同一个提示词每次结果都不一样，通常不是模型“抽风”，而是你一次把三种变量都放进去了：模型本身的随机采样、对话历史带来的上下文漂移，以及外部工具或检索结果每次都可能不同。只盯着提示词本身看，往往会误判问题。
先分清是哪一种不一样
- 随机性：就算问题一样，模型在组织句子、举例方式和段落顺序上也可能变化。你看到的是“表达不同”，不一定是“结论不同”。
- 上下文变化：如果你不是在全新会话里提问，前面聊过的内容、上传过的文件、设过的规则，都会继续影响结果。提示词相同，不代表输入环境相同。
- 工具返回不同：一旦模型会搜索网页、查知识库、调接口，外部数据每次都可能更新、超时、缺字段，最后答案自然也会跟着变。
想让结果更稳，优先做这 4 件事
- 把目标写具体，不要只说“帮我写一下”，而要明确长度、格式、受众和必须覆盖的信息。
- 重要任务尽量在新会话里跑，别让旧上下文悄悄干扰这轮输出。
- 给模型一个固定样例，尤其是你想要稳定结构、固定字段或统一口径时，示例比抽象要求更稳。
- 如果用了搜索、知识库或工具调用，要区分“模型回答不稳”还是“外部数据本来就在变”。
什么时候没必要追求一模一样
创意写作、标题发想、头脑风暴，本来就需要一定变化；真正需要强一致性的，通常是表格提取、分类、结构化输出、客服口径和自动化流程。也就是说，你先要判断自己要的是“稳定结论”还是“多样表达”。多数情况下，问题不在提示词太短，而在你没先把可变因素拆开看。
