有一段时间，AI 输出不好时，我的办法很简单：继续改 Prompt。
广告创意太像，就加一条“每组必须对应不同的用户任务”；文案写了产品无法证明的能力，就加证据要求；漏字段，就把格式、长度和必填规则也补进去。
Prompt 越来越长，初稿确实变好了。但到了下个项目，同样的返工又出现：输入已经过时，产品页面与内部说明冲突，表单验证通过但最终素材还不能上线，有人改了结果却没有更新状态。AI 说文件已经写好了，共享记录里却还是旧版。
我之前忽略的差别就在这里。Prompt 能改善一次生成，工作流则要把任务从当前证据带到真正可用的结果，而且不能把中途的失败藏起来。
Prompt 可以约束回答，但它本身不能证明事实仍然有效，不能决定谁有权批准修改，也不能验证结果是否真的写回了。
Prompt 为什么越来越长
最初的任务看起来很封闭：根据产品材料生成一份完整的媒体计划。
第一次是事实出错。模型用看似合理、实际没有产品证据的主张填补空缺，于是我加了来源限制。下一次是策略出错。几个广告组标题不同，描述的却是同一个任务，于是我加了差异化规则。
后来，图片、链接、追踪字段、状态标签和最终渲染页面也陆续出问题。每出现一个问题，Prompt 里就多一段提醒，最后变成一长串注意事项。
这些提醒有用，但它们在要求 Prompt 控制生成之外的事情。Prompt 不能保证收到的是最新来源，也不能阻止后续步骤覆盖人工维护的字段。如果外围系统没有表示不同状态，它也无从知道客户草稿和可上线计划需要不同的检查。
当问题来自任务的两端，只打磨中间的指令，只会让指令越来越重。
什么归 Prompt，什么归工作流
| 问题 | Prompt 能做什么 | 工作流还需要补什么 |
|---|---|---|
| 输入事实 | 告诉模型使用哪些材料 | 选择当前有效的来源，暴露缺失、冲突或过时的证据 |
| 输出 | 规定语气、结构和字段 | 把结果存成后续检查能读取的稳定结构 |
| 状态 | 声明输出是草稿 | 区分提案、客户草稿、可上线和上线后状态 |
| 质量 | 要求模型自查 | 运行确定性检查，再把事实和风险判断交给人 |
| 外部写入 | 请求一次更新 | 核对账号、目标、权限，以及允许修改的字段 |
| 完成 | 总结做了什么 | 再次读取文件、页面或记录，确认外部状态 |
Prompt 仍然是系统的一部分。它擅长起草、解释和处理模糊问题。可靠性来自它与受控来源、稳定结构、程序检查、人工确认和结果记录的配合。
我现在分开的六项职责
1. 确立事实来源
网站、产品说明、客户反馈和旧计划可能同时存在，也可能互相冲突。生成之前，工作流就要标明什么是当前依据，什么只是参考，什么还需要确认。
来源没有确定时，更有说服力的 Prompt 可能只是让未经核实的主张听起来更确定。
2. 把输入整理成稳定结构
我把产品、受众、用户任务、证据、落地页和追踪要求分开。缺失的信息就保持缺失，不用自信的猜测填上。
稳定结构也能降低后续修改成本。工作流只需更新变化的部分，不必重新解释整段对话。
3. 生成候选结果
这才是 Prompt 的位置。模型可以组合证据、提出场景、起草文案、指出缺口，但输出仍然只是候选结果。
生成完成意味着有了可以检查的东西，不意味着主张真实，也不意味着可以交付。
4. 检查能确定的错误
缺字段、超过长度限制、链接格式错误、图片尺寸不对，不需要每次都让人重新发现规则。程序可以稳定地抓住它们。
这些检查通过后，人才能专注于更难的问题：产品有没有理解对，场景是否有真正的差异，每个主张有没有证据，目标页面是否接住了承诺。
5. 到风险边界时交给人
改变外部状态之前，工作流应该先检查授权。约定目标、字段范围和限制之内的日常写入，可以继续；超出限制、证据冲突，或者需要一个新的重要决定时，就应该暂停。此时，复核者需要看到准确的候选结果、依据和剩余未知项。
人工复核不是最后随便看一眼，而是把决定权放在那些不能只靠推测放行的步骤上。
6. 回读结果
最后一步不是 AI 发一条“完成了”。工作流必须确认文件已经创建，链接指向新版本，共享记录确实改变，最终页面也包含获准的内容。
如果回读失败，状态就是失败或待处理，不能算完成。
跟着一份输入走完整个过程
以报告为例，输入可能是同一周期内同一个指标的两条观测。结构化记录把对象、单位和观察日期放在一起；代码计算排序；模型把它写成解释；最后再用原始记录核对展示数值和顺序。完成这些以后，才执行已获授权的交付动作。
报告一致性案例包含合成输入、一份故意写错的报告和一个小型可执行检查器。每一步都有具体对象可以查看，比继续往 Prompt 里加警告更有用。
实际工作发生了什么变化
以前，交付很依赖操作者是否记住了越来越长的 Prompt，以及过去每一次失败。
现在，每类失败都有去处。来源冲突回到证据核验；格式错误停在程序检查；缺少支持的主张仍是候选；客户草稿和可上线内容采用不同标准；任何真实写入后面都跟着回读。
这没有让所有任务自动化，但减少了人重复检查的工作，也保留了需要判断的位置。
团队拿到的也不再只是某个人的 Prompt。大家能看见当前采用哪些事实、计划处于哪个状态、哪项检查失败，以及下一次修正应该发生在来源、规则还是成品上。
什么时候一个 Prompt 就够了
不是每次使用 AI 都需要工作流。任务只做一次、输入都在当前对话里、结果容易检查，而且不会写进真实账号或共享系统时，一段清楚的 Prompt 往往就够了。
出现下面这些情况，就需要外围工作流：
- 任务反复发生，每次都需要同一套背景；
- 来源分散在多个地方，而且可能变化或冲突；
- 输出会进入真实文件、客户交付物、账号或共享系统；
- 一个错误可能污染后续工作；
- 必须检查外部状态，才能证明已经完成。
自动化这类任务之前，我现在会问六个问题：事实从哪里来？输入怎么固定下来？模型产出的是草稿还是事实？哪些错误可以用程序确定地检查？哪里必须由人决定？系统如何证明写入成功？
如果这些问题还没有答案，下一步就不该只是把 Prompt 写得更长。