以 JSON 或 XML 格式提示可以将 LLM 输出提高 10 倍 为什么 因为结构化格式为模型提供了明确的边界和期望 当你要求非结构化文本时，LLM 必须猜测： 这应该多长？ 我需要哪些部分？ 我什么时候完成？ 需要什么程度的细节？ 但使用 JSON/XML，你实际上是在提供一个模板： json{ "summary": "", "key_points": [], "analysis": "", "recommendations": [] } 现在模型确切知道要填什么，以及每个部分大约需要多少内容 这就像 "写一些关于汽车的内容" 和 "填写这个汽车评审表格，包含这 12 个特定字段" 之间的区别 结构消除了决策瘫痪，并给予模型全面性的权限 此外，JSON/XML 自然鼓励模型以有组织的块进行思考，而不是仅仅流式文本直到它感觉 "完成" [这是元黑客] 甚至不要尝试从头开始编写结构化提示 相反： 1. 语音转文本，倾倒你想要分析/研究/写作的所有内容 2. 将那段杂乱的转录粘贴到 AI 中 3. 让它 "基于这个脑力倾倒创建一个 JSON 提示结构，以获得最佳输出" 4. 获取生成的 JSON 模板 5. 将其作为你的实际提示发送回去 你可以获得结构化提示的所有好处，而无需自己思考结构 AI 知道哪些字段最有用，甚至比你更清楚 在 30 秒内将你的意识流转化为专业级提示 自己试试 - 请求以段落形式与结构化格式进行相同的分析 结构化版本每次将长 3-5 倍，并且详细得多