P6-11.2 把最新性、依据性、执行移到提示之外的限制¶

Section ID: P6-11.2 Version: v2026.07.31

记录 prompt 限制时，要一起写下 freshness_need、evidence_need、execution_need、consistency_need、outside_structure。这个区分可以避免把最新性、依据性、执行问题缩小成单纯 措辞 修改问题。

在 P6-11.1 中，我们看到提示工程(prompt engineering)是通过输入设计来观察和调整模型行为的第一个实务工具。现在要更直接地看：即使提示写得很好，仍然会留下什么问题。

提示是引导模型反应的强大工具，但它不是能独自解决最新性、事实性、依据保证、长期一致性的工具。

只靠输入调整无法确认的问题¶

• 只靠提示难以解决的问题是什么？
• 为什么看起来很好的提示在真实服务中仍可能不够？
• 从什么时候开始需要 RAG、微调、工具使用、评估体系？

提示限制的核心，是区分 输入调整 和 必须改变系统结构的问题 的标准。最新性和依据问题，是把回答出发点改成外部文档的 RAG 问题；执行问题，是工具使用和函数调用的问题；重复判定，是评估结构的问题。

为了不过度评价提示工程，问题需要从 该怎样问 转向 即使问得很好，仍然留下什么问题。这里首先要改变的印象，不是 把提示写得更强就会解决，而是 输入调整和系统结构保证是不同层。

阅读提示限制时，最好同时看 接下来应该接上什么。

也就是说，把提示写得更强是 输入调整，而转向 RAG、tool use、evaluation 是 改变系统结构的选择。

这里首先要留下的是失败类型备忘、格式摇摆统计、再现失败记录，用来说明哪些问题是输入调整限制，哪些问题是依据连接缺失。这个记录能让我们在 P6-12.1 转向 RAG 必要性判断时不动摇，也能区分哪些问题可以靠提示改善减少，哪些问题必须改变系统结构。越往后，这个记录会再次被读成 P6-16 的评估标准，以及 Part 6 的回顾备忘、改善计划、项目记录。

区分输入调整和系统结构保证¶

• 能用入门水平说明提示的限制。
• 能说明为什么最新性、事实性、一致性、可执行性问题会留下。
• 能区分应该用提示解决的问题和必须改变结构的问题。
• 能把 RAG 的必要性读成 依据连接结构，而不是 把提示写得更长。

首先要分开的场景包括：格式大致正确但最新事实不稳定；回答看似合理但出处难以信任；需要计算、保存、查询等行动，但只是回答句子变好；同一失败反复出现却难以比较原因。此时问题不应该是 要不要把提示写得更强，而应该是 最新文档连接、实际依据、执行结构、评估记录中缺了什么。

以这个区分为标准，提示限制就能从 更强措辞诀窍 更直接地读成 区分输入调整能减少的问题和必须改变结构的问题的标准。

为什么提示强大但不完整¶

提示是设计输入的工具。因此，它可以更好地引出模型已有能力，或者让格式更稳定。但只靠输入设计，无法解决模型外部的所有问题。

例如，提示可能擅长：

• 调整回答长度
• 控制格式
• 用示例诱导模式
• 调整语气

相反，只靠提示不会自动解决下面的问题。

• 反映最新信息
• 保证外部文档依据
• 查询数据库
• 验证计算结果
• 长工作流程的可复现性

最新性问题¶

模型不会自动知道训练之后才出现的信息。即使提示写得更精细，也不能可靠保证模型从未见过的最新事实。

因此，请按最新信息回答 这个提示只是一个请求，不能替代外部最新数据连接。

这个点上就需要 RAG 或工具使用。

事实性和依据问题¶

即使提示里写 请带依据说明，模型也未必实际查询了依据文档。它可能生成看似合理的说明，但不能保证真的连接到了出处。

也就是说：

• 要求依据的提示
• 实际连接依据文档的系统

不是同一件事。

如果没有这个区分，用户可能把 看起来有出处的回答 误认为 已验证的回答。

一致性和可复现性问题¶

提示稍微改变、temperature 改变、上下文顺序改变，输出都可能改变。因此，只靠提示很难保证非常严格的可复现性。

在实务中，这会表现为：

• 同一请求的表达摇摆
• 分类标签细微变化
• 表格格式偶尔破掉
• 长任务中前后标准变化

这些问题可以用提示改善来减少，但很难完全消除。

执行和行动问题¶

提示本质上是文本输入。因此：

• 实际数据库查询
• 外部 API 调用
• 文件修改
• 计算结果保存

这些行动不会只靠提示发生。这样的阶段需要工具使用(tool use)、函数调用(function calling)、AI agent 结构。

也就是说，提示可以表达 行动请求，但不是行动执行结构本身。

把这个转换直接连接到下一步结构选择，会更清楚。最新信息空着时，需要 RAG 或最新文档连接；需要计算和保存等真实行动时，需要 tool use 或 function calling；必须持续比较并筛掉同一失败时，需要 evaluation、harness 等重复判定结构。

