“帮我调 bug”），输出就泛。粘真实报错、真实配置、真实日志行。具体输入拉具体输出。这一条比任何措辞技巧都重要：没有具体信息，模型只能返回训练平均态，也就是 prose。

怎么确认已经修好

• 输出每个逻辑单元（每步、每条 bullet、每节）有 3 个以上工件。
• 同事读完能直接动手，不需要追问。
• 软动词（考虑、也许、可能）出现 0 次。
• 同 prompt + 同输入，多次输出的工件密度相近。
• 输出读起来像 runbook，不像 memo。

常见问题

我都要它具体点了，为什么还在 hedge？

Hedge 是一种默认腔调，不是内容选择，所以”请具体点”基本盖不住它。你得把 hedge 的空间也拿掉：一个叫 command 的 JSON 字段，没地方塞”你也许可以”。用 Step 2 的 schema；调 API 时用原生 structured outputs，让约束在解码时强制生效，而不是在 prose 里请求。

换个更强的模型能自己解决吗？

部分能。截至 2026 年 6 月，推理档（picker 里的 “Thinking” / “Pro” 选项）产出的步骤比 instant 档具体；约束解码模式在厂商基准里把 schema 合规率拉到约 99%。但模型选择替代不了工件要求。最干净的结果来自”强模型 + schema”两者一起，而不是二选一。

什么才算”工件”？

任何读者不用再解读就能复制、就能动手的东西：一条准确的 shell 命令、一个文件路径、一个配置键和它的值、一个版本号、一段代码、一个精确的报错字符串、一个命名工具或菜单路径。“检查一下你的设置”不是工件；“在 vercel.json 里设 maxDuration: 60”是工件。

模型写了 INSUFFICIENT_INFO，是 prompt 失败了吗？

不，那是 prompt 在起作用。它说明就你粘的这些输入而言，任务确实没有具体抓手。补上缺的输入（真实报错、真实配置）再跑一遍。一个承认自己缺数据的模型，比一个编出自信但错误命令的模型有用得多。

不碰 API 能不能强制这套？

能。在对话里把 schema 贴进 prompt，再加上 Step 5 的自审。你失去了硬解码保证，但”schema + 自审”这套组合本身就能去掉大部分 prose 注水。原生 structured outputs 留给重复或自动化任务——那种”格式一错就把下游脚本搞崩”的场景。

如果还是没修好

1. 就你的输入而言，任务可能真的没有具体抓手——多粘输入数据。
2. 把模型切到推理档（“Thinking” 或 “Pro”），它在开放任务上比 instant 档 hedge 少。
3. 拆成多步工作流：第一个 prompt 抽事实，第二个从事实产出行动方案。
4. 重复任务在 API 层用原生 structured outputs 落一个 JSON Schema 行动方案模板（Step 2）。

预防建议

• 默认：每个”建议型” prompt 都写明要产出的工件。
• 每个任务类型维护一份”可执行输出”清单（发布修复、code review、PRD）。
• 没工件的输出当草稿，不当交付。
• 审已接受的输出：数工件密度；密度低，说明 prompt 该收紧了。
• 默认动词从”建议/讨论/考虑”换成”产出/列出/写”。
• 团队工作流商定最低工件密度（如”每步必须含一条命令”）。

相关阅读

• AI 回答太泛
• 要执行结果却给了清单
• Prompt 没说成功长什么样
• Prompt 要”最好”但没定决策规则
• 负向约束写得太虚

标签: #排查 #Prompt #Prompt 质量 #回答太泛

相关文章

常见问题解决库

few-shot 例子质量参差，把输出拉下来了

给了模型 5 个例子，2 个很好、3 个一般，结果它往一般的那几个靠拢。质量方差为什么伤、怎么砍到 3-5 个一致的例子。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

模型返回非法 JSON——因为 schema 是描述、不是强制

你让它按 schema 返 JSON。95% 合法，3% 在 JSON 外面包了散文，1% 漏字段，1% 类型错。描述 vs 强制，在 API 层修。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

模型编造假引用和假 URL

模型给的引用看起来像 Smith et al. 2019，但论文根本不存在；或者给的 URL 一点就 404。引用幻觉为什么发生、怎么彻底压住。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

模型用错语言回复（怎么锁死）

你用英文 prompt，结果它用中文回，或者中途切到西班牙文。语言漂移的确切根因，以及锁死输出语言的 system prompt + 重试套路，2026 年 6 月核实。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

回答被截断在半句话：max_tokens 设太低（2026 修复）

模型回复中途断掉、JSON 没闭合、代码块缺反引号。绝大多数是 token 上限。怎么估算、按 SDK 检测、怎么恢复。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

Prompt 要 10 条，模型给 3 条就停

你要 10 个想法，结果只给 3 个，或者凑齐 10 条但全是水。list-N 任务为什么 under-deliver，以及真正能拿到 N 条不同结果的 prompt 与 schema 修法。

2026/05/24 #Prompt 工程 #排查