想让大模型生成一份可逐条对照的硬核检查清单，而不是一堆“注意逻辑连贯性”或“核实数据准确性”之类的空话，关键在于将检查意图、操作粒度和验证锚点全部锁定在提示词中。下面这套方法已在多个技术团队的内测交付场景中验证有效——直接套用，AI基本无法自由发挥。

第一步：用角色加场景锁定检查意图

提示词开头必须明确写明：“你是一名AI评测工程师，正在为技术团队内部交付《Kimi Chat vs Qwen3 vs DeepSeek-R1多维度对比报告》编写上线前的检查表。”

这句描述并非简单装饰——若遗漏“AI评测工程师”这一角色，模型会默认按文案编辑的逻辑去检查“语句通顺度”；若省略“技术团队内部交付”，它就会混入“该内容适合公众号传播吗”等无关考量。紧接着还需补充一句：“该报告将嵌入研发周会PPT第7页，用于决策是否切换主推模型。”场景描述越具体，产生的检查项就越贴合实际执行上下文。

第二步：绑定段落编号强制逐条生成

在将需要对比的原文粘贴进提示词之前，先手动在每段开头插入【段落1】【段落2】【段落3】这类标记。例如：

【段落1】测试环境统一为RTX4090+PCIe 5.0带宽，网络延迟控制在≤8ms；
【段落2】长文本截断逻辑：Kimi在20万字PDF中丢失首段37字，Qwen3保留完整但耗时增加2.4秒；
【段落3】指令遵循率：对含“除非…否则…”嵌套结构的10条中文指令，DeepSeek-R1达标率82%，其余两款均低于65%。

然后在提示词末尾明确指令：“仅提取【段落1】至【段落3】内容，为每一段生成1条检查项，格式为‘【段落X】+动词+判断依据’。”注意动词必须代表可操作的动作：核对、比对、调取、截图、邮件确认、运行脚本验证。务必把“确保”“加强”“优化”这类模糊词汇从脑海中清除——它们会让模型跳过实质校验，直接输出一堆听起来合理但无法执行的空话。

第三步：用三类硬参数堵住AI自由发挥漏洞

方法一：植入五项不可省略的硬性参数
在提示词结尾追加：“所有检查项必须包含以下5项，缺一不可：①设备型号（如RTX4090）、②时间锚点（如‘2026年6月28日14:33’）、③动作动词（如‘运行test_truncation.py’）、④结果单位（如‘字’‘毫秒’‘%’）、⑤成败标识（如‘✅截断无损’或‘❌丢失首段≥30字’）。”

方法二：插入防跳过的验证锚点
再加一句：“若任一检查项未引用原始段落中的具体数值、字段名或测试用例编号（如‘test_truncation.py’‘指令集#7’），则自动中止生成并返回‘【缺失实证：请补全第X条的Y项依据】’。”如果不加这一步，模型大概率会输出“检查逻辑是否自洽”这类无法实际落地的虚项。

第四步：当场验证检查表是否真正可落地

复制检查表第一条中的关键名词（例如“RTX4090”“test_truncation.py”“指令集#7”），回到原始段落按Ctrl+F搜索。如果某个名词在原始段落中完全找不到匹配项，则整条判定为无效项，直接删除。对剩余条目逐条核验主谓宾结构——主语（如“测试脚本”“Qwen3响应日志”）→动作动词（“运行”“提取”“比对”）→宾语（“首段37字”“耗时2.4秒”“达标率82%”），三者缺一不可。