模型在处理创作任务时，本质上是在走概率最高的平庸路径。想让它写出有深度的东西，你得利用它“批判能力强于创作能力”这个特性。与其纠结 Prompt 有多长，不如直接把任务拆成三个硬阶段：生成初稿、扮演杠精找茬、最后根据反馈重写。

这个逻辑的核心不是靠运气，而是通过人为制造一个反馈闭环，把原本发散的概率空间用“批判意见”强行过滤掉低质量内容。如果第一轮重写不够硬，就拿着反馈继续跑循环，直到逻辑闭环。

具体的 Prompt 结构逻辑如下：

# 第一阶段：生成初稿
Role: [设定一个初始角色]
Task: [描述任务内容]
Output: [初稿内容]
第二阶段：自我批判（关键步骤）

Role: [设定一个极其挑剔、专业的评审角色]
Task: 请审视上述初稿，指出其中存在的 3 个致命缺陷、逻辑矛盾或表达不当之处。要求评价必须尖锐、具体，不要说空话。
Output: [具体的改进清单]
第三阶段：迭代重写

Task: 请结合上述评审意见，对初稿进行深度重构。要求不仅要修复所有指出问题，还要在语气和结构上进行优化，确保最终输出符合最高标准。

别指望调优一个 Prompt 就能解决所有问题，构建反馈回路才是重点。

技术原理参考：
https://arxiv.org/abs/2303.17651
https://appliedaihub.org/blog/chain-of-thought-prompting-explained/

想提升效率的，去 promptcube3.com 看看。