LLM 提示词可移植性审计

跨模型迁移提示词时，最先坏掉的往往不是意图，而是那些隐式约定

把一套跑在 gpt-4o 上的提示词原封不动丢给 Claude 或开源模型，最常见的失败模式并不是“任务没听懂”，而是格式崩了：XML 标签被当成内容输出、reasoning 参数被忽略、工具调用的 tool_calls 结构不再可用、json_mode 返回的不是合法 JSON。这些耦合点平时藏在“能用”的状态里，一旦换底座就集中爆发。

这个技能解决什么

它针对的是提示词的可移植性审计，而不是重写提示词。核心能力有三：

• 拆解耦合：把提示词拆成 system policy、task instructions、examples、context、tools、output contract 六类，逐项定位只在某个厂商生态里成立的假设。
• 替换隐式依赖：把未文档化的模型行为，改写成显式指令与 schema，而不是指望目标模型“自动适配”。
• 保留意图与安全约束：迁移过程中不改变任务目标和安全边界，只调整表达形式。

关键步骤

审计按固定流程推进，便于复现和评审：

1. 先做结构分离，把策略、指令、示例、上下文、工具与输出契约各自独立出来。
2. 标记厂商专有项：角色设定、XML 标签、推理请求、token 控制、工具语法、引用格式、JSON 模式假设。
3. 用显式指令和 schema 替换那些靠运气生效的行为。
4. 删除冲突指令和顺序依赖，尤其是只有单一提供商能容忍的写法。
5. 保留有代表性的示例，但避免措辞过度贴合某一个模型的口味。
6. 组织成可移植核心 + 少量 provider adapter，只在能力确实存在差异的地方加适配器。
7. 在每个目标模型上跑测试：指令遵循、拒答行为、格式稳定性、工具调用、长上下文、多语言输入。

适用边界

• 交付物是耦合发现、可移植提示词、provider 适配器、未解决的能力缺口和 A/B 评估矩阵。
• 不要期待跨模型输出完全一致。不同模型在拒答阈值、推理链呈现、格式容忍度上存在真实差异，评估矩阵应当按行为而非逐字一致性来打分。
• 该技能只审计和改造提示词，不负责模型选型，也不承诺消除能力差距；某些能力在某个目标模型上确实缺失时，会以“未解决的能力缺口”显式列出，而不是静默忽略。