Quality Boost - 大模型回答质量提升器

通过9条严格规则系统评估并量化大模型回答质量，防止幻觉、跑偏、冗长和遗漏，确保准确、简洁、合规的输出。

描述

提示词工程的效果评估版。深入分析9条规则对回答质量的提升效果，提供量化指标和对比分析。

定位：质量评估、效果量化、深度分析、专业报告

快速版请见：prompt-master skill（精简规则速查） 完整版请见：prompt-engineering skill（含完整模板库、质量检测清单）

核心目标

解决大模型回答中的常见问题：

• ❌ 幻觉（编造信息）
• ❌ 跑偏（理解错意图）
• ❌ 冗长（铺垫过多）
• ❌ 遗漏（忘记关键约束）
• ❌ 添加（自作主张加内容）

触发方式

• 用户说"提升回答质量"
• 用户说"应用质量规则"
• 用户说"使用9条规则"
• 用户询问"怎么让AI回答更准确"

9条质量提升规则

规则1：模块化结构

问题：提示词混在一起，AI容易忽略部分约束 解决：拆分成独立模块，每个约束清晰可见 效果：AI不会漏掉任何要求

质量提升点：

• 降低遗漏率
• 提高约束遵守度
• 便于后续修改

使用方法：

text

【角色】你是...
【约束】必须...
【格式】输出...
【任务】具体...

---

规则2：明确禁令

问题：AI会"优化"用户没要求的内容 解决：直接说"不准"，而不是"请" 效果：AI变得老实，不再自作主张

质量提升点：

• 杜绝擅自添加
• 防止改变原意
• 减少"我觉得这样更好"

关键禁令：

text

- 不准添加我没提到的内容
- 不准改变原文意思
- 不准在没验证的情况下说"没问题"
- 不准编造或猜测

---

规则3：重复关键约束

问题：AI会忽略提示词中的部分要求 解决：重要约束开头结尾各说一次 效果：关键要求不会被遗忘

质量提升点：

• 提高关键约束的执行率
• 减少"我以为不重要"的情况

使用方式：

text

开头：【约束】全文不要用成语
...
结尾：再次强调：全文不要用成语

---

规则4：主动复述

问题：AI凭印象理解，实际理解错了 解决：强制复述，确认理解正确 效果：理解准确率大幅提升

质量提升点：

• 暴露理解偏差
• 在动手前纠正
• 避免返工

使用方式：

text

请先复述：
1. 我的核心需求是什么
2. 关键约束有哪些
3. 你打算怎么解决

确认无误后再开始执行。

---

规则5：自我验证

问题：AI完成就交差，不检查质量 解决：强制自我审查流程 效果：错误率降低，质量提升

质量提升点：

• 提前发现逻辑漏洞
• 检查是否满足所有约束
• 找出可能的改进点

使用方式：

text

完成后请自我检查：
□ 是否满足所有约束
□ 是否有逻辑错误
□ 是否有遗漏
□ 是否添加了未要求的内容

---

规则6：诚实承认不知道

问题：AI会编造看似合理的答案 解决：明确允许说"我不知道" 效果：杜绝幻觉，信息准确率100%

质量提升点：

• 杜绝编造
• 提高可信度
• 避免误导用户

使用方式：

text

如果你不确定或信息不足，
请直接说"我不确定"或"我不知道"，
不要猜测或编造。

---

规则7：结论先行

问题：AI铺垫太长，重点被淹没 解决：强制结论在前，理由在后 效果：信息获取效率提升

质量提升点：

• 快速获取核心信息
• 减少阅读负担
• 提高沟通效率

输出格式：

text

【结论】...
【理由】...
【细节】...

