长提示词里,指令和材料混在一段时,AI 常把材料里的字句当成新任务来执行,比如你贴的话术里有「请尽快回复」,它可能真的回复起来。分隔符就是防这种误会的小工具:用一行符号或成对标记,把「要模型做的事」和「交给它的材料」隔开,让边界一眼可辨。
混在一起写,误会从哪来
模型靠语义猜边界,材料里若带有命令式、请求式的字眼,很容易被并进指令。尤其是总结、改写这类要吃长材料的任务,混排的出错率明显更高。给材料画了边界,误读就没了落脚点,模型只把线外的内容当指令。
有人担心分隔符会让提示词显得机械,影响模型发挥。实际恰恰相反——边界清晰之后,模型反而更敢在材料内部做处理:总结敢删、改写敢动,因为它知道自己只对线外的指令负责。模糊地带才让人束手束脚,人和模型都一样。
可带走的判断:只要提示词里出现别人的文字,就值得给它画边界,长短都一样。
常见分隔符长什么样
常用写法有两类:一类是三个连字符单独占一行,材料前后各放一次,上一行标注材料开始,下一行标注结束;另一类是成对的标记把材料整体包住,像给包裹封箱再贴签。DeepSeek、通义千问这类模型对两种都不挑剔,关键在三点:成对、清晰、同一条提示词里只用一种。混用两种符号反而添乱。
初学者容易忽略的一步是自查:写完提示词,数一数用了几种分隔符号,再看一遍材料内部有没有和它长得一样的字符。这两项检查加起来不超过一分钟,却能挡住绝大多数「边界被冲破」的怪问题。顺手养成习惯,分隔符就成了一件不用再想的事。
类比:作业本上的装订线
老师批改作业,靠装订线和页眉分清哪部分是题目、哪部分是学生作答。分隔符就是提示词里的装订线:线外是你让模型做的事,线内是待处理的材料。边界清楚,批改才不会串页,这是它全部价值的来源。
装订线还有一个隐藏好处:出错时容易定位。模型把材料当指令处理了,回头一看多半是边界没画清;两边都画了线还出错,那就是指令本身的问题。边界清楚之后,排查问题的方向感也跟着清楚——这是很多人坚持用分隔符的真正原因。
| 现象 | 先查什么 | 说明什么 |
|---|---|---|
| 模型把材料当成指令执行 | 边界有没有画清 | 多半是边界没画清 |
| 两边都画了线还出错 | 指令本身 | 问题在指令,不在分隔符 |
| 材料内部撞了符号 | 材料里有没有和分隔符一样的字符 | 边界会被冲破 |
| 模型偶尔仍越界 | 关键指令有没有在分隔符外再强调 | 双份叮嘱不算啰嗦 |
装订线是物理的,标记只是文本约定
装订线是物理的,撕不开也挪不动;分隔符只是文本约定,材料内部若恰好出现同样的符号,边界会被冲破。挑分隔符要避开材料里已有的符号,或选出现概率极低的组合。另外,模型偶尔仍会越界,最关键的指令可以在分隔符之外再强调一次,双份叮嘱不算啰嗦。
材料包好之后,输出端配上什么是输出格式声明?先说要什么格式,整条提示词更完整;整体布局参考什么是结构化写法?提示词分段更管用;示例怎么摆看什么是示例的顺序效应?摆放位置的影响;例子怎么挑见什么是示例的多样性?覆盖不同情况。
分隔符速查表
- 材料前后各放一行标记,成对出现。
- 同一条提示词只用一种分隔符。
- 检查材料内部有没有撞符号。
- 关键指令放在分隔符之外,再说一次。
边界画清楚,模型才不会把你贴的内容当成新任务。
分隔符快问快答三则
- 用中文符号还是英文符号?:都可以,模型不挑剔种类,成对和稳定比种类重要得多。
- 分隔符占字数,算浪费吗?:两三行换来的边界清晰非常划算,长材料场景尤其值得。
- 它和分段排版冲突吗?:不冲突。分段管内部层次,分隔符管外部边界,一个对内一个对外。


