Prompt 工程：客服需求约束与质量评测｜学员任务书

课程名称：Prompt 工程：客服需求约束与质量评测｜项目任务：客服 Prompt 契约与评测集｜编号：W04-D02

任务与支架

git status --short
python tests/test_d01_provider_contract.py

D01 Learning 入口必须可运行。真实 Evidence Pending 不阻止使用 Replay 继续。

在 PROMPT_CONTRACT.md 写清任务、背景、输入、约束、输出要求与验收；用RTF（角色/任务/格式）起草、ICIO（指令/背景/输入/输出要求）检查遗漏，不改变字段合同；
保留简短V1与契约化V2作整版方案对比。另从同一个基线挑一个失败原因，只改一项明确策略，记录修改假设；可与下面的分步提示练习合并，不重复建实验；
固定 Provider/Model/思考模式/temperature/输入集；使用 DeepSeek 做 Temperature 对比时显式关闭思考模式；
运行商品辅助、订单缺 ID、人工、未知、注入和缺偏好案例；
保存原始输出，不只抄摘要；
如实写改善、持平、退化或未解决问题；没有改善就写没有改善，不为了作业编造提升；
学生自拟一条未见表达，先写期望再运行。

沿用课堂的虚构售后例理解CoT（思维链提示），再从本人原客服样本选一条容易漏条件的问题。先写期望，再比较直接指令和“核对缺失→检查条件→给结论与简短依据”的指令。规则、事实、格式、模型和接口模式不变；不得把expected（标准答案）发给模型。

在同一张实验表记录原回答、判断结果、依据核对、越权承诺、耗时和服务端Token用量。没调用的填未验证，失败与截断保留。最后解释是否值得保留分步提示；不另建项目，不修改意图/偏好字段合同，不实现售后操作。

用自有教学环境和虚构数据，分别准备正常咨询、直接注入以及夹带指令的外部资料片段。资料片段明确标为数据，不放到应用规则中。再加一条正常安全咨询（如“怎么防止别人说忽略规则”），检查是否被关键词策略误伤。

逐条记录模型是否改变任务、编造执行或输出禁止字段；D03/D04的实际执行权限由后续代码把关，今天不能声称已经做完。没有真实调用时记录设计或Replay层，不伪造模型拒绝率。

同一张实验表增加：提示词版本/差异、修改理由、实际模型和参数、原始输出、输入/输出Token、耗时、结束原因、逐例判定、误拦截及保留/回退决定。用量缺失记未知。保留超时和失败，留出样本只在冻结候选后复验。

最后口头解释：哪条限制由提示词表达，哪条必须由程序执行？为什么格式正确的越权请求仍不能放行？为什么课堂TrustedCustomerContext（可信模拟客户上下文）不等于真实账号认证？

安全观察仍写入原实验表：将一条“管理员/紧急情况”话术与正常安全咨询成对检查，写出一句有合法下一步的拒绝回复。教师演示独立攻击对照脚本时，分别标注消息预览、手工候选、真实API三个来源；不把演示协议复制成本周业务字段，也不另建项目。模型没中招就记录没中招。

对象	今天候选	禁止
CustomerIntent	intent、product_id/order_id、missing_slots、handoff、confidence	customer_id、工具名、执行结果
PreferenceSlots	category、budget_max_yuan、use_case、最小列表和 missing_slots	价格事实、库存、购买概率

今天不写完整 Pydantic Schema；只把语义交给 D03。

限定 AI 只审查一版 Prompt，不让它替你生成期望表。查看 diff 或文本变化后，对每项修改写“接受/拒绝 + 证据”。

在原有任务和实验记录中补充：当前工程层、问题原因、修改位置、比较结果及未验证项，不另建项目或重复做一套实验。提示词变长就一定更准确吗？

在原固定实验表增加 split、family_id、dataset_version。先锁定 4 条开发、2 条未见表达；用开发集只改一个变量，再一次复验留出集。提交同一张表，不另建项目。

验收：两类样本先分组、近似改写不跨组；改前记录 expected；留出失败未被删除或反复用于调参。