别把模型逻辑崩坏归结于参数量，上下文缺失才是主因

在处理长对话时，我发现很多用户习惯用“它”、“那第二个”这种代词进行追问。这种依赖人类默契的沟通方式在 AI 上行不通。经过几轮测试验证，要把所有追问的主语重新明确化，比如将“那第二个呢”替换为“请分析第二个选项的优缺点”，模型回复的准确率会有明显提升。

另外，意图识别（Intent Recognition）的缺失是导致废话率高的核心指标。如果你在 Prompt 中没有明确写出“对比成本”这类决策性指令，模型只会给你输出教科书式的标准定义。

针对约束条件（Constraints）的边界定义，必须覆盖预算、时间轴以及已尝试过的失败方案。不要试图让 AI 脑补你的业务背景。如果对输出风格有特定要求，与其使用“幽默”、“专业”这种模糊的形容词，不如直接喂入一段 Target Style 的样本进行 Few-shot 学习。

把 AI 当成一个零常识、高智商但无默契的实习生，把所有显而易见的背景信息都显性化写进 Prompt，才是降低模型幻觉、提升交付质量的最直接手段。