范本调试法

定义

当 AI 在某个具体任务上反复失败、多轮对话修改仍无法达到预期效果时，与其继续用自然语言描述问题或提出修改需求，不如直接给 AI 一个"正确答案"的范本——让它从范本中学习目标效果，而不是从你的描述中猜你想要什么。

不是什么（反例）

• 不是"给更多上下文"——上下文是背景信息，范本是成品对照
• 不是"提示词工程"——提示词是输入端优化，范本是输出端锚定
• 不是"喂更多数据"——数据是原材料，范本是最终形态的样板
• 容易混淆的是：把不完整或残缺的片段当范本发给 AI，反而会产生误导。范本必须完整，缺胳膊少腿不如不给。

为什么重要

应用场景

• AI 生成的排版/样式不符合预期，多轮修改无果时
• 让 AI 模仿特定风格写作，但口头描述总是不到位时
• 调试 AI 生成的代码/配置，与其描述 bug 不如贴正确示例时
• 任何"我说不清楚但我认得出来"的场景

值得保持的

• 遇到 AI 反复失败时没有放弃，而是切换了策略（从描述问题到给范本）
• 给范本时发全了完整源码，发现不完整的范本会误导 AI

待改善的

• 范本调试法目前只在一次具体场景中验证，还需在更多场景中实践确认其通用性

相关概念

• 两轮验证原则 — 范本调试是两轮验证中"第二轮主动验证"的具体手段之一
• 两轮验证原则 — 从"跑通"到"稳定"需要主动制造边缘情况，范本是其中一种验证方式

来源记录

• 2026-05-11：从整理想法「用AI发布文章时的预览排版与超长字段报错排查」中提炼。用户在排查公众号图片渲染问题时，多轮 AI 对话无果，最终通过发送完整的参考源码让 AI 一次性成功。