告别“差不多”：构建 LLM 任务的【验收清单 (Acceptance Checklist)】工作流

在与大模型（LLM）协作时，最令人沮丧的时刻不是它一次性给出了错误答案，而是它给出了一个“看起来很正确，但细节处有致命缺陷”的答案。

这种现象被称为“幻觉的伪装”。当你要求模型写一段代码、一份合同草案或一个技术方案时，模型倾向于生成符合概率分布的“流畅文本”，而非经过逻辑验证的“正确结果”。如果你习惯于直接复制粘贴，那么你实际上是在把质量控制（QC）的压力全部压在自己的最后一次阅读上。

要解决这个问题，你需要将 LLM 从一个“执行者”转变为一个“执行者 + 自检员”，而核心工具就是：验收清单 (Acceptance Checklist)。

什么是验收清单工作流？

验收清单工作流是指在 Prompt 中明确定义一套可量化的、二进制（是/否）的检查标准，并强制模型在输出最终结果之前，必须对照该清单进行逐项自检，并将自检过程公开展示。

这就像软件工程中的单元测试或飞行员起飞前的检查单——不依赖于“感觉”，而依赖于“核对”。

实践指南：如何构建你的验收清单

1. 定义“绝对禁区”与“必须项”

不要使用“尽可能准确”、“尽量简洁”这种模糊词汇。将要求转化为具体的检查点。

❌ 模糊要求： “请确保代码没有 Bug 且符合规范。”
✅ 清单项：
- [ ] 是否处理了 None 或空字符串的边界情况？
- [ ] 是否所有变量命名都遵循 PEP8 规范？
- [ ] 是否包含必要的错误处理 try-except 块？
- [ ] 是否删除了所有调试用的 print 语句？

2. 构建 Prompt 的结构化指令

将验收清单嵌入到 Prompt 的末尾，并规定输出格式。

推荐指令模板：

“在给出最终答案之前，请先创建一个【验收清单】表格。列出本任务的所有关键约束条件，并针对每一项标注 [PASS] 或 [FAIL]。如果某项为 [FAIL]，请重新修改内容直到其变为 [PASS]。最后才输出正式结果。”

3. 强制执行“反思循环” (Reflection Loop)

如果任务极其复杂，可以采用两步法：
- Step 1: 生成初稿 $\rightarrow$ 根据清单自检 $\rightarrow$ 列出缺陷。
- Step 2: 根据 Step 1 的缺陷列表 $\rightarrow$ 生成终稿 $\rightarrow$ 二次核对。

实战案例：撰写技术 API 文档

假设你需要 LLM 为一个新接口写文档。

糟糕的 Prompt： “帮我写这个接口的文档，要专业且详细。” $\rightarrow$ 结果：格式漂亮，但可能漏掉了某个必填参数。

验收清单 Prompt：

“请为以下接口编写技术文档。在输出文档前，请对照以下【验收清单】进行自检：
1. 参数完整性：是否涵盖了所有 Request Body 中的必填字段？ (Yes/No)
2. 类型准确性：每个字段的类型（String, Integer, Boolean）是否与代码一致？ (Yes/No)
3. 错误码覆盖：是否列出了所有可能的 HTTP 状态码及其含义？ (Yes/No)
4. 示例可运行：提供的 JSON 请求示例是否语法正确且逻辑闭环？ (Yes/No)

请先展示自检表格，确认全部为 Yes 后再输出文档。”

何时使用 vs 何时跳过

✅ 使用场景（高风险/高精度需求）：

• 代码生成：涉及生产环境部署、安全敏感逻辑、复杂算法实现。
• 法律/财务文案：涉及条款约束、数字计算、合规性要求。
• 结构化数据提取：从长文中提取 JSON/CSV，要求字段绝对对齐。
• 多步骤指令执行：需要严格遵守 A $\rightarrow$ B $\rightarrow$ C 的顺序且不能遗漏任何一步。

❌ 跳过场景（低风险/创意需求）：

• 头脑风暴：需要发散思维而非收敛精度时。
• 文学创作/润色：追求的是语感和氛围而非逻辑对齐时。
• 简单事实查询：问题答案唯一且简短时（如“法国首都是哪里？”）。

Gotchas & 注意事项

1. 防止“敷衍式勾选”：有些模型会直接输出一排 [PASS] 但内容依然有错。解决方法是要求它在 [PASS] 后面附带一句理由（例如：“[PASS] - 已在第3行添加了 null check”）。
2. 清单过长会导致注意力分散：单次任务的清单项建议控制在 $5 \sim 8$ 项以内。过多会导致模型在关注 checklist 时忽略了内容的深度。
3. 动态更新清单：当你发现模型在某个点反复出错时，不要只在对话中提醒它，而应将这个错误点永久加入到该类任务的【验收清单】模板中。

本周行动建议 (Checklist for You)

• [ ] 回顾过去一周 LLM 出错最多的一个场景。
• [ ] 为该场景拆解出 $3 \sim 5$ 个具体的二进制检查点。
• [ ] 将其转化为一个 Prompt 模板并尝试运行一次对比实验（有无清单的区别）。