把一段长文丢给 AI，只说“帮我排版一下”，结果通常很像样：标题有了，重点加粗了，段落也短了。再仔细对照原文，数字可能被顺手改掉，语气变得像广告，模型还补了几句你从没说过的话。
问题不一定出在模型上。“排版一下”本身就含糊。你想改换行，模型可能理解成润色；你想加小标题，它又必须新增文字。任务没说清楚，后面的每轮修改都在猜。
OpenAI 的提示词指南把有效指令拆成身份、规则、示例和上下文，也明确提醒生成结果具有非确定性。Google 的提示设计指南给出的方向很接近：目标要具体，结构要一致，歧义参数和输出格式要写明。工具会换，界面会改，这套方法不会因为按钮挪了位置就失效。
先解决一个逻辑冲突
“不改变任何字数和结构”与“自动生成标题、小标题、加粗、emoji”不能同时成立。
标题和 emoji 会增加可见字符。重新分段会改变结构。Markdown 加粗还会加入 ** 标记。如果连空格、换行和标点数量都不能变，那就没有可操作的排版空间，只能原样返回。
我的建议是把任务分成两种模式，开工前只选一种。
- 严格排版：原有汉字、字母、数字和标点一个都不改，只允许调整空格与换行。适合公告、采访原话、合同摘录等需要逐字核对的内容。
- 编辑优化：允许新增标题、调整段落、加少量强调或 emoji，也允许轻度润色。事实、数字、观点顺序和语气不能擅自变化，输出后必须附改动清单。
这一步比写一大段“你是世界顶级排版大师”有用。夸张的角色不会替你消除互相打架的约束。
工具不用绑死，入口要走官网
这套工作流可以放进 ChatGPT、豆包、Kimi 或其他支持长文本的对话工具。网页入口尽量从官网进入：
- ChatGPT：
https://chatgpt.com/ - 豆包：
https://www.doubao.com/ - Kimi：
https://kimi.moonshot.cn/
旧教程常把具体模型名、按钮位置、上传数量写死。产品迭代一次，截图就过期。功能、套餐、地区可用性和文件限制也会变化，使用前看当前页面即可。
别把“能联网”理解成“输出天然可靠”。豆包自己的功能说明也提醒生成内容可能不准确。Stack Overflow 的 2025 Developer Survey中，在回答 AI 准确性问题的 33,244 名受访者里，46% 表示不信任 AI 输出，33% 表示信任，只有 3% 高度信任。这组数据来自开发者，不能直接代表所有文案用户，但足以说明一件事：生成之后还得有人验收。
一份可以直接改的提示词
下面这份骨架同时适用于已有文章整理和新文案起草。方括号里的内容要换成你的真实需求。不要把两种模式都勾上。
# 角色
你是内容编辑。你的职责是按要求整理文本，不替作者编造事实或观点。
# 任务
将我提供的原文整理为适合[博客 / 公众号 / 邮件 / 社交平台]阅读的内容。
# 模式
[严格排版 / 编辑优化]
# 读者与用途
- 目标读者：[谁会读]
- 阅读场景：[手机快速阅读 / 桌面深度阅读]
- 目标：[解释问题 / 发布通知 / 推广活动 / 分享经验]
# 约束
- 保留所有事实、数字、日期、专有名词和观点顺序。
- 不补写原文没有提供的经历、数据、来源或结论。
- 发现含糊或矛盾内容时标记出来，不要自行猜测。
- 严格排版模式只允许改变空格和换行。
- 编辑优化模式允许新增标题、分段和少量强调，但要列出所有实质改动。
- 不发送或复述原文中的密码、Token、身份证号、内部地址等敏感信息。
# 输出
- 使用[Markdown / 纯文本]。
- 段落长度适合[手机 / 桌面]阅读。
- emoji：[不用 / 每节最多一个 / 仅在标题使用]。
- 先给整理后的正文，再给“改动与疑点”清单。
# 验收
输出前核对原文，检查数字、日期、名称、遗漏和新增内容。
如果要求互相冲突，先指出冲突并等待我选择，不要自行取舍。
# 原文
<original_text>
[粘贴原文]
</original_text>
角色只写职责就够了。真正控制结果的是任务、模式、约束和验收。原文放在清晰的标签里，模型也更容易区分“要处理的材料”和“对它下的指令”。
按这个顺序跑一遍
先给原文或创作目标。涉及已有文章时，尽量粘贴完整文本；文件很长，可以上传文件，但要说明处理哪一部分。
补上读者、用途和发布平台。同一段话放在博客、邮件和社交平台，合理的段落长度、标题层级和符号密度都不同。
选择严格排版或编辑优化。少这一步，模型很容易把“看起来更顺”当成“可以改写”。
生成初稿后，不要只回复“再好一点”。指出具体问题，例如“第二节删掉了两个数字”“语气太像广告”“不要新增 emoji”“保留原来的结论顺序”。具体反馈才能形成可检查的下一版。
把最终稿和原文并排核对。模型可以先做自检，人来做最终确认。原资料中的步骤顺序值得保留：提供材料、补齐目标、选择处理方式、生成、修改、复核。真正需要删掉的是每一步都机械询问“是否继续”的仪式感；普通短文一次给全信息更省事。
验收时盯住这些地方
- 数字、日期、姓名、产品名和链接是否变化。
- 原文的限定词是否丢失，例如“可能”被写成“一定”。
- 有没有新增未经提供的案例、数据或效果承诺。
- 标题是否夸大正文结论。
- emoji、加粗和列表是否多到影响阅读。
- “改动与疑点”清单能否对应到正文具体位置。
如果是法律、医疗、财务或对外承诺文本，不要把 AI 输出直接当终稿。提示词只能减少误改，不能替代有责任主体的专业审核。
常见失败不是提示词不够长
把所有要求塞进几页文字里，模型也可能抓错重点。约束越多，越要删掉重复项，并把真正不能违反的内容放在前面。
示例与规则打架时，模型未必会按你期待的那条执行。你要求“不要 emoji”，示例里却满是表情，结果很难稳定。需要固定风格时，给一小段真正合格的输入和输出示例，比堆十几个形容词更有效。
“一步一步思考并展示过程”也不是通用增益。你真正需要的是可核对的结果、改动清单和疑点。让模型暴露一长段推理文字，往往只会增加阅读负担。
把提示词当成可维护的工作说明
好提示词不是咒语。它更像一张任务单：输入是什么，允许改什么，不能碰什么，怎样算完成。
用同一份骨架处理几篇文章后，把经常出现的问题补进验收项。平台换了，保留任务和约束，只调整输出格式。模型换了，拿同一段测试文本跑一遍，对比事实保真、遗漏和风格，再决定是否继续使用。
如果你正在搭建批量内容整理、知识库写作或自动发布流程，可以把一份脱敏后的原文、目标平台、允许修改范围和期望输出发给我。相关脚本与技术项目也会持续整理在我的 GitHub。