明确项目核心约束条件

在提示词开头直接列出项目最关键的三个硬性事实，避免任何主观修饰，仅呈现客观要素。例如：“本项目为三甲医院部署的CDSS临床决策支持系统，采用微服务架构，交付周期压缩至8周，测试团队仅有2名QA且无医疗领域经验。” 这些信息构成了AI的分析基准。你给出的约束越具体，AI推演出的风险就越能贴合实际场景。若遗漏任何一条关键约束，AI就会按照通用软件项目处理，生成“服务器宕机风险”这类人人皆知、毫无信息量的条目，反而忽略了“医保接口沙箱环境每周仅开放2小时”这种真正可能卡住进度的细节。

构建角色、动作与输出格式的三段式结构

这是提升输出质量的核心手段。 方法一：指定角色视角 例如这样编写提示词：“你是一位拥有12年医疗IT实施经验的PMO风险官，请逐条指出本项目最可能触发P0级风险的5个具体环节。每个环节需包含：①风险诱因（精确到某次会议、某份文档或某个审批节点）②当前已暴露的征兆（如：上周需求评审会中3个科室提出了冲突规则）③建议的拦截动作（必须可执行，如：要求医务处48小时内书面确认优先级）” 方法二：绑定动作指令 另一种方式是直接给出逆向归因分析的任务：“请对上述项目背景进行逆向归因分析：从已发生的2个延期事件（UI组件库未通过等保测评、检验科数据字典未同步）反推上游哪些风险未被识别，直接输出风险项名称以及对应缺失的管控动作。” 注意，指令动词的杀伤力远大于客套话。“指出”“反推”“输出”这些动作词，比“能否帮忙列出”有效得多。建议将提示词中的“请”“希望”“麻烦”等一律删除，AI对动作词更敏感。

强制添加否定约束以规避套话

这一步最关键，专门用于防止AI兜圈子、写模板化内容。 第一步：先写禁止项 直接在提示词中明确标注：“禁止出现以下表述：‘沟通不畅’‘重视不够’‘流程不完善’‘缺乏经验’——所有风险描述必须指向可验证的具体对象。”具体到某个系统的某个接口文档缺少什么字段，或者某个系统的定时锁库行为，这才是可审计的风险。 第二步：限定证据来源 “所有风险点必须能够追溯至以下任一依据：①已签署的SOW条款第X条 ②上周迭代回顾会原始录音时间戳14:22 ③甲方提供的《院内系统对接白皮书》第3.2节。”没有证据链条的风险描述，在项目复盘时根本没法追责。 第三步：设置校验机制 “每条风险后紧跟括号标注证据类型与位置，若无法标注则自动剔除该条。”这个校验规则可以直接筛掉至少80%的虚化表述。风险清单的底线，是每条内容都必须可验证、可追溯、可追责。 遵循以上三步，你的风险清单将不再是表面丰富、实则无效的“模板化废话”。