2026 提示词工程进阶：别再拿群公告当提示词版本库
老孙带了 6 人小队，给省级市场监管局做投诉分拣助手。客户口头说得很清楚：角色是持证分拣员，不是客服，也不是律师；简单咨询走短回复，材料不全就列缺口，罚款金额和吊销许可必须升级人工；姓名、电话、统一社会信用代码一律脱敏。
结果上线第一周全乱了。Qwen 把角色忘干净，跟投诉人拉起家常，还随口报了一个并不存在的罚款区间。DeepSeek 看见「投诉」两个字就写八百字法律意见，值班大屏根本塞不进去。Kimi 窗口一短，把系统角色和三条例子挤掉，按上一单的分拣口径交差。小队在群里改了三天提示词，线上又漂回去——有人把「禁止编造金额」写在置顶，有人把 few-shot 贴在文档，有人把角色说明塞进个人笔记。隔壁老同事路过说了一句难听的：别再拿聊天记录当提示词版本库，把角色、约束、示例和失败回退写进 SPEC。
这句话把 2026 年提示词工程的分水岭说透了：能聊的提示词已经不够用，能进系统的提示词必须可版本、可对照、可回退。
提示词工程进阶到底在管什么
很多人还停在「把需求写清楚一点」。进阶之后，提示词不再是一段会漂的自然语言，而是四件套：
- 角色契约：你是谁、不是谁、对谁负责。分拣员不能客串律师，也不能替局领导拍板。
- 约束与红线：哪些字段必须有、哪些结论禁止编、哪些情况必须升级。红线不是建议，是门禁。
- 示例与反例：few-shot 不是装饰。正例告诉模型「过关长什么样」，反例告诉它「这种漂亮的胡说一律打回」。
- 版本与回退：提示词改了哪一行、谁改的、对哪一批工单生效；解析失败或越权时重试一次，仍失败就升级，而不是换个更会编的说法。
用值班室的比喻最直观。角色是工牌，约束是墙上的红线，示例是上一班留下的合格样本，版本是交接班记录。没有这四样，换一班人、换一个模型，口径一定漂。
它和检索、结构化输出也不是一回事。检索管从哪找依据，结构化输出管交出去的单子字段齐不齐，提示词工程管的是：在动手之前，这个岗位到底允许怎么想、怎么说、说到哪必须停。
为什么 2026 必须认真对待
交付已经从「能聊两句」变成「能进值班大屏」。市场监管的投诉分拣一旦进系统，编造的罚款金额不是段子，是事故。
同一套口头规则，在不同基座上的服从度能差一个数量级。Qwen 爱聊天，DeepSeek 爱长考，Kimi 窗口一紧就丢角色。你在群里改提示词，等于把最便宜、也最容易漂的资产放在最不可控的地方。
私有化场景更吃这一套。投诉材料、企业信用、当事人电话不能随手上云实验；规则必须跟着环境走，而不是跟着某个人的聊天记录走。
落地时最常见的三道坎
环境不稳。本地笔记本、个人 Key、随手改的 system prompt，明天换台机器角色就丢。Mock 工单和线上工单对不齐，演示很漂亮，值班室一接就翻车。
模型不灵。一套提示词只在某一个基座上好看。你为 Qwen 调的 few-shot，DeepSeek 当成可以发挥的素材，Kimi 直接截断。没有对照实验，你会误以为「提示词写得不够好」，其实是规则没有被当成契约执行。
规则易飘。角色改半句、红线加一条、示例换两则，全在群公告里完成。过两周没人说得清线上到底跑的是哪一版，出了问题只能再改三天提示词。
MonkeyCode 在这条链路上补的是什么
小队后来没再把提示词当聊天记录改，而是把实验搬到 MonkeyCode。
- 免安装云端环境：浏览器打开就能跑，每人一套真实云端任务环境，不再把投诉脱敏样本散落在个人电脑。
- 多模型一键切换：GLM、Kimi、MiniMax、Qwen、DeepSeek 同一套 SPEC 交叉验证，立刻能看出谁把角色执行成了客服，谁把红线执行成了建议。
- 需求与 SPEC 管理：角色、红线、正反例、重试次数、升级条件写成可版本的契约，而不是群置顶。
- 完全开源、可私有化：有网络隔离和合规要求的厅局，可以把同一套流程放到自己的机器上。
基础版免费（1 并发 / 1C4G / 每日 30M Token），需要更高并发再看专业或旗舰会员。对这个 6 人试点来说，先把契约跑通比先买席位重要。
三步把投诉分拣的提示词写成契约
第一步：新建任务，固定对照。选 Qwen 做主实验，DeepSeek 做对照，Kimi 做短窗口基线。同一批 20 条脱敏投诉，不允许各改各的提示词。
第二步：把规则写进 SPEC，而不是群里。
- 角色：省级市场监管局投诉分拣助手；不是客服，不是律师，不代替处罚决定。
- 红线：不编造罚款金额、许可状态、法条编号；不确定就升级人工；姓名、电话、信用代码脱敏；禁止输出思维链给投诉人。
- 输入：ticket_id、channel、narration；不允许额外附件通道。
- 输出：category（咨询 / 举报 / 投诉 / 复议）、urgency（低 / 中 / 高）、gap_list、need_upgrade、reason。
- 示例：3 条正例（材料不全只列缺口、简单咨询短回复、涉及吊销必须升级）；2 条反例（随口报罚款区间、把上一单口径套到本单）。
- 校验：缺必填或解析失败重试一次，仍失败升级；禁止在角色未对齐前输出结论。
- 预算：短回复超时 8 秒降级到升级队列，禁止靠「再想一会儿」绕过门禁。
第三步：同批回归，看门禁而不是看感觉。20 条跑完，编造罚款金额 6→0，角色漂移成客服 5→0，短窗口丢掉红线 4→0。Kimi 截断角色后被回退拦住，不再按上一单交差。
四点建议，给还在改提示词的小队
- 小任务试点。先拿 20 条脱敏工单，不要一上来就接值班大屏。
- 规则写进 SPEC。角色、红线、正反例、升级条件有版本，才能谈回滚。
- 多模型交叉验证。一套契约至少过三家基座，谁把约束执行成建议，立刻暴露。
- 敏感数据私有化。投诉原文不出域；开源只解决流程可迁移，不解决你把数据随便粘贴。
提示词工程进阶，不是把句子写得更像诗，而是把岗位手册写成机器也跑不丢的契约。2026 年还靠群公告改 system prompt 的团队，会在第一个换模型的夜晚，把上一班的口径弄丢。
老孙他们后来没再为「到底谁改了那句角色说明」开会。SPEC 在，对照在，回退在。投诉分拣助手终于不再像一个会聊天的临时工，而像一个能交接班的岗位。