学会“原子化”Prompt

经验就一条：Prompt 一定要拆开，任务一定要变简单。

在面对小模型时，它们能力有限，如果把一堆要求（比如整篇文章+要求）塞进一个 Prompt，可能回答的就牛头不对马嘴了——不是主语识别不全，就是逻辑硬伤，或者答案缺斤少两。要把 Prompt 变成“工作流”，每一步只处理一个问题。

比如“根据文章提问”，我通常拆成三步：

1. 第一步：只让模型识别文章的主语。
2. 第二步：根据主语去编问题。
3. 第三步：再针对问题生成答案。每步只干一件事，模型想出错都难。

再比如做长文本的“分块（Chunk）”处理：不要让模型重写全文，除非你的token值够用，而且还会增加它的思考难度。

你可以把原文段落编上号，让模型只输出：“标题1，插入原文第4行；标题2，插入第17行之前”。

这种“定位式”的输出，不仅省 Token 费用，而且模型理解起来极简单。任务变轻了，普通的 Instruct 模型也能跑出顶尖的效果。

总结一下：把复杂的思考题变成简单的填空题或定位题。只要流程拆得够细，小模型也能出奇迹。