与大模型对话时，最常见的低效方式是只给一句宽泛命令，然后反复要求“再好一点”。模型并不知道好在哪里，也不知道哪些内容不能改。所谓进阶技巧，不是记住一串神秘咒语，而是把任务变成清楚的输入、步骤和验收条件。
智谱开放平台文档展示了对话、长上下文、多模态和知识检索等能力。产品界面与具体模型会更新，下面的方法更关注稳定的协作原则，因此也能迁移到其他大模型工具。
## 用六个要素写清任务
一个完整请求可以包含目标、受众、输入、约束、输出格式和验收标准。例如，与其说“总结这份报告”，不如说明：为没有技术背景的管理者写一份八百字摘要，只使用附件事实，保留三个关键数字，区分事实与推测，并在末尾列出仍缺证据的问题。
目标告诉模型为什么做；受众决定术语密度；输入限定证据；约束减少跑偏；格式方便继续处理；验收标准让双方知道什么时候完成。这六项不必每次都写成模板，但复杂任务至少要覆盖其中大部分。
模型参数也会影响结果。开放平台文档中的temperature等参数控制输出随机性。事实提取、分类和格式化通常适合更稳定的设置；创意探索可以允许更多变化。参数不能弥补含糊任务，只是在明确任务上调节行为。
## 长材料要先建立证据地图
长上下文能容纳更多内容，却不保证模型平均关注每一段。把几十份文件一次性塞入，然后要求直接下结论，容易混淆版本、遗漏例外或把无关材料拼接起来。
更可靠的方法是分三步。第一步让模型列出文件、时间、作者和主题，建立材料索引。第二步按问题检索相关片段，并要求标明来源。第三步才综合结论，同时列出冲突证据和缺口。
知识库检索也是同样逻辑。智谱文档介绍了包括多模态在内的知识检索能力，但检索到片段不等于答案正确。读者应检查片段是否真正支持结论、来源是否过期，以及不同文档是否互相矛盾。
## 把复杂任务拆成可检查的阶段
长文、方案或代码不宜一步完成。可以先让模型复述目标和未知项，再生成结构，随后逐节写作，最后执行事实、逻辑和格式检查。每个阶段都留下一个可评审产物，错误就不会一直传到末尾。
多轮对话中还可以设置“检查点”。当要求发生变化时，让模型重新列出当前约束；当材料新增时，让它说明哪些旧结论需要重算；当两个方案难以选择时，先制定评价标准再比较。
示例是另一种强约束。提供一个合格输出和一个不合格输出，并解释差异，通常比添加很多形容词更有效。但示例可能让模型过度模仿，因此应说明哪些结构必须保留、哪些内容需要重新生成。
## 让模型主动暴露不确定性
要求“绝对正确”不会让信息变真。更好的问题是：哪些结论直接来自材料，哪些是推断，哪里存在冲突，还需要什么证据。对于数字、日期、引用和专业结论，应回到原始来源复核。
也可以用反例测试。让模型提出一个可能推翻当前结论的案例，比较两种解释，或用不同假设重新计算。模型自我检查不能代替外部验证，却能帮助读者更快找到薄弱处。
## 工具调用与普通对话要分开
如果任务需要搜索、运行代码、访问知识库或处理图片，就要说明工具可以做什么、结果如何验收。模型生成了一段看似合理的说明，不代表工具真的执行，也不代表返回数据完整。
涉及外部操作时，可以要求先给计划、再执行低风险步骤，并在发送、删除或付款前暂停确认。处理敏感资料时则应减少上传范围，去除不必要的个人信息和密钥。
进阶使用的本质，是把大模型当作一个能力很强但需要上下文和验证的协作者。清楚定义任务，分阶段检查，追踪证据并承认未知，比不断追求更长提示词更可靠。技巧越成熟，对话反而越简洁，因为每一句都在减少不确定性。
## 参考资料