如何让 AI 按步骤处理任务：把复杂工作拆成可检查的流程
把资料提取、分类、写作和核验拆成连续步骤，为每一步定义输入、输出和检查点，让复杂任务更稳定、更容易排错。
相关工具
复杂任务为什么容易在一次生成里失控
“请阅读这份资料，提取重点，分类整理，写成一篇结构清晰的报告，再检查有没有遗漏”听起来像一句完整要求，实际上包含了好几种不同工作：理解任务、寻找事实、归类信息、组织文章、核对结果。模型可以一次完成，但每一步都可能悄悄偏掉，最后只剩一篇看起来完整、却很难定位问题的成稿。
《LLM 入门资料》中把提示链、思维链推理、检查输入、检查输出和评估分别讲解，核心并不是让提示词变复杂，而是把一个大任务拆成几个可以观察的阶段。每个阶段只做一类事情，下一步接收上一阶段的结果，错误就不容易被一层流畅表达掩盖。
分步处理也不意味着所有事情都要拆成十几轮。简单任务可以一次完成；当任务同时涉及资料提取、判断、写作和高风险核验时，才值得增加步骤。判断标准很简单：如果你无法说清结果错在哪里，就应该考虑把过程拆开。
从明确目标开始，依次完成事实提取、结构组织、成稿生成和交付检查。
先确定每一步的输入和输出
分步任务最重要的不是步骤数量，而是边界。每一步开始前，要知道它拿到什么材料；完成后，要知道应该交出什么结果。比如第一步只提取事实，输出就应该是带来源的事实清单，而不是一篇润色后的文章。第二步只负责分类，输出就应该是统一结构的分类结果，而不是顺手补写结论。
输入和输出最好使用稳定格式。事实提取可以要求“每项包含事实、原文依据和来源页”；分类可以要求“每类包含名称、判断依据和归入条目”；写作可以要求“只使用上一阶段确认过的内容”。格式稳定，后续步骤就不必重新猜测前一阶段到底交付了什么。
还要区分必须传递的信息和可以丢掉的噪声。上一阶段的完整推理过程不一定需要全部进入下一阶段，但事实、来源、限制条件和未确认项必须保留。分步处理不是把信息越传越少，而是让每一步只接收与当前工作有关的内容。
先提取，再分类，不要一开始就写成稿
面对 资料、会议记录或长篇资料，第一步通常应该是提取任务相关的信息。可以要求 AI 只找数字、日期、定义、决定、问题和原文依据，并明确不要改写，不要补充，不要提前下结论。这样做看似慢，却能把事实和表达分开，后面写文章时不容易把推测误当成原文。
分类的任务是建立关系，不是制造新观点。可以按主题、时间、严重程度、角色或处理状态分类，但要先写明分类规则。比如把客户反馈按“功能问题、使用障碍、价格意见和服务体验”归类，并要求每条反馈只放入一个主类别，无法判断时单独列出。
如果材料本身有噪声，可以把清洗作为提取前的独立步骤；如果材料不长，也可以在同一阶段完成。关键是不要让“清理、提取、总结、改写”互相遮盖。发现输出不对时，你应该能知道是资料没有读出来，还是后续表达出了问题。
一次性指令把多种任务混在一起，分步处理则为提取、分类、写作和核验设置独立检查点。
写作只是把确认过的内容组织出来
当事实和结构已经准备好，写作阶段的任务就清楚多了：面向谁、解决什么问题、按什么层级展开、使用什么格式。可以要求模型只使用前面确认过的事实，并在缺少依据时保留“待确认”标记。这样，写作阶段主要负责表达和连接，而不是重新发现事实。
如果文章需要例子，也应明确例子的来源。来自原文的例子可以直接引用或改写；为了帮助理解而补充的例子，要标注为示例，不能让读者误以为是资料中的真实案例。先确认内容，再调整语气和节奏，通常更容易保留原意。
每一步都要设置一个小检查点
