首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >AI 总是不按格式输出?把"格式要求"写成能跑校验的约束

AI 总是不按格式输出?把"格式要求"写成能跑校验的约束

原创
作者头像
用户12877835
发布于 2026-11-20 09:22:47
发布于 2026-11-20 09:22:47
240
举报

每周都要把同一份数据交给 AI 整理成表,每次都要手动改格式:这次表后面多了一句"以上为本周情况",下次金额带了千分位,再下次表头被"优化"成了三列以外的样子。改一次两次不算事,改到第十次,你就会开始怀疑是不是模型不行。

问题通常不在模型,而在要求本身:"按表格给我""简洁一点"这类话,人和模型都没法判定是否满足。这篇文章给一套可以照着做的办法——把格式要求写成一份带编号的契约,再用三十行脚本把它变成能跑的校验,最后把校验结果原样回喂。全程在真实终端里操作,配图为实际运行截图。

一、四种最典型的格式漂移

先明确要治什么病。同一份"输出三列表格"的要求,实际运行中最常见的偏差有四类:

  1. 表外多话:表格后面自动补一句总结、一句邀请、一句"如需细化请告知";
  2. 单位混写:同一列里出现 ¥1,200、860、300元 三种写法;
  3. 行数失控:说好六行以内,给你八行,还多出一行"合计";
  4. 表头被改写:花费 变成 花费(元),转化数 变成 转化。

这四类的共同点是:要求里只说了"要什么",没说"什么算合格"。人在验收时靠经验补上了这些判断,模型没有这份经验,于是每次都按自己觉得合理的方式填。

二、把要求写成契约:六条 + 四条反例

契约不需要长篇大论,六条就够,关键是每条都能用一行代码判定。以投放日报为例:

这六条里有三个值得抄的写法:

第一,用数字,不用形容词。 "数据行 1-6 行"可以判定,"行数别太多"不能。同理,"每行不超过 40 字"可判定,"写得简短些"不能。凡是能用数字表达的边界,一律换成数字。

第二,写"允许什么字符",而不是"不要什么符号"。 早期我写的是"金额不要带货币符号",模型改成了 1200.00——符号没了,小数位又来了。改成"只允许阿拉伯数字"之后,才真正封住。正面描述字符集,比列举禁止项更稳。

第三,每条规则配一个反例。 反例的作用不是给模型看的,是给写规则的人看的:写反例的时候你会立刻发现"这条规则好像还有漏洞"。上面第四条反例加一行"合计"统计,就是因为第三条只写了行数上限、没写"不许加汇总行"才漏出来的。

契约落到文件里,放在项目根目录,文件名固定(这里叫 format-spec.md),后面回喂时直接引用文件名,不用把六条规则再贴一遍。

三、契约自己也要能跑

只写契约,仍然是靠眼睛验收。真正的转折点是把它变成脚本:同一个判断标准,让人和程序用同一份实现。

为什么值得多花二十分钟写这三十行?三个理由:一是确定性,同一段输出跑一百次结论一致;二是可回归,改规则之后能拿历史样本重跑,立刻知道有没有误伤;三是能给出具体错误——这一点最关键,后面回喂全靠它。

规则按 R1 到 R6 编号,代码里也用同一个编号,报错时直接输出编号:

正在上传图片...

核心就是一个纯函数,输入是文件路径,输出是错误数组,没有依赖、不联网、不调用模型:

代码语言:plaintext
复制
const fs = require('fs');
const HEAD = ['渠道', '花费', '转化数'];
const c = l => l.split('|').slice(1, -1).map(s => s.trim());

function check(file) {
  const lines = fs.readFileSync(file, 'utf8').replace(/\r/g, '')
    .split('\n').map(s => s.trim()).filter(Boolean);
  const rows = lines.filter(l => l.startsWith('|'));
  const errs = [];
  lines.filter(l => !l.startsWith('|'))
    .forEach(l => errs.push(['R6', '表外有文字: ' + l.slice(0, 18)]));
  if (!rows.length) return [['R1', '没有表格']];
  if (c(rows[0]).join('/') !== HEAD.join('/'))
    errs.push(['R2', '表头不符: ' + c(rows[0]).join('/')]);
  if (!/^\|[\s:|-]+\|$/.test(rows[1] || ''))
    errs.push(['R1', '缺少分隔行']);
  const body = rows.slice(2);
  if (body.length < 1 || body.length > 6)
    errs.push(['R3', '数据行 ' + body.length + ' 行, 应为 1-6 行']);
  body.forEach((r, i) => {
    const k = c(r);
    if (k.length !== 3) return errs.push(['R2', '第' + (i + 1) + '行 ' + k.length + ' 列']);
    if (!/^\d+$/.test(k[1])) errs.push(['R4', '花费列 "' + k[1] + '" 非纯数字']);
    if (!/^\d+$/.test(k[2])) errs.push(['R5', '转化列 "' + k[2] + '" 非整数']);
  });
  return errs;
}

