加人工校验的Markdown样例比单纯提要求更有效，因DeepSeek依赖模式匹配而非语义理解；样例需含真实歧义输入、人工验证输出格式（标题层级/列表符号/代码语言标识）、仅1～2组，可显著提升输出一致性。
☞☞☞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☜☜☜
你想让DeepSeek输出的Markdown文档标题层级清晰、列表缩进一致、代码块带语言标识，但每次结果都参差不齐——根本原因不是模型能力不足，而是提示词里没给它明确的格式锚点。加一条人工校验过的Markdown输出示例，相当于直接塞给模型一个“模板骨架”，它会照着这个结构复制填充，不再自由发挥。
为什么加示例比光写要求更管用
DeepSeek不靠理解“请规范排版”这种模糊指令干活，它依赖模式匹配。你写“用#表示一级标题”，它可能选#或##；你写“列表用短横线”，它可能混用-和*；但你给一组输入→输出样例，它就只认那个固定路径。
比如输入是“1. 启动服务 → 2. 配置参数 → 3. 测试连通性”，输出样例是：
# 系统部署步骤
## 一、启动服务
- 执行systemctl start nginx
## 二、配置参数
- 修改/etc/nginx/nginx.conf
→ 它就会锁定#→##→-的三级结构，连冒号后是否空格、code标签是否闭合都跟着学。
【样例必须人工校验过，否则模型会把错误当标准】
加示例的三个硬门槛
第一步：输入文本得有真实歧义——不能是“苹果很甜”，得是含多级要点、术语解释、操作步骤的混合段落。
第二步：输出Markdown必须人工检查过——标题嵌套是否正确（#→##→###）、列表符号是否统一（只用-不用*）、代码块是否带语言标识（```python而非```）、强调是否用**不用__。
第三步：样例只能放1～2组——放太多会让模型注意力分散，反而抓不住主干结构。
两种加法，效果差异明显
方法一：在提示词末尾直接贴样例
输入框里写完需求后，空一行，粘贴已校验的输入→输出对。模型会优先匹配最后一组样例，响应最稳定。
方法二：分两段注入，先定义格式再给样例
第一行写“请严格按以下格式输出：标题用# / ## / ###，列表统一用‘- ’，代码块必须标注语言”，空一行，再贴样例。适合对格式有强约束的场景，比如要嵌入Obsidian或Typora直接渲染。
这一步操作起来很简单，直接把校验好的样例复制粘贴到提示词底部就行。
实测对比：加与不加样例的关键区别
① 不加样例时：同一段文字让DeepSeek转Markdown，三次输出中出现2次标题混用#和##、1次列表符号从-跳到*、代码块全无语言标识。
② 加1组样例后：连续5次输出，标题层级完全一致，列表缩进零误差，所有代码块均带```python、```bash等语言标签。
③ 加2组不同结构样例（如一段含表格、一段纯层级）：模型开始识别上下文，自动选择匹配结构——表格内容触发|---|语法，多级要点触发###嵌套，不再强行套用单一模板。
【样例里的空行数、缩进空格、标点后空格，都会被模型当作关键特征学习】