所以，提示限制不能只靠 把提示写得更强 确认。从外部比较标准看，从这里开始，工作不再只是 输入调整，而是选择先接上 依据连接、执行连接、还是 重复评估。

这个转换可以更短地诊断如下。

极简图示¶

flowchart TD
  A["更好的提示"]
  B["更好的响应形状"]
  C["仍然缺少：最新数据、工具、验证"]

  A --> B
  B --> C

这个图的核心是：提示改善很重要，但它不能单独解决所有结构问题。

案例和示例¶

案例 1. 最新政策指引¶

可以想象用户问 从今天开始退款期限是几天？ 的场景。人们容易期待，只要把提示写得更精细，比如要求 准确而谨慎地回答，最新性问题也会减少。但如果最新政策原文没有进入输入，模型可能说出旧标准。人们看到答案语气谨慎、文字断定时更容易相信，但这个场景中最容易错过的核心不是回答态度，而是 是否访问了当前文档。

没有最新文档连接时，礼貌的错误答案可能直接作为运营指引发出去。这里的变化，是从看 语气是否谨慎 转向看 最新文档依据是否实际接上。这种情况下，问题不是提示太弱，而是缺少连接最新信息的结构。因此这个案例要确认的结果不是语气，而是最新文档依据是否实际接上，以及只看文档 ID 是否也能重新确认它是不是当前版本。

这个案例之所以是真实运营场景，是因为政策指引工作要求的不是 最像真的答案，而是 当前有效的答案。客服、公司人事规定、配送政策、退款条件，并不会因为句子自然就结束。用户问的是今天标准下适用的条款，运营者必须能追踪答案来自哪个文档版本。所以无论提示句子多么谨慎，如果最新文档连接空着，系统仍然只是 很会说过去模式的助手。

同一问题中真正变化的内容，可以用表更清楚地看。

这个比较的核心是，更谨慎地说的回答 和 绑定到当前文档的回答 是不同层。这里纠正的误解是 谨慎表达也能某种程度解决最新性问题。实际上，减少最新性问题的第一步不是微调提示，而是接上当前文档召回和依据标记结构。

案例 2. 数值计算重要的报告¶

假设自动写周销售报告。人们容易期待，只要在提示中写 请准确计算数字并整理成表格，计算准确度也会提高。但如果没有计算工具就直接相信实际合计和增长率，小的算术错误可能原样进入报告。人们看到表格格式正确、句子流畅时，很容易觉得 看起来准确。

但这个场景需要的不是更强的句子，而是计算器或后处理验证那样重新检查数字的结构。只要一个计算格出错，后面的解释句和决策也可能一起偏离。这里的变化，是从看 表格是否像样 转向看 原始数值、合计、增长率是否真的一致。因此 请准确 的提示和 保证准确的结构 是不同问题。这个案例要确认的结果，不是表格句子，而是合计、增长率、原始数值是否相互一致，以及这种一致性是否能通过计算日志或验算记录再次查看。

在真实报告自动化中，一个数字格错误不会只停留在一句话错误，还可能影响下一次会议的判断和行动。尤其是销售额、库存、广告费、转化率这样相互连接的指标，一个项目错了，后面的解释整体都可能连锁偏离。所以运营者应该先确认 这个数字从哪里来、经过了什么计算、重新计算是否相同，而不是先看 表格是否漂亮。

例如，把周销售报告自动化拆成下面几步，提示和结构的差异会更清楚。

这个案例中的重要标准是，请准确计算 的指令并不等于 准确性已被保证。计算问题按有没有验算结构分开，而不是按指令写得多强分开。因此实际操作中，在长时间打磨提示之前，应该先确认 是否接上计算器、中间合计是否留下日志、原始数值和结果数值是否能再次对齐。

案例 3. 重复业务自动化¶

假设运营团队想要一种自动化：读取上传文件，分类后保存到文件夹。如果请求句子足够具体，执行也容易感觉几乎解决了。但用提示可以把读取、分类、保存写成一句话，真实系统中却还需要文件访问权限、分类标准、保存位置、失败时重试等独立阶段。

在真实世界里，权限和工具连接比话语更重要。如果没有权限或保存路径错误，即使分类本身正确，任务也可能在最后保存阶段中断。也就是说，人可以用一句话说完，但执行世界需要接上多个工具和应用。这里的变化，是从看 请求句子是否具体 转向看 实际保存成功、失败处理、重试结构是否存在。所以这个场景中缺少的不是更长提示，而是执行结构本身。这个案例要确认的结果不是分类句子生成，而是实际保存成功、失败处理、重试路径是否存在，以及能否通过日志重新读出哪个阶段失败。

