改到第三节开始跑偏，通常不是模型改不动长文档，而是系统提示里的约束在中段没有被稳定执行：范围约束写得含糊、格式约束埋在自然语言里、禁区没有单独成句，三类约束挤在同一段话里，漏掉哪一条都看不出来。可以先做的判断是——把改动约束拆成范围、格式、禁区三层分别写进系统提示，再拿同一段原文跑两次对照，看越界改动的位置是否收窄。这个方法验证的是提示结构，不是模型能力上限；如果两次都在同一处跑偏，就要先怀疑上下文被截断，或者任务本身给的信息不够。

长文档改到中段越界，先别急着换模型。从会话记录里截出第三节前后的输入与输出，标出越界改动落在哪几句；再把约束按范围、格式、禁区三层写进系统提示，用同一段落跑两次对照。分层的价值是让每类约束可以单独验证、失败时能定位到哪一层，而不是让模型改得更好。两次输出若在同一处仍然越界且输入片段完整，应转向补全任务描述，而不是继续堆提示词。

在会话记录里定位跑偏发生的段落

定位跑偏，先要有一份能对比的原始输出。建议在调用侧保存完整请求体与响应体，或者至少把系统提示、用户输入、模型返回三段分开落盘；只留一句“改得不对”的聊天记录，后面无法判断是约束没执行还是上下文被截断。落盘后按文档自身的层级切段，把第三节单独摘出来做 diff，越界改动会直接体现为第三节范围之外出现的新增行或删除行。

# 假设文档用标题分节，先各存一版原文与模型输出
sed -n '/^## 第三节/,/^## 第四节/p' draft.md > section3.before.md
sed -n '/^## 第三节/,/^## 第四节/p' model_output.md > section3.after.md
diff -u section3.before.md section3.after.md

# 再看第三节范围之外有没有改动
diff -u draft.md model_output.md | grep -E '^[+-]' | grep -v '^[+-][+-]'

读 diff 时重点看三件事：越界改动是出现在第三节标题之后（范围约束失效），还是出现在列表符号、加粗、编号上（格式约束失效），还是模型自行补了原文没有的事实或引用（禁区失效）。三种位置对应三种改法，混在一起改提示词很难判断有没有效果。另外要确认输入片段是完整的——如果日志里第三节被截断成半段，那越界属于上下文问题，调提示词没有意义，需要先改分节提交的方式。

把改动约束拆成范围、格式、禁区三层写进系统提示

三层分开写的目的不是让提示更长，而是让每层有独立的判定位置。骨架里的花括号都是替换项，按实际文档结构和提交方式填；放在系统提示的最前面，用户消息只放原文和这次要改的句子。

# 角色
你在修改一份既有的长文档，只执行用户明确指出的改动。

# 第一层 范围约束
- 允许改动的段落：{段落标题 / 行号范围 / 用户引用的原句}
- 允许改动的幅度：{只改被指出的句子 / 允许重写整段}
- 范围外的段落原样返回，标点、换行、编号不变。

# 第二层 格式约束
- 输出结构：{返回全文 / 只返回改动段落 / 返回补丁}
- 保留原有标题层级、列表符号、代码块标记与缩进。
- 不新增小标题，不调整段落顺序。

# 第三层 禁区约束
- 不改变原意，不补充原文没有的事实、数据、引用。
- 不删除用户未要求删除的内容。
- 判断不了是否越界时停下来提问，不要自行决定。

# 执行顺序
先判断本次改动落在哪一层，再动笔；输出前逐条核对以上三层。

每层都要配一句可检查的判定语句，方便事后在输出里核对：范围层看“被改动的行是否全部落在用户引用的原句内”；格式层看“标题层级和列表符号与原文逐一对应”；禁区层看“输出里是否出现原文中不存在的名词、数字或引号内容”。判定语句写成能被 diff 或肉眼逐条打勾的形式，比“注意不要改错”这类叮嘱更好验证。

用同一段落跑两次对照

对照实验的变量要压到一个：同一段原文、同一句修改指令、同一份文档位置。第一次用原来的提示，第二次只把系统提示换成三层骨架，其余不动。两次调用尽量连续发起，能调温度就固定同一个值，减少无关差异。

记录成表之后，判断标准是看越界位置有没有从“第三节之后整段被重写”收敛到“引用句内部”，而不是看输出读起来顺不顺。如果第二次仍然在第三节范围内多改了几句，说明范围约束的幅度那一条没写死，可以把“只改被指出的句子”补成“引号内的原句之外一个字都不动”。

记录哪类约束仍然失效

两次对照之后通常会发现，有的约束稳定了，有的照样失效。失效要分两类看：提示结构没写清楚，还是任务本身缺信息。前者可以通过改提示解决，后者只能回到任务描述里补。

记录表填完再决定下一步：落在“提示结构”一列的问题，继续在系统提示里改措辞并重跑同一段落；落在“信息不足”一列的问题，加提示词作用有限，应该改成分节提交、附上前置段落，或者在提示里允许模型先提问再动笔。每次只改一层、只跑一次对照，才能把改动和结果对得上。