主程序只做三件事:逐个文件调用、打印 PASS/FAIL 与规则明细、按退出码告诉调用方"这一批过没过"。退出码设计成有违规就返回 1,这样它可以被壳脚本、自动化任务直接串起来——过不了就不往下走。

注意 R2 在代码里出现了两次:一次判表头,一次判"某行列数不对"。这不是重复,而是同一类错误的两个触发点——表头被改写和行内列数不一致,本质都是"列没对齐",合成一条规则反而更好定位。

四、拿五段样本跑一遍

规则写完先别急着上生产,先造一批样本做基线。这五段样本的数据是虚构的,格式偏差是真的,分别对应第一节那四类漂移,加上一段完全合规的对照:

输出很直白:合规 1 / 不合规 4,命中规则 6 条,退出码 1。

这段输出里有两个细节值得停下来看:

一是 s2 一次命中三条同规则。 ¥1,200、¥860、300元 都是 R4。这说明同一类错误在表格里会成片出现,不是单点问题。所以规则要按"列"设计,不能按"单元格"设计——按列判一次,就能一次说清整列的问题。

二是 s1 的错误信息被截断在 18 个字符。 这是刻意的:错误信息太长会把终端刷满,回喂时也浪费上下文。截断到"能认出是哪一句"就够了,原始文件模型自己看得到。

基线跑通之后,这五段样本就别删,它们是以后改规则的回归测试集。规则一改,重跑一遍,就知道有没有把原来合规的样本判错。

五、回喂:别说"再试一次"

校验给出了错误,接下来最容易被浪费掉的一步是:把失败结果丢回去,说一句"格式不对,再试一次"。这句话的信息量是零,模型只能重新猜一遍,猜中的概率和第一次一样。

正确的做法是把规则编号、原始值、改动范围三样东西一起给回去。这一步也能自动化:校验不过时,把 [R4] 花费列 "¥1,200" 非纯数字 这类明细直接拼成一段提示词:

这段模板里有四句话,每句都在收窄模型的自由度:

  • "逐条改,不要重写整个回答"——避免它顺手把没问题的列也改了,制造新错误;
  • 带规则编号——模型能对应回契约里的第几条,不用从自然语言里猜你的意思;
  • 给原始值("¥1,200")——不用它去文件里找是哪一格;
  • "只输出表格,不要解释"——解释段落既占篇幅,又常常把表格挤到最后,还容易带出新的表外文字。

改完再跑一次校验,把旧样本和新样本放在一起对比,确认只动了被点名的三格:

这一步别省。我踩过的坑是:模型为了"稳妥"把整表重写了一遍,格式过了,但有两行数据的数值被顺手改了——因为原文件里那两行本来就是它不确定的。校验器只管格式,不管内容,所以"改动范围"这条必须靠回喂指令约束,不能指望自动查出来。

六、约束的边界:什么时候不该写死

这套办法有明确的适用面,滥用会反噬:

探索类任务不要预先上约束。 让 AI 帮你梳理一个陌生领域的问题清单时,如果先规定"必须三列、每列不超过六个字",它会把有价值的判断砍掉来满足格式。这类任务应该先放开产出,等结论稳定了再谈格式。

规则数量控制在六条以内。 超过六条,模型遵守率会明显下降,而且你自己维护起来也乱。真需要更多,先分组:把"结构类"和"内容类"拆成两份契约,分别校验。

契约和校验器必须同时改。 这是最容易腐化的地方。如果只在 format-spec.md 里加了第七条、忘了改脚本,校验就会给出"通过"的错误结论——一个不完整的校验器比没有校验器更危险,因为它给了你虚假的安全感。所以规则编号要在两边同名同号,改一条就改两处。

七、可以直接照搬的三步

  1. 挑一个你每周都要人工返工的输出,只挑一个;
  2. 把要求改写成六条可判定条款,每条配一个反例,存成 format-spec.md;
  3. 写三十行校验脚本 + 一段回喂模板,拿五段历史输出跑基线,记下通过率。

做到第三步,格式这件事就从"每次祈祷它听话"变成了"过不了就退回重改"的固定流程。省下的不是改格式那几分钟,而是每次打开输出前那点不确定。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、四种最典型的格式漂移
  • 二、把要求写成契约:六条 + 四条反例
  • 三、契约自己也要能跑
  • 四、拿五段样本跑一遍
  • 五、回喂:别说"再试一次"
  • 六、约束的边界:什么时候不该写死
  • 七、可以直接照搬的三步
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档