在准备部署本地AI模型时，很多人会发现一个问题：你把需求丢给AI，它却直接甩给你一串命令。这些命令看着挺全，但既没判断你显卡够不够，也没管你系统是Win还是Linux。结果就是，跟着跑一通，卡在某个地方根本过不去。

其实，这不是模型不听话，而是沟通方式出了问题。你跳过了最重要的环节——先让它画出骨架，再往里面填血肉。这个过程，用对提示词就能解决。

第一步：强制AI先输出结构化提纲

最核心的动作，是在提示词的开头，直接把规则定死。可以这样写：

“请严格按两阶段执行：① 先输出一个带编号的三级结构提纲，含【环境准备】【模型获取】【运行验证】三个主模块，每个模块下必须列2–4个带动词的子项（如‘检查CUDA版本’‘下载指定量化格式’）；② 待我回复‘请展开第X模块’后，再逐项写出该模块的完整操作。”

关键点在于，这句话必须紧贴第一行，不空行、不加标点。AI看到“①/②”这种显性的流程锚点，会立刻停在提纲页，不会再往下生成任何命令。假如它还是跳过提纲直接写命令，那多半是因为你用了“首先/然后”这种模糊词，或者漏掉了编号。

第二步：让提纲具备可执行性，而非泛泛而谈

光有提纲还不够，得让它写出来的子项可操作。举个例子，你不能让它写“配置好运行环境”，这种话AI会自行脑补，后续步骤必然走样。正确的要求是加上一句约束：

“所有子项必须满足：可被单条shell命令或点击动作完成；不含‘确保’‘建议’‘尽量’等无效动词；涉及路径时标注变量占位符（如~/models/qwen-3b-vl.Q4_K_M.gguf）。”

这样一来，它就不能再说“安装依赖”了，必须明确写成“pip install -U llama-cpp-python==0.3.5”。这一步卡住了AI的抽象惯性，相当于帮它把“该做什么”翻译成了“具体怎么做”。

第三步：用真实变量触发模块级展开

当提纲输出后，你只需要回复一句话：“请展开【模型获取】模块”。注意，必须使用提纲中间出现的原模原样标题，不能说“把第二步写详细点”，否则AI会认为你在重新提需求，可能会输出整套提纲。

收到这个指令后，AI会严格锁定该模块下的全部子项，逐一给出具体下载地址（带curl -L）、校验方式（sha256sum比对）、存放路径建议（带磁盘空间提醒），以及失败时的唯一回退动作。整套操作下来，每一步都是确定的、可验证的，不会再有含糊其辞的表述。

从强制提纲到可执行子项，再到模块级精确展开，这三步走下来，AI输出就不再是堆砌命令，而是一份真正能落地的操作手册。下次不妨试试这个思路，你会发现，模型好不好用，很大程度上取决于你如何引导它先画好骨架。