提升千问回答准确性需五类提示词：一、明确角色与任务边界；二、提供输入输出示例；三、拆解问题为分步指令；四、嵌入否定性约束；五、控制输出长度与结构。
☞☞☞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☜☜☜
如果您希望千问在回答问题时更加精准、贴合需求，则需要通过结构清晰、语义明确的提示词来引导模型理解任务目标。以下是提升千问回答准确性的多种提示词写法：
一、明确角色与任务边界
为千问设定具体身份和职责范围，可显著减少泛化输出，使其聚焦于指定领域或视角进行响应。
1、在提示词开头使用“你是一名……”句式定义角色，例如：“你是一名资深网络安全工程师”。
2、紧接着用“请完成以下任务：……”明确限定输出类型，如：“请分析该日志中可能存在的攻击行为，并逐条说明判断依据。”
3、补充约束条件，例如：“不推测未提及的信息”“仅基于给出的文本作答”“不提供操作建议，只做归因分析”。
二、提供示例输入与期望输出格式
通过展示典型输入与对应高质量输出的配对样例，能有效引导千问模仿结构、粒度和表达风格。
1、先写出一个简短但完整的问答对，例如：“输入：‘/var/log/auth.log 中出现大量 Failed password 错误’；输出：‘该现象表明存在针对 SSH 服务的暴力破解尝试，主要特征为同一 IP 在短时间内重复提交错误凭证。’”
2、在样例后添加指令：“请按以上格式，对下列新输入进行分析：……”
3、确保样例中的术语、单位、时间格式等与实际需求一致，避免模型迁移偏差。
三、拆解复杂问题为分步指令
将模糊、宽泛的问题转化为逻辑递进的子任务序列，可防止千问跳过关键推理环节或合并不同维度的判断。
1、用“第一步：……；第二步：……；第三步：……”显式划分步骤，例如：“第一步：识别原文中所有涉及时间的短语；第二步：将这些短语统一转换为 ISO 8601 格式；第三步：按时间顺序排列并标注原文位置。”
2、每步指令后可附加验证要求，例如：“每步完成后，请确认是否满足：……”
3、对关键判断点设置强制反馈，例如：“若某步骤无法执行，请明确指出缺失信息而非自行补全。”
四、嵌入否定性约束与排除项
主动声明哪些内容不属于回答范畴，有助于抑制模型常见幻觉倾向，如过度解释、添加背景知识或引入外部事实。
1、在提示词末尾集中列出排除项，例如：“请勿提及 CVE 编号、厂商补丁链接、历史漏洞事件。”
2、对易混淆概念做对比限定，例如：“区分‘丢包率上升’与‘延迟升高’，仅当原文明确使用‘packet loss’或‘% packet loss’时才讨论丢包。”
3、使用“不推断”“不扩展”“不假设”“不引用未提供的数据”等短语强化边界意识。
五、控制输出长度与结构化层级
限制响应规模并规定组织方式，可避免冗余描述，提升信息密度与可读性。
1、设定字数上限，例如：“总字数严格控制在 300 字以内。”
2、要求使用特定结构标记，例如：“用‘原因：’‘证据：’‘影响：’三个前缀分段，每段不超过两句话。”
3、对列表类输出强制编号或符号，例如：“所有结论必须以‘●’开头，且不超过五条。”
