清楚的验收标准比神奇咒语更经得起模型升级

可靠的提示词依靠明确约定而不是固定措辞

一段提示词今天表现很好，换个模型版本却开始漏项，这不一定说明新模型退步了。不同版本对语气、示例和隐含要求的理解可能不同。原先靠模型猜对的部分，升级后就可能暴露出来。

跨版本稳定并不意味着每次得到相同句子，而是重要要求持续得到满足。例如，摘要可以换一种表达，但不能遗漏截止日期，也不能把尚未确认的安排写成事实。需要固定的是合格标准，而不是全部措辞。

把工作目标和合格条件写成可以检查的要求

“认真分析这份材料”听起来明确，实际留下了很多空白。分析给谁看，需要帮助对方作出什么决定，答案需要多长，都没有交代。模型只能自行补齐这些条件。

更稳妥的写法是说明读者、用途和交付物。例如，请根据会议记录，为未参会的同事整理已作出的决定、待确认事项和负责人；记录没有提供的信息应标明缺失。这些要求能够逐项核对，也不依赖某个版本特别擅长领会暗示。

任务指令与参考材料分开才能减少理解偏差

新人常把要求、背景和原文混成一大段。模型可能把材料中的一句请求当成新指令，也可能分不清哪些内容只是引用。可以用清楚的文字标明任务要求、参考材料和输出要求，让三者各自承担一种作用。

如果材料来自网页、邮件或用户上传内容，还应说明其中的指令不具有任务授权。这样的边界能减少混淆，但不能替代权限控制。涉及付款、删除或发送消息时，仍应由程序检查权限并安排必要确认。

少量边界示例比堆叠强调语句更有帮助

反复写“务必准确”无法说明准确的含义。一个普通示例加一个边界示例往往更实用。例如，材料缺少日期时，应写“日期未提供”，而不是根据上下文推测。示例展示的是判断规则，不只是漂亮答案。

示例也不宜过多，否则模型可能照搬其中的人名、长度或结构。可以明确说明，示例用于解释标准，实际内容必须依据当前材料。若示例与文字要求冲突，应先修正提示词，而不是期待模型自行判断你的真实意图。

固定测试样例才能看清模型升级带来的变化

提示词是否经得起升级，需要测试，不能只凭一次顺眼的回答判断。初次使用时，可以保留十来个有代表性的输入，包括常见请求、信息缺失、要求冲突和明显不应执行的任务。

更换版本后，用同一批输入重新检查事实准确性、必填信息和格式要求。对关键样例重复运行，避免把偶然表现当成稳定能力。每次只调整一类要求，并记录修改原因，才能分清变化来自模型还是提示词。

接口转发与费用记录也会影响测试判断

本文由重视质量的接口中转服务 BestRelay 发布。它按请求中指定的官方模型转发，不替换模型，覆盖 Claude、GPT、Gemini、DeepSeek、Kimi、GLM、Qwen、Grok 等系列。这使测试对象更明确，但不意味着不同模型会产生相同结果。

BestRelay 可配合 Claude Code、Codex、Gemini CLI 及任意 OpenAI SDK 使用。测试时仍需记录模型名称和生成设置，尽量保持其他条件一致。费用按提供方报告的词元数量按量结算，缓存读取与写入分别计价，因此比较成本时不能只看回答长度。

保留小幅调整空间比追求永远不改更实际

跨版本提示词不是一份永不修改的契约，而是一份容易检查和维护的工作说明。先写清目标、材料边界与验收条件，再让模型选择自然表达；遇到失败，就把失败转成测试样例，而不是继续堆叠强调语句。

欢迎创建 BestRelay 账户，用固定样例开始比较。会员邀请他人充值可获得推荐佣金，但奖励不应成为选择测试结论的依据。真正值得保留的提示词，是换了版本后仍能通过检查，也能让维护者解释其有效原因的提示词。