要让ChatGPT输出的技术债优先级排序结果真正反映成本与收益的权衡，不能只问“哪些技术债该先还”，必须把业务影响、修复耗时、风险放大机制和当前资源约束全部编码进提示词里。以下方法将帮助您通过精确的提示词设计，让大模型输出可执行、可量化的排序结果。
明确限定评估维度
第一步：在提示词开头用三行以内定义四个刚性评估轴——【必须同时满足这四项才可进入排序】：
- ① 该技术债是否已导致线上故障或客户投诉（是/否）
- ② 预估修复所需人日（整数，不含测试与上线缓冲）
- ③ 若不修复，未来3个月内可能引发的额外开发阻塞点数量（≥2个才计入）
- ④ 是否涉及核心交易链路（支付/订单/库存三者之一）
第二步：直接禁止ChatGPT自行补充维度。写明：“不接受‘可维护性’‘团队熟悉度’等模糊指标，未提供上述四维数据的条目直接排除。”
小提示： 在提示词中明确写出“仅接受上述四个维度，任何额外维度均视为无效条目”，可避免模型自行添加主观判断。
绑定真实业务上下文
方法一：插入带时间戳的生产事故片段。例如：“2024-05-12订单超时失败率突增17%，根因是库存服务降级逻辑未兜底（当前技术债ID：INV-882），修复需3人日，已造成2次大促临时限流。”
方法二：嵌入当前迭代周期资源上限。例如：“本季度SRE团队仅剩12人日可用于技术债攻坚，前端组无法参与跨域修复。”
注意：不写“请考虑资源限制”，要写成具体数字+角色+不可协商的排他条件。
小提示： 放置事故片段时，建议使用“根因是……（当前技术债ID：……）”的格式，让模型直接关联到具体条目，避免模糊影响。
强制生成可执行排序依据
第一步：要求ChatGPT对每项技术债输出结构化判断句，格式固定为：
【ID】→ 触发故障：是/否 → 人日：X → 阻塞点：Y个 → 核心链路：是/否 → 综合得分=（故障×3 + 阻塞点×2 + 核心链路×1）÷人日
第二步：命令其按“综合得分”降序排列，得分相同时按“故障发生次数”升序排（优先处理尚未出事但高危的）。
第三步：剔除所有描述性结论，只保留ID+得分+排序号三列纯文本表格，表头为“排序｜ID｜得分”。
小提示： 强制输出表格格式时，可以加上“禁止输出任何解释性文字，仅输出表格”的指令，确保结果可直接用于排期。
常见问题
- 问：为什么必须禁止ChatGPT自行补充维度？
答：模糊指标（如“可维护性”“团队熟悉度”）没有统一量化标准，会导致模型在不同条目间使用不一致的权重，破坏排序的客观性。四个刚性轴（故障、人日、阻塞点、核心链路）已经覆盖了成本与收益的核心要素。 - 问：如果资源上限是“12人日”，但某个技术债预估需要15人日怎么办？
答：应在提示词中声明“若修复人日超过剩余资源上限，则自动标记为不可执行，不参与排序”。或者要求模型输出时在得分旁标注“建议分拆”或“需跨迭代”。 - 问：得分公式中（故障×3 + 阻塞点×2 + 核心链路×1）÷人日，为什么这么设计？
答：故障权重最高（3），因为已造成实际影响；阻塞点反映未来风险（2）；核心链路是业务关键性（1）。除以人日是为了衡量单位投入的收益，即“每投入1人日能获得多少风险缓解”。 - 问：如果得分相同，按“故障发生次数”升序排，为什么不是降序？
答：优先处理尚未出事但高危的条目，可以预防未来故障，避免“先出事再救火”的被动模式。如果已经出过多次故障，往往已经触发紧急修复，不应再与未出事的高危条目竞争相同资源。
通过以上方法，您可以将ChatGPT从“生成建议”的工具转变为“输出可执行排序”的决策支持系统。关键在于将模糊的“权衡”转化为具体的公式、上下限和排除规则，并强制输出结构化表格。请在实际使用中根据团队数据调整系数（如故障权重、阻塞点阈值），以获得最贴合业务现状的排序结果。