同一段歌词两次生成风格差很多，通常不是提示词写错了，而是两次提交之间同时变了好几处：标签顺序换了、描述里多加一个词、标点从逗号改成顿号，或者只是生成过程本身的随机性。要定位问题，先把歌词文本、标签顺序、描述长度这三类变量拆开，每次提交只动一处，再看结果是否随这一处变化。顺序上建议先做逐字比对，再做单变量标签测试，最后用完全相同的输入重复提交，确认波动本身有多大。
同一段歌词出现风格漂移，先别改歌词，也别整段重写提示词。把两次提交的提示词原文逐字对齐，圈出标签顺序、增删词、标点三类差异；固定歌词只动一个标签做单变量测试；再用完全相同的输入重复提交几次，看波动本身有多大。如果相同输入的听感差异已经接近换标签带来的差异，说明此时继续微调提示词收益有限，应先固定模板与提交方式，再谈调优。
把两次提交的提示词逐字比对并标出实际差异
这一步的要点是从提交历史里把两次提示词原文整段复制出来，不要凭记忆重打。按标签段、情绪段、段落标记、歌词、结尾修饰这几个片段对齐，逐字比对，把每处差异标成变量类别。下面是一份对照表的填写样式，内容按你自己的两次提交替换。
- 片段位置：开头标签段 / 情绪描述 / 段落标记 / 歌词 / 结尾修饰
- 变量类别：A 标签顺序、B 增删词、C 标点与大小写、D 段落标记写法、E 描述长度
| 片段 | 第一次提交 | 第二次提交 | 差异 |
|---|---|---|---|
| 开头标签段 | city pop, 80s, female vocal | female vocal, city pop, 80s | 同词不同序（A） |
| 情绪描述 | 温暖、略伤感 | 温暖，带一点怀旧 | 换词加字（B） |
| 段落标记 | [Chorus] | [chorus] | 大小写（C） |
| 结尾修饰 | clean mix. | clean mix | 句末标点（C） |
| 描述段总长 | 两句话 | 五句话 | 长度（E） |
如果一次提交里同时出现三类以上差异，这组对比只能当“散着改”的反面样本，不能用来归因。标注完成后，把差异最多的那一类记下来，它就是下一节单变量测试要优先排除的对象。
固定歌词文本只改一处标签再生成
单变量测试的做法是：歌词逐字不动，其余标签、顺序、标点全部冻结，每轮只改一个标签。可以先按下面的序列跑四轮，每轮把提示词存成独立文件，方便回看。
- 第 0 轮：把当前提示词定稿，存为 base，作为基线，歌词与空格都保持原样。
- 第 1 轮：只删除一个标签（例如 city pop），逗号位置和其他标签不动。
- 第 2 轮：恢复该标签，只把它换成一个近义标签（例如 city pop 换成 synth-pop），位置不变。
- 第 3 轮：标签内容恢复到基线，只移动它的位置，例如从开头移到情绪描述之后。
每轮生成后按同一组听感点记录，避免只记“好听、不好听”这种无法比较的判断：主歌人声的音色与混响量、副歌乐器层数与密度、鼓组与低频的突出程度、整体速度与律动、段落之间的动态落差、结尾的收束方式。若第 1 轮相对基线的变化明显大于第 3 轮，说明这个标签的内容比位置更起作用；反过来则说明位置更值得注意。这只对当前这组输入成立，换歌词后需要重新确认。
把同一组标签正序与倒序各提交一次
这一节只回答一个问题：标签前后位置是否影响结果权重。标签集合完全相同，只把顺序整体倒过来，各提交一次，记录格式建议如下。
提交 A：city pop, 80s, female vocal, warm, clean mix
提交 B：clean mix, warm, female vocal, 80s, city pop
歌词：与 base 完全一致
听感记录 A：女声靠前，鼓组偏轻，副歌乐器层数少
听感记录 B：低频更厚，副歌铺底更满，人声略退后记录时把两版的实际听感差异写清楚，再和下一节的重复提交波动做比较。无法从页面行为或日志确认的部分，例如模型内部是否按位置加权、权重差多少，不写入结论。能确认的只有：在这两次输出中，正序与倒序的听感差异是否明显；如果差异幅度落在相同输入的波动范围之内，就不能把原因归给标签顺序。
把口语化提示词改成固定槽位模板
每次用不同说法描述同一件事，本身就制造了漂移。把提示词改成固定槽位，槽位名称、顺序、分隔符都不变，只替换花括号里的内容，就能把“表述差异”这个变量按住。
[曲风] {genre}, {era}, {texture}
[情绪] {mood}, {energy}
[乐器] {instrument-set}, {mix-note}
[段落] [Intro] [Verse] [Chorus] [Outro]
[歌词]
{原文歌词，逐字不改}可变项只有花括号内的 {genre}、{era}、{texture}、{mood}、{energy}、{instrument-set}、{mix-note} 和歌词本身；方括号段落标记、槽位标题、逗号与换行位置都固定。需要调整时一次只替换一个槽位，替换后与上一版做对照，不要顺手改措辞。歌词放进模板时保持逐字一致，包括标点和分行，否则又引入一个变量。
用完全相同的输入重复提交观察波动范围
最后一步是把提示词整段原样复制，连续提交几次，中间不做任何修改。记录格式可以很简单，但要能横向比较。
run_id | 提示词哈希 | 提交时间 | 听感标签（2-3 个词） | 与基线的差异点
R1 | ... | ... | 女声近、鼓轻 | 基线
R2 | ... | ... | 女声近、低频厚 | 低频变化
R3 | ... | ... | 人声退后、层数多 | 人声与层次变化判断方式是看波动幅度，不是看某一次结果好坏。如果相同输入几次提交之间的人声质感、鼓组密度差异，已经接近你换标签带来的差异，说明波动主要来自生成过程，此时继续逐字微调提示词收益不确定，先把模板、提交方式和记录固定下来更实际；若产品提供种子或随机性相关设置，也可以先固定这类参数再观察。反过来，如果相同输入的结果基本一致，那么两次生成的风格差异就大概率来自提示词本身，回到第一节的对照表逐项排除即可。