精准定位重复句式的隐藏源头

打开你的 config.json 或 prompts.yaml，直接使用 Ctrl+F 搜索这些高频词汇：“请”“务必”“你需要”“请确保”“请记住”。【据统计，90% 的重复句式集中在 system_prompt、default_template、fewshot_examples 这三个核心字段里】。很多人只修改了 system_prompt，但模型在 fewshot_examples 中依然频繁输出“请先……再……最后……”这类模板化表达，导致优化效果归零。

将搜索出来的句子逐行检查，把带有这些关键词的语句单独复制到新文档，并标注来源字段名称，例如[system_prompt] 请严格遵循以下规则。跳过这一步，后续所有提示词精简优化都将失去根基。

替换模板化的动词表达结构

方法一：删除“请”，直接使用动词原形链式表达
“请执行以下步骤：1. 解析输入；2. 提取关键词；3. 生成摘要” 优化为 “解析输入 → 提取关键词 → 生成摘要”。箭头并非装饰，它强制模型按序执行，同时消除三处“请”字，使指令更简洁。

方法二：去掉主语，改为无主句
“你需要忽略标点符号，只关注名词短语” → “忽略标点符号，聚焦名词短语”。【删除‘你需要’后，模型更倾向于按指令字面执行，而非模拟用户身份】。这一技巧对 CLI 脚本类提示词尤为奏效，一删即见效果。

方法三：将“建议您……”整段替换为事实陈述
“建议您检查参数合法性” → “非法参数将触发返回码 2”。错误提示必须绑定真实行为边界，不留任何解释空间，避免模型产生歧义。

压缩嵌套条件句，简化逻辑分支

第一步：找出包含“如果……那么……否则……”三层嵌套的提示词行。第二步：将可预判的分支拆分为独立 prompt slot。例如“如果输入含日期→格式化为 YYYY-MM-DD；如果含人名→首字母大写；否则→返回原始字符串”，实际业务中 80% 的请求仅包含一种类型，前端完全可以路由分发，无需全部塞入一个 prompt 中造成内耗。

第三步：对于必须保留的条件句，使用「|」替代连接词。“日期→YYYY-MM-DD|人名→首字母大写|其他→原样返回”。这种方式能降低 tokenizer 对“如果/否则”等词注意力权重的偏移，使模型更愿意按字面输出，而非自动补全“综上所述”等冗余内容。

利用占位符收束重复的背景描述

检查你的 fewshot_examples，是否每条示例都附带同一段角色声明：“你是一个金融合规助手，需严格遵循《证券期货业数据安全管理规范》”？【将这段固定声明提取到 system_prompt 顶层字段，fewshot 中只保留 input/output 对】。使用 {{role}} 占位符承接上下文角色信息。完成后，“你是一个……”类句子将从 7 处减少到 1 处，大幅降低重复率。

这一操作极为简单：直接剪切粘贴即可。不必担心“模型找不到上下文”——实测证明，只要 system_prompt 中定义清晰，fewshot 中不重复反而能提升输出的一致性。