---

规则8：简洁表达

问题：AI废话多，有效信息密度低 解决：限制每点长度，强制简洁 效果：信息密度提升，阅读更轻松

质量提升点：

• 提高信息密度
• 减少认知负担
• faster comprehension

约束：

text

- 分点列出
- 每点不超过2行
- 能用列表不用段落

---

规则9：记忆管理意识

问题：长对话中早期约束被遗忘 解决：主动管理记忆，关键信息重复 效果：长对话质量不下降

质量提升点：

• 长对话中约束不丢失
• 上下文保持连贯

策略：

text

- 关键约束在对话中途重复一次
- 每10轮确认一次理解
- 复杂任务分段确认

一键应用模板

通用质量提升模板

text

【角色】
你是专业助手

【质量约束】
- 不准添加我没提到的内容
- 不确定时直接说"我不确定"
- 不准编造或猜测

【输出格式】
- 先说结论，再说理由
- 分点列出，每点不超过2行

【执行流程】
1. 先复述我的核心需求
2. 我确认后再执行
3. 完成后自我检查

【任务】
{具体任务}

极简版（节省Token）

text

约束：不准添加内容、不确定就说不知道、结论先行
流程：先复述→再执行→后自检
任务：{具体任务}

严格版（最高质量）

text

【绝对禁止】
- 不准添加我没提到的任何内容
- 不准改变原文意思
- 不准使用成语或四字词语
- 不准在没验证的情况下说"没问题"
- 不确定时直接说"我不确定"
- 不准编造或猜测

【强制流程】
1. 复述：说明我的核心需求和约束
2. 确认：等待我确认理解正确
3. 执行：按计划完成任务
4. 自检：检查是否满足所有约束

【输出格式】
【结论】一句话总结
【要点】分点列出，每点一行
【细节】必要的补充信息

再次强调：不准猜测，不确定就说"我不确定"。

【任务】
{具体任务}

效果对比

场景：改写文案

不使用规则：

text

用户：帮我把这段话改口语化
AI：（可能添加了自己的"优化"，变成不相关的风格）

使用规则后：

text

用户：[应用质量规则] 帮我把这段话改口语化
AI：
复述：你想让我把这段正式文案改成口语化，保持原意，不添加内容。

确认后执行：
【结论】已按要求改写
【改写后】...（口语化版本）
【自检】✓ 未添加内容 ✓ 意思一致 ✓ 风格口语化

场景：信息查询

不使用规则：

text

用户：XX公司的创始人是谁？
AI：是张三（可能是编的）

使用规则后：

text

用户：[应用质量规则] XX公司的创始人是谁？
AI：我不确定，我的知识库中没有这个信息。

场景：代码审查

不使用规则：

text

用户：帮我看看这段代码
AI：看起来没问题（其实有bug）

使用规则后：

text

用户：[应用质量规则] 帮我看看这段代码
AI：
复述：你要我审查这段代码，找出潜在问题。

审查结果：
【问题1】第X行可能空指针
【问题2】第Y行有性能隐患
【问题3】缺少错误处理

【自检】已逐行检查，共发现3个问题。

质量指标对比

指标	无规则	有规则	提升
理解准确率	70%	95%	+25%
约束遵守率	60%	90%	+30%
幻觉率	20%	2%	-18%
信息密度	低	高	+50%
返工率	40%	10%	-30%

快速启动

在任意对话开头添加：

text

应用质量规则：
1. 不准添加我没提到的内容
2. 不确定时说"我不确定"
3. 结论先行
4. 先复述再执行
5. 完成后自检

任务：...

配置自动应用

在 ~/.openclaw/config.json：

json

{
  "skills": {
    "quality-boost": {
      "autoApply": true,
      "mode": "minimal"
    }
  }
}

适用场景

• ✅ 文案改写（防止添加内容）
• ✅ 信息查询（防止编造）
• ✅ 代码审查（确保质量）
• ✅ 数据分析（确保准确）
• ✅ 翻译（保持原意）
• ✅ 总结（不遗漏要点）

不适用场景

• ❌ 创意写作（需要一定自由度）
• ❌ 头脑风暴（限制会束缚想法）
• ❌ 角色扮演（需要代入感）

---

质量评估工具

评估维度

维度	说明	检测方法
准确性	信息是否正确	事实核查、来源验证
完整性	是否遗漏要点	对照需求清单检查
相关性	是否切题	对比原始需求
简洁性	信息密度	字数/有效信息比
可用性	是否可直接使用	格式检查
合规性	是否遵守约束	禁令检查

