同一段文字既想让 WeLM 抽字段、又想让它润色，通常两边都不稳：抽取要的是照抄原文、键名固定，改写要的是重写句子、语气统一，这两类约束对输出的方向相反，混在一个提示里会互相抢注意力。可行的路子是拆成两个提示、各自单独跑，用同一批样本分别压输入长度和输出格式，先看清哪一类任务在什么长度、什么格式要求下开始出错，再把判不准的部分写成明确规则，不交给模型。

判断方向：中文抽取与改写建议分两次调用，不要合并成一个提示。抽取侧固定字段名和输出结构，重点查漏抽与串字段；改写侧固定语气和长度上限，重点查是否自行扩写。两类任务用同一批样本、各自记录输入长度和失败表现，再对照确定边界。输入超过模型可处理长度时先切分，输出格式不满足时优先改提示或加解析校验，而不是先放宽字段约束。

把抽取和改写分成两个提示，各自单独跑

两个提示只共用一个“原文”变量，其余部分不共享。抽取提示只保留四块：任务声明、字段名清单、输出结构、原文；删掉语气、字数、“润色/自然/流畅”这类词，也删掉任何示例改写句。改写提示只保留五块：任务声明、语气要求、长度上限、不得新增事实的约束、原文；删掉字段名清单和结构化输出要求。

执行顺序建议是先跑抽取、把原文和抽取结果一起落盘，再拿原文去跑改写。不建议把抽取的输出直接当作改写的唯一输入，否则抽取阶段的漏抽会直接变成改写阶段的事实缺口，后面很难判断到底卡在哪一步。

# 抽取提示（通用骨架，替换 {字段名} 与 {原文}）
任务：从下面的原文中抽取指定字段。
字段名：{字段名1}、{字段名2}、{字段名3}
规则：只输出字段名和对应值；原文中未出现的字段，值写 null；不要解释，不要补充原文没有的信息。
输出格式：每行一条，写成  字段名: 值
原文：
{原文}

# 改写提示（通用骨架）
任务：在保持原文事实不变的前提下，改写下面的中文。
语气：{中性书面 / 口语 / 客服口吻}
长度：不超过 {N} 字，或不超过原文同等长度
规则：不得新增原文没有的人名、机构、数字、时间和因果关系；不得删掉原文的关键限定词（如“可能”“暂定”“部分”）。
只输出改写后的文本。
原文：
{原文}

验证方式很朴素：同一批样本分别跑这两个提示，记录每次的输入字符数、输出是否可解析（抽取）、输出是否超出长度上限（改写）。这些都能从调用日志或页面返回里直接看到，不需要额外造指标。

在抽取任务里固定字段名，检查漏抽和串字段

字段名固定是抽取能稳住的前提：输出的键名必须和你要的一字不差，值才允许和原文措辞不同。如果字段名本身含糊（比如“信息”“内容”），或者两个字段语义相邻（“公司名”和“品牌名”、“金额”和“金额单位”），串字段的概率会明显上升。可以在提示里给每个字段补一句边界说明，但输出键名仍然只写固定名。

字段名（输出必须使用这些键名）：
- contact_name：联系人姓名，不含职务
- company_name：公司全称，不含品牌简称
- amount：金额数字，不含币种
- currency：币种，只写三位代码或中文简称

核对清单按四列记，一次调用一行：

怎么读这张表：实抽字段为空，先看该字段在原文里是不是用了别称或简称，再看它是否被折进了长句里；实抽字段的值跑到另一个字段下，通常是字段边界说明不够，先补边界说明，别急着加字段数；实抽字段有值但原文出处对不上，属于编造，需要收紧“原文未出现即 null”的规则。“原文出处”直接抄原句片段，不要写“第三段”这类无法复核的定位。

在改写任务里固定语气和长度，检查是否自行扩写

改写失控多半来自两个缺口：语气没写成可判断的描述，长度没给上限。语气用能落地判断的词，比如“中性书面，不用感叹句、不用网络用语、不用排比”；长度写成明确上限，“不超过原文同等长度”或“不超过 N 字”，比“简洁一点”可靠得多。输入本身较长时，长度上限和输入长度要在同一次调用里都写清楚，否则模型容易用删减换语气、或用扩写换通顺。

判定是否自行扩写用对照法，不用感觉。逐句比对，只看不一致的位置：

• 新增实体：改后文本出现原文没有的人名、机构、产品、地名。
• 新增数字：出现原文没有的时间、金额、比例、数量。
• 新增因果：原文是并列或顺承，改后变成“因为……所以……”“从而”“因此”。
• 新增评价：原文只陈述事实，改后出现“优秀”“领先”“值得信赖”。
• 限定词丢失：原文的“可能”“暂定”“部分”在改后消失，这属于改写偏差，同样要退回。

对照表两列就够：原文短语、改后短语，只填不一致的地方。凡是新增项落进上面几类，就判为自行扩写，退回并收紧提示，不要人工逐句删——人工删得越多，下一批样本还会犯同样的错。

把两类任务的失败样本放进同一张表对比

分开跑之后，失败原因往往还是混在一起，说不清是任务本身不适合，还是原文太长。统一记录四个字段就能分开看：任务类型、输入长度、失败表现、原文位置。

同一条原文分别跑抽取和改写，就记成两行。对比时按这三条看：

1. 同一长度下抽取失败、改写正常，或反过来，更可能是任务类型带来的边界。
2. 同一任务在某个长度以上开始集中出现漏抽或截断，更可能是输入长度带来的边界。
3. 两类任务在同一长度都失败，优先怀疑输入特征——结构混乱、字段散落在长句里、中英混排，而不是模型的整体能力。

长度先用字符数，保持全程同一口径；接口若返回其他计量单位，也另开一列，别中途换单位导致对比失真。

根据对比结果定下不交给模型的场景

边界要写成能执行的规则，而不是“效果不好就不做”。判断依据来自上一张表：同一类失败在同一长度区间反复出现，且改过提示后仍然存在，就列入不可交付。

• 字段需要跨段推理或整段语义归纳才能确定——依据：同一长度下反复串位或漏抽。
• 原文长度超出自己记录到的稳定区间，且无法按段落切分——依据：该区间之后漏抽与截断集中出现。
• 改写同时要求多种互斥风格或严格字数，而原文本身已接近长度上限——依据：超长与自行扩写同时出现。
• 输出要作为机器可解析结构，但字段允许自由文本——依据：解析失败重复出现。
• 编号、金额、日期必须逐字符一致的场景——依据：对照时出现改写后数字或编号变化。

留在模型侧的：短输入、字段边界清晰、允许人工复核的抽取；以及允许轻微措辞变化、长度有明确上限的改写。分流动作可以写在调用之前：先算输入长度，超过记录的稳定区间就先切分；字段多到提示里写不清就先拆任务；输出要进下游系统的，解析失败直接拒绝，不做兜底猜字段。这样定规则的好处是判断依据可复核——出现争议时回到同一张表，看问题出在任务类型还是输入长度。