先抛个结论：即使是相同的模型，一旦采用不同的工程策略，最终交付质量的差距可能高达“十几到几十个百分点”。这并非模型选型的问题，而是流程设计的差异。下面这份“策略选择指南”已按任务类型为你匹配对应方案，省去自行反复试错的麻烦。
你真正需要对比的不是“模型强弱”，而是“流程强弱”
原文测试了三类关键工作流：
- 同模态基线（仅语音/仅视觉/仅文件）
- 融合基线（语音+视觉+文件同会话，不加工程约束）
- 工程增强基线（分步指令/中间校验/片段定位）
其中最值得关注的对比，来自三套工程策略：
1) 状态机式（S0/S1/S2/S3）
2) 自由对话式
3) 两段式（用于严格结构化输出/修复建议）
维度1：证据可追溯性（Evidence Consistency）
字段映射任务实测：
| 条件 | Evidence Consistency |
|---|---|
| 语音+视觉+文件（带证据要求） | 92% |
| 不要求证据定位 | 约88% |
结论非常明确：仅结果相似还不够，证据必须可对应。证据定位这一环节，必须写入提示词或结构设计中，否则很容易出现偏差。
维度2：跑偏率与稳定性（Success）
状态机式 vs 自由对话式（同类字段映射/融合任务）：
| 方式 | Success | Evidence Consistency |
|---|---|---|
| 状态机式 | 10/10 | 91–93% |
| 自由对话式 | 8/10 | 82–86% |
由此可见，当任务涉及跨模态、证据链条长且约束较多时，状态机式几乎扮演着“稳定器”的角色。自由对话虽然灵活，但在此类场景下成功率直接下降了20%。
维度3：结构输出合规率（JSON/表格/清单）
两段式 vs 一步到位（长文档+截图异常格式→JSON修复建议）：
| 策略 | Success | JSON 合规率 |
|---|---|---|
| 一步到位 | 7/10 | 75% |
| 两段式（先定位异常点+规则编号，再生成） | 10/10 | 92% |
因此，在需要输出严格schema的场景中，切勿尝试一步到位。两段式才是明智之选——先完成证据定位，再生成结构化内容。
三种策略该怎么选？给你一份“场景选择表”
方案A：状态机式（S0/S1/S2/S3）
适合：
- 需要“意图→视觉对齐→文件证据→最终交付”的完整链路
- 结果必须可追溯：字段映射表、合规校验清单、审阅记录
选择理由：实测中 Evidence Consistency 提升至 91–93%，Success 稳定在 10/10。
方案B：自由对话式
适合：
- 只需大致总结，无需结构化交付
- 证据核对并非硬性需求
风险：
- 字段遗漏/证据匹配错误的概率更高
- 同类任务 Success 从 10/10 降至 8/10（母版数据）
方案C：两段式（证据定位段 + 结构生成段）
适合：
- JSON/表格/清单等严格结构化输出
- 文档抽取与截图异常修复建议
选择理由：JSON 合规率从 75% 提升至 92%。
视觉策略补充：可读性要求能显著降低错误
对比数据（视觉噪声）非常直观：
| 视觉条件 | Success | Field Acc |
|---|---|---|
| 清晰截图 | 10/10 | 94% |
| 遮挡（截掉一半） | 6/10 | 78% |
| 加可见性要求后 | 遮挡 Success 从 6/10 → 8/10 | — |
工程化建议：
在提示中加入 [UNSURE] 占位符以及补图位置要求，避免模型在不可读区域进行“硬猜”。
最终建议：把模型当执行器，把流程当质量控制
- 要稳定：选用状态机式
- 要结构：选用两段式
- 要可追溯：将证据定位写入 schema
- 要稳视觉：加入可读性要求
如果你希望将这些策略封装成统一链路，减少不同项目间重复调整提示的麻烦，可以尝试聚合工作流的接入方式。