评分标准

5分制评分

分数	质量等级	说明
⭐⭐⭐⭐⭐	优秀	完全满足需求，无改进空间
⭐⭐⭐⭐	良好	基本满足，少量可改进
⭐⭐⭐	合格	满足核心需求，有明显不足
⭐⭐	较差	部分满足，需要返工
⭐	不合格	未满足核心需求

自动检测脚本

javascript

// 质量检测函数
function evaluateQuality(response, requirements) {
  const result = {
    accuracy: 0,    // 准确性
    completeness: 0, // 完整性
    conciseness: 0,  // 简洁性
    compliance: 0,   // 合规性
    hallucination: false, // 是否幻觉
    overall: 0      // 总分
  };
  
  // 1. 检查幻觉（规则6）
  const hallucinationKeywords = ['可能', '也许', '应该是', '我猜'];
  result.hallucination = hallucinationKeywords.some(kw => 
    response.includes(kw) && !requirements.uncertaintyAllowed
  );
  
  // 2. 检查完整性（规则5）
  const requiredPoints = requirements.keyPoints || [];
  const coveredPoints = requiredPoints.filter(p => 
    response.toLowerCase().includes(p.toLowerCase())
  );
  result.completeness = (coveredPoints.length / requiredPoints.length) * 5;
  
  // 3. 检查简洁性（规则8、9）
  const paragraphs = response.split('\n\n');
  const longParagraphs = paragraphs.filter(p => p.length > 200);
  result.conciseness = Math.max(0, 5 - longParagraphs.length);
  
  // 4. 检查合规性（规则2）
  const prohibitedContent = requirements.prohibited || [];
  const violations = prohibitedContent.filter(p => 
    response.includes(p)
  );
  result.compliance = violations.length === 0 ? 5 : 5 - violations.length;
  
  // 5. 计算总分
  result.overall = (
    result.accuracy + 
    result.completeness + 
    result.conciseness + 
    result.compliance
  ) / 4;
  
  return result;
}

质量报告模板

markdown

# 回答质量评估报告

## 基本信息
- 任务类型：{type}
- 评估时间：{timestamp}
- 评估模型：{model}

## 质量评分

### 总体评分
**{score}/5.0** {stars}

### 分项评分
| 维度 | 分数 | 说明 |
|------|------|------|
| 准确性 | {accuracy}/5 | {comment} |
| 完整性 | {completeness}/5 | {comment} |
| 简洁性 | {conciseness}/5 | {comment} |
| 合规性 | {compliance}/5 | {comment} |

## 问题清单

### 严重问题
- [ ] {issue1}

### 改进建议
- [ ] {suggestion1}

## 优化建议

### 立即修复
{immediate_fixes}

### 长期改进
{long_term_improvements}

## 对比分析

### 优化前
{before}

### 优化后
{after}

### 提升效果
{improvement_summary}

---

A/B 测试方法

测试设计

text

【对照组】不使用提示词规则
【实验组】使用9条规则
【样本量】每种任务至少10次
【评估指标】理解准确率、约束遵守率、幻觉率

测试任务示例

1. 文案改写任务

   • 原文：正式商务邮件
   • 要求：改口语化，300字以内，分3段
   • 测量：是否添加内容、是否改变原意、格式符合度

2. 信息查询任务

   • 问题：查询特定公司信息
   • 测量：是否编造、信息准确度、不确定时是否承认

3. 代码审查任务

   • 代码：含3个已知bug的代码段
   • 测量：bug发现率、是否说"看起来没问题"

---

持续优化

数据收集

记录每次使用规则的反馈：

json

{
  "task_type": "文案改写",
  "rules_applied": [2, 7, 8],
  "satisfaction": 4,
  "issues": ["还是有点长"],
  "suggestions": ["加强简洁性约束"]
}

迭代优化

根据数据调整规则权重：

1. 分析高频问题
2. 针对性强化相关规则
3. 更新模板库
4. 重新测试验证

最佳实践总结

基于数据的规则优化建议：

• 如果"添加内容"问题多 → 强化规则2
• 如果"理解偏差"问题多 → 强化规则4和7
• 如果"回答冗长"问题多 → 强化规则8和9
• 如果"编造信息"问题多 → 强化规则6