先理解
刚接触这个知识点
补齐先备概念，读原理与反例，再用自己的话解释为什么。
从核心原理开始 →知识目录选择核心方向与细分内容
理解 → 实现 → 排错 → 取舍
提示迭代、证据支持与独立验收
用同一任务集区分结构、来源、政策字段和自由文本支持，保留失败并比较新旧版本。
知识内容核对 2026-10-04 · 原题来源核对 2026-10-04
建议先理解：
第一次模型调用与响应契约 →这个知识点，你想学到哪一步？
按当前基础选择起点，也可以依次深入。遇到不熟悉的概念，先回到核心原理；完成后用知识练习检查理解。
知识单元目录
LEARN · PRACTICE · REFLECT
知识学习与个人记录
先沿着原理、问答和迁移案例阅读。需要检查理解时，再切换巩固练习或展开个人记录。
核心知识 · 提示迭代、证据支持与独立验收
先理解核心原理
先备概念：模型响应分类、结构化对象、证据与参考标签
提示表达任务约束，结构输出稳定局部形状；业务结果仍要通过允许证据、独立标签、语义主张和执行事实核对。版本改善必须在固定且独立的任务上比较。
从接口契约走向回答契约
普通 API 的类型检查不能证明业务事实，生成接口同样如此。提示写允许来源、例外规则和拒答条件，Schema 写字段与枚举，执行端检查权限和账本。退货问题的 30 天规则遇到电池例外时，需要联合来源并使用适用关系。
把错误定位到具体段落
先保存文档和实际 context，检查例外是否进入请求；接着检查结构、引用、决定与期限。证据已齐而候选误用规则，继续定位提示或推理；证据未提供，先修召回或组装。主张出现已退款，则核对批准与业务回执。
比较的对象必须独立
期望标签仅进入 grader，用固定任务及判断条件比较新旧候选，保留失败、正确拒答、过度拒答和未评分项。作者样本说明检查程序；实际效果需真实模型运行与独立保留集。
用一个问题检查理解
怎样验证一次提示修改改善了业务回答，而没有破坏证据与拒答边界？
我会先定义任务输入、允许证据、候选结构和独立验收，再固定正常、例外与缺失证据样本比较新旧提示。Schema 检查形状，引用检查来源与权限，政策标签检查已标注字段；自由文本和实际动作另行复核。保留候选、版本、错误类别和全部运行成本，使用未参与调优的保留集判断改善与退化，避免只看格式合法或挑选成功回答。
实现与取舍
先把任务写成可检查契约
虚构退货政策有普通 30 天规则和受损电池 7 天例外。提示需要说明允许来源、例外适用、输出字段和缺证据路径，候选包含决定、期限、解释与引用。当前任务交付政策解释；退款或运输动作仍需业务批准与独立账本。
验收按四个边界展开
结构检查字段、类型和枚举，引用检查来源是否出现在实际上下文以及当前授权与版本，必要证据集合说明回答是否保留一般规则与例外，独立标签核对已标注决定和期限。自然语言解释的每项主张仍需来源片段支持。输出形状稳定可参考 结构化输出契约，动作候选和执行边界可参考 函数调用。
同一任务集比较修改
固定任务、文档、模型、工具与 grader，对照新旧候选和失败类别，单列正确拒答与过度拒答。调优集与保留集按来源和业务条件区分；真实多次运行的费用、延迟和失败都应计入。更换裁判或政策标签后，先重跑两个版本，解释判断口径变化。
从运行记录判断支持范围
本站实验实际执行 grader，作者编写的 v1 候选一份通过、v2 候选三份通过，只用于观察检查程序。真实提示效果需要实际调用模型再保存候选。若合法对象写“退款已执行”，现有自由文本评分显示 not_scored，必须补语义与业务证据。这项边界应成为发布验收的一部分。
工程推演
- 场景
- 虚构政策助手需要同时回答普通退货、商品例外和无税费材料的问题。
- 设计决策
- 分开结构、引用、必要证据、政策标签与自然语言支持，使用固定任务比较候选。
- 验证目标
- 本地 grader 对三份作者候选逐项检查，输出错误类别并标出自由文本未评分。
- 适用边界
- 作者候选的计数支持程序验收，不外推为真实提示性能；在线模型与语义评分需另外运行。
连续追问与解答
沿着问题的前提和约束继续向下读。先理解参考解答，再尝试收起答案，用自己的话解释因果和取舍。
第 1 层提示加上“只依据材料回答”，为什么仍需要独立验收？
从提示的作用推导程序应承担的验证责任。
参考解答
