设计写作智能批改模块的提示词工程，核心在于将复杂的批改任务分层解耦，并建立确定性的结构化输出机制，避免大模型产生幻觉或输出过于笼统的评语。
以下是写作批改模块的提示词工程设计方案：
一、体系架构设计
提示词工程采用多阶段串行（Pipeline）架构，将一次完整的批改拆分为三个核心环节：
预处理与合规校验：判断文章是否离题、字数是否达标、是否存在抄袭或不当内容。
多维度深度批改：从语法错误、词汇运用、句式结构、篇章逻辑四个维度进行精准定位与修正。
综合评价与个性化建议：根据教学大纲评分标准打分，并生成符合学生认知水平的针对性评语。
二、核心阶段提示词设计
第一阶段：合规与基础校验
此阶段旨在拦截无效请求，避免对非目标文本消耗过多的推理资源。
系统角色：设定模型为严格的作文审核员。
输入变量：作文题目、作文要求、学生提交的文本。
指令要求：
检查文本是否与题目相关。
检查字数是否达到最低要求。
判断是否存在乱码、无意义重复或违规内容。
输出控制：采用严格的真假值与错误代码机制，若不合规直接打回，附带原因提示；若合规则进入下一阶段。
第二阶段：多维度精准批改
这是批改系统的核心，重点在于要求模型提供精准位置和改写依据，避免泛泛而谈。
系统角色：设定模型为经验丰富的资深英语教师，注重引导式教学而非单纯给答案。
输入变量：文章文本、适用学段（如初中、高中、大学）。
指令要求：
语法与拼写：逐句扫描，指出拼写错误、时态误用、主谓不一致、冠词遗漏等问题，给出修改后的正确表达。
词汇升级：识别出文章中过于基础或高频重复的词汇，结合上下文推荐更地道、高级的替换表达，并说明理由。
句式优化：找出冗长、结构单一或存在语病的句子，提供合并句子、使用从句或倒装句等改写方案。
逻辑与衔接：评估段落之间的过渡是否自然，上下文逻辑关系是否严密，指出缺少连接词或逻辑脱节的地方。
输出控制：要求返回强类型的结构化数据，包含错误原文、修改建议、错误类型分类、位置编号及教学解析。
第三阶段：多维评分与生成式评语
根据具体的考试或教学标准，计算综合得分并生成鼓励性的教辅评语。
系统角色：设定模型为温和且具建设性的英语教学专家。
输入变量：第二阶段生成的批改详情、评分标准细则（如语言准确性占百分之四十，篇章结构占百分之三十等）。
指令要求：
依据评分标准对各个维度分别打分，并计算总分。
总结文章的两到三个突出亮点（如用词精准、立意深刻等），予以肯定。
指出当前最影响得分的一到两个核心短板，提供针对性的练笔建议。
语言风格需契合对应学段学生的理解能力，保持鼓励与引导的基调。
输出控制：输出包含总分、分项得分、亮点总结、改进建议以及整篇优化参考范文。
三、稳定性与防幻觉调优策略
为了保证批改结果在生产环境中的稳定可靠，提示词编写需遵循以下调优规则：
少样本示例（Few-Shot Learning）：在系统提示词中加入三到五个典型的修改案例，覆盖常见语法错误、词汇提升和逻辑改写，规范模型的推理逻辑与输出格式。
思考链引导（Chain of Thought）：要求模型在给出最终批改意见前，先在内部进行推理，例如“第一步：找出句子主干；第二步：检查主谓一致；第三步：评估时态”。
明确界限与约束：明确规定模型不得凭空编造不存在的语法规则；对于模棱两可的表达，需标记为“建议优化”而非“语法错误”。
温度参数（Temperature）控制：在第二阶段批改中将温度参数调低（如零点一至零点三），确保输出高度确定；在第三阶段评语生成时可适当调高（如零点五），使评语表达更加丰富自然。
四、部署与接口集成
在平台后端，提示词方案通过服务管道进行封装：
参数动态注入：根据前端传来的学生年级、考试类型（如中考、高考、四六级），动态拼接对应的评分标准提示词片段。
格式解析与校验：后端接收模型返回的结构化文本后进行合法性校验，若发现格式异常则触发自动重试机制。
缓存与二次利用：将常见的语法错误批改结果进行向量化存储，遇到高频同类错误时可加速响应并降低模型调用成本。
