同一个模型，同一段提示词，把 temperature 设为 0，跑出来的结果是逐字节相同的失败。这是构建过程中第一个让人意外的地方。

打开网易新闻 查看精彩图片

失败能稳定复现，意味着调提示词不再是碰运气。改一版提示词，再跑一遍，两次结果可以直接对比，提示词调整变成了真正的 A/B 测试。

第二个意外来自一条正则表达式。它在这场较量里赢过了提示词——一条规则匹配，效果压过了对提示词的反复打磨。

这两件事指向同一个方向：当输出足够确定，排查问题就有了可复现的基准；而当规则能直接命中目标，继续在提示词上绕圈就是浪费。