CapybaraAI响应不准确主因是提示词设计缺陷，包括指令模糊、角色缺失、上下文混乱、格式嵌套错误及隐含假设未声明，需分别用确定性动词、具体角色、结构化分隔、明确格式规则和显式前提来修正。
☞☞☞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☜☜☜
如果您在使用CapybaraAI时发现模型响应不准确、忽略指令或输出格式混乱，很可能是提示词（Prompt）设计存在常见缺陷。以下是新手最常出现的几类错误及其对应修正方法：
一、指令模糊缺乏明确约束
当提示词中使用“尽量”“大概”“可以试试”等弱约束表述时，模型无法识别执行优先级，容易自由发挥导致偏离目标。必须用确定性动词和边界条件锁定输出范围。
1、将“请大概描述一下Python列表的特点”改为“用不超过3个短句说明Python列表的核心特性，每句以‘- ’开头，不使用术语‘可变’或‘有序’”。
2、将“帮我写个邮件”替换为“生成一封80字内的工作邮件，收件人是技术主管，主题为‘API接口超时问题反馈’，内容包含现象（500ms以上延迟）、发生时段（过去24小时）、请求协助动作（检查Nginx日志）”。
二、角色设定缺失或冲突
未声明模型身份会导致其默认以通用问答模式响应，无法激活专业领域知识或特定语气风格。角色定义需具体到职能、权限与输出限制。
1、删除“你是一个AI助手”这类泛化描述，改用“你是一名有5年经验的前端工程师，正在为Vue 3项目编写组件文档，禁止使用React相关示例”。
2、在需要多轮交互的场景中，添加身份延续指令：“后续所有回复均以该前端工程师身份持续响应，不主动切换话题或补充未要求的信息”。
三、上下文信息堆砌无主次
将大量背景材料直接粘贴进提示词，未标注关键参数位置，模型易混淆核心任务与辅助信息。必须通过分隔符与标签显式划分结构。
1、将冗长需求描述重构为三段式结构：“【任务】生成测试用例；【输入】用户登录接口返回字段：{token, expires_in, user_id}；【约束】覆盖token为空、expires_in为负数、user_id含特殊字符三种异常场景，每例含‘前置条件’‘请求体’‘预期响应码’三部分”。
2、对长文本输入添加定位标记：“以下为待分析日志片段（第17–23行）：[此处粘贴]。仅基于该片段判断是否存在内存泄漏迹象，不引用其他行内容”。
四、输出格式指令嵌套层级错误
当要求JSON、表格或多级列表时，若未同步声明格式校验规则与容错机制，模型可能生成伪代码或混合格式。需同时定义结构、字段名与非法内容过滤条件。
1、避免“输出成JSON格式”，改为“严格输出标准JSON对象，仅含三个键：‘status’（字符串值，可选‘success’/‘failed’）、‘error_code’（数字，成功时为0）、‘details’（字符串数组，每项为错误描述，空数组表示无错误）”。
2、针对表格需求，明确定义行列关系：“生成Markdown表格，表头为‘步骤编号|操作命令|预期输出’，共4行数据，第二列命令必须包含‘curl’且第三列不得出现‘null’或‘undefined’字样”。
五、隐含假设未显式声明
提示词默认模型具备实时联网、访问私有系统或理解未定义缩写的能力，而CapybaraAI实际运行环境不具备这些条件。所有依赖前提必须转化为可验证的文本输入。
1、删除“根据最新财报数据”，替换为“基于以下2024Q2财报摘要（营收2.1亿，同比增长12%；研发支出占比18.7%；海外收入占比34%）计算毛利率变化率”。
2、将“用公司内部API规范”明确为“遵循附件《v2.3接口规范》第4.2节要求：所有POST请求Header必须含X-Auth-Token，响应Body顶层字段为data、code、message，code=200表示成功”。
