已验证65% 置信观点精确时间

提示工程技巧（思维链、少样本示例、角色设定、结构化输出等）本质上是通过额外语言约束缩小模型的输出分布，引导到更贴近用户意图的概率区间

3

来源数

65%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

从莱布尼茨到ChatGPT：350年机器理解人类语言探索史

相关事实

待验证提示词的具体程度（specificity）决定了护栏的灵活程度，高度规则化的提示导致模型机械执行同一策略，精细化情境感知提示则能让模型因应不同学习状态选择回应77% 相似待验证当提示词包含明确的人设、语调、目标读者、结构要求及具体例证时，模型输出空间收窄，生成质量跃升。76% 相似待验证通过构造语义等价但表述不同的提示词变体并观察输出分布，可以区分敏感性来自模型还是评估器75% 相似待验证提示词工程正在从通用技巧向模型特定优化方向演进75% 相似待验证自动提示词调优的核心机制是让模型通过多轮交互不断评估、修正自己的输出和提示词74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/704049

API

curl https://kongchang.com/api/v1/knowledge/claims/704049

MCP

get_claim(id=704049)