三个案例可以从结构限制角度重新整理如下。

同一内容按系统边界再看，可以这样读。

flowchart TD
  A["更强的提示"]
  B["响应可能看起来更好"]
  C{"缺少的部分是\n系统保证吗？"}

  A --> B --> C
  C -->|需要最新出处| D["文档访问"]
  C -->|需要数值正确性验证| E["计算验证"]
  C -->|需要真实执行| F["执行 + 重试流程"]

核心是 更强的句子 和 更强的系统保证 是不同层。

也就是说，到这里的结论是：把提示写得更好 和 把答案依据实际绑定到文档 是不同的。P6-11 开始正是沿着这个差异，阅读 答案的出发点应该放在哪里，而不只是调整说话方式。

需要提示外结构的场景¶

真实失败场景最常卡住的原因，是 答案很奇怪 这一句话里混着多个原因。读完本节后，需要先养成一次性写下 缺少什么才导致这个失败 的习惯。

这个表的核心是，不把 把提示写得更强 和 给系统接上其他结构 看成同一种改善。格式摇摆可以在提示层减少，但最新文档缺失或执行记录缺失，不会因为输入句子更精细而确认。

抓住这个标准再进入 P6-11，就不会把 RAG 误解成 提示扩展版。这里必须先固定一种感觉：让模型说得更好 和 把回答出发点绑定到外部依据 是不同层。这样，P6-11 的搜索·依据结合也会读得不那么压缩。

练习和示例¶

这个练习的目标是直接判断 强提示 和 真实结构保证 是不同问题。真实服务中不能只读回答句子，还要一起看 最新文档是否接上、是否有计算日志、是否留下执行日志 等验证项目。

用户可以同时期待最新政策、准确计算、实际保存执行。提示中可以强烈写上 以最新文档为依据、准确计算、保存完成，但如果没有最新文档连接、计算工具、保存工具，答案仍然可能停留在只说不做的指令。

先把要比较的验证项目整理成表，如下。

在下面三个场景中，首先要做的不是计算答案，而是标出哪个槽位空着，所以需要提示外结构。

现在把同样场景改得稍微含糊一些，直接判定。空格中从 提示、RAG、工具使用、评估/日志 中写出首先要看的结构。

解说：

这个练习中要确认的是，写强提示就够 和 必须接结构 不是同一判断。提示擅长改变回答形状，但最新文档版本、计算可复现性、保存成功、失败处理记录，必须有单独结构才能确认。

系统边界上留下的失败类型¶

这个练习会阻止一种误解：提示越强，所有问题都会解决。真实服务中，最新信息访问、计算验证、工具调用和执行日志等外部结构是单独需要的，所以提示只能读成系统整体中的一个层。

上面的判定表中重要的是，结构补强并不是一个万能装置。最新性转向依据连接，计算转向验算结构，保存转向执行工具和日志，重复失败检测转向评估记录。因此，提示限制不应读成 语气问题，而应读成 依据、计算、执行、评估结构中缺了什么。

移到提示之外的边界¶

提示擅长改变响应形状，但最新文档访问、计算验证、真实执行成功这样的系统保证，必须有单独结构才能确保。

更重要的是要抓住：用输入设计改变响应形状 和 保证最新性、依据、可执行性 不是同一个问题。因此，提示限制比起把提示写得更长，更适合读成判断什么时候需要 RAG、tool use、evaluation 等结构的边界。

• 最新性不足
• 依据不足
• 输出摇摆
• 无法执行

也就是说，从这里开始，只继续打磨提示已经不够，依据连接要转给 RAG，执行要转给 tool use 和 AI agent，验证和运营要转给 evaluation 和 harness。

这个边界重要的原因如下。

• 让前面的 P6-11.1 提示工程保持为 输入设计的第一个控制点，但不把它误解成万能解法。
• 帮助判断什么时候要增加结构。
• 自然连接到下一章 P6-12.1、P6-12.2 的 RAG，以及后面的 P6-14.1 工具使用、P6-15.1 agent。

检查清单¶

• 能把 更强的句子 和 更强的系统保证 说明为不同问题吗？
• 能说明最新性错误、计算错误、执行失败分别连接到哪种结构缺失吗？
• 准备好把下一章读成 改变答案依据出发点的结构，而不是 提示扩展版 吗？

出处和参考资料¶

• Tom B. Brown et al., Language Models are Few-Shot Learners, arXiv, 2020, 确认日期: 2026-07-19.
• OpenAI, Prompting | ChatGPT Learn, 确认日期: 2026-07-19.
• Patrick Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, NeurIPS, 2020, 确认日期: 2026-07-19.