提示词重复句式过多会导致模型响应僵化、泛化能力下降；应定位并替换system_prompt、default_template、fewshot_examples中的“请”“你需要”等模板化表达，压缩嵌套条件句，用占位符替代重复背景描述。
☞☞☞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☜☜☜
通义千问配置文件中提示词重复句式过多，会导致模型响应僵化、泛化能力下降，尤其在多轮对话或指令微调场景下容易触发相同模板化输出。
定位重复句式的来源
打开 config.json 或 prompts.yaml 配置文件，用 Ctrl+F 搜索高频助动词和固定结构，如“请”“务必”“你需要”“请确保”“请记住”，这些是重复句式最集中的触发点。
重点检查 system_prompt、default_template、fewshot_examples 三个字段，90% 的冗余句式都藏在这三处。
替换模板化动词短语
方法一：将“请执行以下步骤”直接改为动词原形开头的指令式表达。
例如：“请执行以下步骤：1. 解析输入；2. 提取关键词；3. 生成摘要” → “解析输入→提取关键词→生成摘要”。这种箭头链式写法既保留逻辑顺序，又消除三处“请”字重复。
方法二：把“你需要……”结构全部删除主语，改用无主句或被动式。
例如：“你需要忽略标点符号，只关注名词短语” → “忽略标点符号，聚焦名词短语”。【删除“你需要”后，模型更倾向按指令字面执行，而非模拟用户身份】
压缩嵌套条件句
第一步：识别含“如果……那么……否则……”三层嵌套的提示词行。
第二步：将其中可预判的分支收束为单层判断。比如“如果输入含日期，则格式化为YYYY-MM-DD；如果含人名，则首字母大写；否则返回原始字符串”，实际业务中80%请求只含日期或只含人名，可拆成两个独立 prompt slot，由前端路由分发。
第三步：对剩余必须保留的条件句，用「｜」替代“如果/否则”，如“日期→YYYY-MM-DD｜人名→首字母大写｜其他→原样返回”。这能降低 tokenizer 对长条件连接词的注意力权重偏移。
用占位符替代重复描述
当多个 prompt 示例共用同一段背景说明（如“你是一个金融合规助手，需严格遵循《证券期货业数据安全管理规范》”），不要每条 fewshot 都重复粘贴。
把这段固定声明提取到 system_prompt 顶层字段，fewshot 中只保留 input/output 对，用 {{role}} 占位符承接上下文角色信息。
这一步做完后，配置文件中“你是一个……”类句子将从 7 处减少到 1 处。