指令表达目标，但模型仍可能误用规则、遗漏例外或给出无依据主张。应用先检查结构与允许来源，再对照独立政策标签和必要证据，最后复核自由文本。比如电池问题只引用普通 30 天规则，JSON 合法仍不满足任务合同。保留真实候选和失败类别，才能判断提示修改解决了哪一段问题。
第 1 层引用 ID 都存在，怎样判断回答有没有遗漏商品例外？
改变验收条件，从单条来源存在推进到多来源共同支持。
参考解答
存在性检查只能确认引用来自允许集合。先由可信政策标注每道题的必要证据集合，电池题要求一般规则与电池例外同时出现；再核对候选是否在实际上下文中引用它们，并比较决定和期限。自由文本还需逐项对照来源片段，避免存在引用却解释错。
沿着这个回答继续深入
第 2 层两条必要来源都进入上下文，答案仍写 30 天，应该继续修检索吗？
沿证据充分的前提，继续把生成错误与检索错误分开。
参考解答
先保存实际请求与候选，确认输入完整保留了例外和适用条件。如果这些都成立，召回在这项检查上已通过，下一步看提示、模型推理与解释支持，修改后用相同样本回归。不要把检索指标与回答正确性合成一个不可定位的分数。
沿着这个回答继续深入
第 3 层决定和期限字段都改对了，但文本说退款已执行，还需要什么证据？
从政策字段的正确继续推进到外部效果的独立事实边界。
参考解答
将已退款列成独立业务效果主张，查询实际批准与退款账本、业务操作 ID 和回执。政策解释的标签与引用不能推出退款执行事实。当前教学 grader 对自由文本标为未评分，该候选应进入语义与业务复核，并增加相应回归样本。
第 1 层同一批样本的新提示通过更多，怎样避免对样本过拟合？
把局部改善放回有独立证据的版本比较。
参考解答
将用于改提示的样本与冻结保留样本分开，按文档、任务来源和业务条件分组，避免近重复跨集合。固定模型、数据与 grader，保存所有候选及失败，分组观察正常、例外、缺证据和越权。真实模型的重复运行与成本也要记录，再决定新版本是否达到预先定义的发布门槛。
举一反三：条件变了，怎样推导？
先找出改变的条件，再判断原方案中哪些前提仍成立。下面的案例是教学推演，便于将原理迁移到新问题。
政策版本更新
改变的条件：普通退货窗口从旧版本迁移到新版本，旧任务仍保留历史上下文。
延伸问题：新提示总分变化，怎样区分政策变化和提示质量变化？
推导与参考解答
绑定文档、标签、候选和 grader 版本，先核对任务应使用哪个有效政策。用相同有效版本重跑两份提示，再解释差异。旧任务恢复重新核对当前授权与版本，不能仅因历史提示曾通过就交付旧政策结果。
保持不变的原理：比较效果需要固定或明确解释证据与判断条件。
结构字段正确但自由文本越界
改变的条件：决定和期限符合标签，解释却声称真实退款已经发生。
延伸问题：grader 的机械通过可以让业务结束吗？
推导与参考解答
将退款执行作为独立主张，核对可信批准对象、操作 ID 和账本回执。政策字段正确只支持有限回答契约，自由文本语义和外部动作仍需自己的验收。保留这条失败用于回归，记录现有 grader 未评分的范围。
保持不变的原理：每一种完成判断都依赖与它相匹配的可信证据。
易错点
- 用 JSON 合法代替事实和业务验收。
- 将期望标签混进模型输入后统计匹配。
- 引用存在就认定整段解释获支持。
- 只统计成功候选，隐藏退化和重复费用。
参考资料
依据官方接口契约及本站已运行教学程序设计，业务政策与候选均为虚构样本。 新增问答与迁移案例用于原理讲解，来源核查与案例运行验证分别记录。
检查自己理解到哪一步
读完后可以对照这些标准解释原理、边界和取舍。掌握程度由你自评；需要进一步验证时，再完成下方小任务。
- 基础达标
- 能分别解释任务指令、结构输出、证据支持和执行授权。
- 中高级信号
- 能用固定标签和失败样本定位提示、检索与验收程序问题。
- 资深信号
- 能设计独立保留集、分组门槛、语义复核及有运行证据的发布回退。
动手验证 按需完成 · 建议 30 分钟
运行 prompt_iteration.py，构造未知引用、缺失例外与合法对象中的错误自由文本，交付逐项验收和未评分说明。
展开验收要求与检查点
- 字段错误、引用错误和政策标签错误分别定位。
- 参考标签未出现在模型输入中。
- 自由文本支持与机械契约分别说明。
- 候选来源、数据和提示版本可复查。
重点检查
- 能区分提示、Schema、事实支持和执行授权。
- 知道参考标签不能混入模型输入。
- 能解释必要证据召回与回答正确性分别检查。
- 版本比较保留失败和未评分项。