一条提示词里同时塞长材料、多轮追问和输出格式要求，输出飘了，最难定位的是哪一项拖的。可行的路径是先冻住其余变量，只让一个因素变化：先测轮数，再测输入长度，最后测输出格式，各自记下第一次出问题的位置，再回到混合场景里按最弱的那一项设边界。

先固定系统提示、素材和问题，只让轮数、输入长度、输出格式三者之一发生变化。多轮测到复述开始丢前轮结论的轮次，长文测到要点开始缺失的字数档，结构化输出测到不能直接解析的那一档。然后据此分出哪类任务可放手、哪类必须人工校对、哪类暂不适用。单轮单变量跑通，不等于混合场景可用；边界按最弱的一项取，并留一轮或一档余量。

把一条混合提示词拆成三个单变量任务

三条测试共用同一份基线：系统提示、素材、问题一字不改，只在各自标注处产生差异。把 <材料> 换成你自己的那份固定素材，长度控制在 600 字上下，三条测试共用同一份。

[系统] 你是资料整理助手。只依据用户给出的材料回答，不引入材料之外的事实。
[用户] 以下是同一份项目笔记，请阅读后回答末尾的问题。
<材料>
（粘贴同一份固定素材，约 600 字，三条测试共用）
</材料>
问题：这份笔记里列出的三个待办分别是什么？

任务一只变动轮数：素材、问题、格式要求都与基线相同，只在末尾追加到第 4 轮。

[第 2 轮] 先原样复述你上一轮的全部结论，再回答：每个待办的负责人是谁？
[第 3 轮] 先原样复述你上一轮的全部结论，再回答：每个待办的截止时间是什么？
[第 4 轮] 先原样复述你上一轮的全部结论，再回答：哪些待办之间有依赖？

任务二只变动输入长度：仍是单轮，不加任何格式要求，只把 <材料> 换成后面第 3 节的分档版本。任务三只变动输出格式：素材和问题与基线一致，单轮，只把末尾一行换成下面三种要求之一。

列表：用无序列表输出这三个待办，一条一行，不要额外说明文字。
表格：用 Markdown 表格输出，三列：待办 | 负责人 | 截止时间。
固定字段：只输出 JSON，不要代码围栏，不要任何解释文字：
{"todos":[{"task":"","owner":"","due":""}]}

三类测试不要放在同一个会话里连着跑，历史上下文会互相污染，建议每换一个变量就开一个新会话，并保留每次请求的完整入参与返回，便于回看。

多轮追问测试：看第几轮开始丢前文

多轮的写法是每轮固定追加一个问题，并且先要求原样复述上一轮的全部结论，再看新增答案是否与前文冲突。不要求复述，衰减通常看不出来。

[第 2 轮] 先原样复述你上一轮的全部结论，再回答：每个待办的负责人是谁？
[第 3 轮] 先原样复述你上一轮的全部结论，再回答：每个待办的截止时间是什么？
[第 4 轮] 先原样复述你上一轮的全部结论，再回答：哪些待办之间有依赖？
[第 5 轮] 先原样复述你上一轮的全部结论，再回答：只能先做一件的话选哪件，一句话理由。

丢信息的判定：复述里少一条前轮结论、把结论换了说法、把两条待办合并成一条，或者补出材料里没有的负责人和时间，都记为丢。第一次出问题的轮次记进下表，它就是日常使用时的安全轮数。

长文输入测试：分段加长看输出是否走样

长文测试只改长度。把同一份素材按段落切开，做成分档：约 600 字、约 1500 字、约 3000 字、约 6000 字。每档的系统提示、问题、是否要求格式完全一致，只替换 <材料> 部分。为了让每个档位可比，在素材的开头、中部、结尾各放一个要点，例如三条待办，每档都问「材料中提到的待办有哪些」。

输出是否走样，按这四种情况判断：

• 齐全：三条要点都在，顺序与素材一致，没有素材之外的内容，该档可以继续用。
• 缺项：少一条及以上要点，把这一档的字数记下来，作为需要人工复核的起点。
• 走样：出现素材里没有的负责人或时间，或把两条要点合并成一条、把结论改写成别的意思，这一档不能直接进下游。
• 结构塌陷：原本要求分点输出，返回变成一整段散文，按走样处理。

还有一种容易被忽略的情况：输出开始整段复述素材原文来凑长度，要点并没有增加。出现这种返回时也按缺项记。

结构化输出测试：换格式要求看稳定性

结构化输出只改格式要求，素材和问题保持不动。三种要求写成：

列表：用无序列表输出这三个待办，一条一行，不要额外说明文字。
表格：用 Markdown 表格输出，三列：待办 | 负责人 | 截止时间。
固定字段：只输出 JSON，不要代码围栏，不要任何解释文字：
{"todos":[{"task":"","owner":"","due":""}]}

解析验证放在本地脚本里做，列表比对行数，表格按 | 切列看每行列数是否一致，固定字段直接走一次解析：

import json
raw = open("model_out.txt", encoding="utf-8").read()
try:
    data = json.loads(raw)
    print("ok", len(data["todos"]))
except Exception as e:
    print("need_fix", e)

三种里固定字段最容易在 JSON 前后多出一两句收尾说明。遇到这种情况直接记不可解析，不要在前端正则去剥，改成提示词里再收紧一次，并在服务端保留一次解析失败的兜底。

把三类结果合成一张选型参考表

把三张记录表放在一起看，结论只留三行，每行都要能对应到一类具体任务。

【可放心用】把列表格式下跑出的前三行原始返回贴在这里，用于以后比对是否退化。
【必须人工校对】把固定字段那档夹带了说明文字的那次返回原样贴在这里。
【暂不适用】把超过走样档那次返回里缺项或编造的那一两句原样贴在这里。

三处片段留空，填入你自己的原始返回，不要照抄任何示例内容，这样下次模型或配置变化时才有可比的基线。