在问小白 5 Pro 生成结果上做后续修改,核心不是“怎么改”,而是“改完如何保证没有破坏原有生成逻辑”。AI 输出往往整体关联,段落间、代码片段间都存在隐含依赖。修改前应把“保留什么”和“允许改什么”分开,否则很容易在局部修正时引入新错误。
修改前先完成三项固定操作
- 备份原始输出:将完整生成结果复制到本地文件,并记录生成时间和当时使用的提示词。如果继续在对话窗口操作,还应把原文重新贴回输入框,避免模型上下文被覆盖。
- 列出修改边界:用一张清单或者注释标注哪些字段不能改(如品牌名、专有名词、核心数字),哪些位置可以自由调整(如语气、段落顺序)。这一步能防止越改越偏。
- 检查外部依赖:如果生成结果包含代码、SQL、配置片段,先确认这些片段有没有被其他系统引用。修改一个参数前,先在项目里搜索它的引用位置。
执行修改时的操作顺序
- 从最小单元开始:先改一个词或一个参数,不要直接重写整段。每改一处,暂时停下看看上下文有没有被带偏。
- 保持格式一致:AI 生成的标题层级、列表符号、代码缩进不一定稳定,修改时沿用原格式,不要混入不同风格。
- 每个修改点都要可描述:用“把 A 改为 B,原因是……”记录变更原因,方便后续回溯。
- 如果需要再次调用模型来辅助修改,不要只发送修改点,要把原始全文一起带上。下面是一个可复制的控制提示词:
请仅修改以下文本中【指定位置】,其余内容保持不变。要求:
- 不改变其他部分的任何文字;
- 保持原有的语气和标点风格;
- 如果涉及专有名词,维持原文写法;
- 输出修改后的完整文本。
原文:
(粘贴完整生成内容)
如果原文较长,模型可能截断,建议分段传入。发送前检查提示词中的“指定位置”是否写清,否则模型会按自己的理解改动不必要的内容。
修改后的验证清单
- 逻辑连贯性:通读全文,检查前后观点是否一致,有没有出现修改后结论与论据冲突。
- 事实准确性:重新核对所有数字、日期、名称,确认没有在修改过程中引入新错。
- 代码或配置完整性:搜索变量名、函数名、依赖路径,确认没有漏改或改出断链。
- 完整性检查:对比修改后内容与备份,看看是否出现整段丢失或顺序错乱。
回退策略
如果修改过程失控,第一动作是恢复备份。如果备份缺失,可以把当前版本和原版同时贴给模型,请它说明差异,但这只是辅助判断,不能保证原始内容能完整找回。所以修改前保存备份是唯一可靠的防线。