检查点不需要写成复杂评分表，但要回答一个具体问题：这一步的输出能不能交给下一步？事实提取看是否遗漏关键字段和来源；分类看是否遵守规则、有没有重复归类；提纲看是否覆盖任务目标；成稿看是否符合读者、长度和格式；最终交付看是否还有未确认内容被写成确定结论。
检查点最好与失败后动作对应。字段不全就回到提取阶段补材料；分类混乱就修改分类规则；提纲缺项就补结构；格式不对就调整输出要求；依据不足就进入人工复核。这样做比笼统要求“请自我检查”更有用，因为模型知道要检查什么，使用者也知道下一步该改哪里。
对于重要任务，可以把中间结果保留下来，不要只保存最终文章。中间结果是排错证据，也是下一次迭代的样本。以后换模型、换资料或修改 Prompt 时，比较每一步的变化，才能知道质量究竟从哪里开始下降。
出错时先定位步骤，再修改提示词
多步骤工作流的一个好处，是失败可以被切开看。最终文章漏掉一个事实，不一定是写作能力的问题，可能是第一步提取时就没有找到；分类结果不一致，可能是分类规则模糊；格式无法解析，可能是最后一步没有明确字段。先找出错误第一次出现的位置，再决定修复方式。
如果错误在输入阶段，补材料或清理噪声；如果错误在中间结构，调整字段、规则和示例；如果错误只出现在生成阶段，收紧写作范围和输出格式；如果事实本身涉及高风险判断，就交给人工复核。不要遇到所有问题都去增加角色设定或形容词，它们通常解决不了流程断点。
从错误首次出现的步骤开始排查，分别处理输入、材料、格式、依据和人工复核问题。
一个可以直接套用的分步 Prompt
以“根据客户反馈写产品改进报告”为例，可以把任务写成下面这样：
请按以下四步处理材料，每一步完成后保留结果，再进入下一步。
第一步，提取：只提取客户原话、提到的功能、问题表现、频次和来源，不做推测。
第二步，分类：按功能缺陷、使用障碍、服务体验和价格意见分类，无法归类的单独列出。
第三步，组织：为每类整理问题、证据、影响和建议，保留原始来源。
第四步，成稿：面向产品团队写一份改进报告，包含摘要、重点问题、证据、建议和待确认事项。
检查要求：不得新增材料之外的数字和结论；材料没有提供的内容写“未提供”；每一步都使用清晰的小标题。
输出格式：先展示四步中间结果，再给出最终报告。这个 Prompt 的重点不是步骤越多越好，而是每一步只做一类工作，并且把中间结果留下来。对于不需要人工介入的简单任务，可以把四步合并成一个请求；对于资料复杂或风险较高的任务，则应该在提取和组织之后先复核，再允许模型进入写作。
分步不是拖慢，而是让质量有地方落脚
一次生成适合简单、低风险、容易验收的任务；分步处理适合资料复杂、要求严格、需要追溯或经常返工的任务。它把一个模糊的“请直接给最终答案”，变成一条可以观察的工作链：目标清楚，材料干净，中间结果可查，最终格式可验。
Prompt 工程里真正有用的步骤，不是让模型输出更长的过程，而是让每一步都对下一步负责。先确定输入，再定义输出；先提取事实，再组织观点；先检查中间结果，再生成最终文本。这样，模型的语言能力才不会掩盖流程问题，使用者也能更快找到需要改动的地方。
常见问题
所有任务都需要拆成很多步吗？
不需要。简单、低风险且容易验收的任务可以一次完成；当任务包含资料提取、分类、写作和核验，或者经常返工时，再考虑分步处理。
分步处理是不是一定要多轮对话？
不一定。可以在一次 Prompt 中写清楚处理顺序和中间结果，也可以把关键阶段拆成多轮，取决于是否需要人工复核或重新使用中间结果。
中间结果应该全部展示给用户吗？
不一定。重要的是中间结果可检查、可追踪。面向用户可以只展示摘要和最终答案，内部则保留事实清单、来源、分类结果和检查记录。