现在很多技术团队借助chatgpt生成技术债说明，但常遇到输出满是“技术债是项目迭代的必然产物”“合理管控技术债有助于提升研发效率”这类正确的废话，对实际评审和排期毫无帮助，问题核心不在于chatgpt，而在于提示词的设计没有针对性约束，可以从三个维度调整提示词，有效砍掉套话。
锚定具体场景约束，砍掉空泛背景铺垫
大部分人写提示词时习惯只给出“帮我写一份项目技术债说明”这种模糊需求，没有划定具体边界，chatgpt自然会用通用套话补全内容。想要减少套话，首先要在提示词开头就锚定所有具体信息：明确对应模块、技术栈、技术债的具体内容和已经产生的实际影响，比如将模糊需求改成“帮我写电商项目下单模块的技术债说明：当前技术债是赶618大促上线时未开发接口限流降级逻辑，已经在两轮压测中出现接口超时熔断，需要提交给技术负责人评审排期，不要写无关背景”，从需求源头就挤掉了套话的生存空间。
明确禁止套话类型，划定输出内容边界
chatgpt的生成逻辑偏向完整结构，默认会补充行业通识类内容，而这些内容恰恰是技术债说明里的无用套话。可以直接在提示词中明确列出禁止输出的内容，比如加上一句：“禁止写技术债定义、技术债对项目的普遍价值这类通用套话，所有内容必须紧扣本次的限流逻辑缺失问题，每一段都要有具体信息，不写正确的废话”。同时可以要求用条目化输出，只保留现状、影响、解决方案、排期建议四个部分，从结构上避免套话堆砌。
加入结果校准要求，倒逼输出落地
即便做了前两步，chatgpt偶尔还是会保留空泛表述，因此可以在提示词末尾加入校准规则：“写完后自行检查，删除所有无法指导后续研发动作的表述，凡是不包含具体信息的句子全部删除”。原本的空泛表述“会对系统稳定性造成不良影响”，会被校准为“不修复的话，双十一大促峰值下会导致下单接口全熔断，预计影响全站15%的交易”，内容直接变得具体有用。
整体来看，想要让chatgpt输出无套话的技术债说明，核心是把模糊的需求变成有约束的指令，把通用的提问变成具体的要求，不用复杂的技巧，只要把实际场景中的信息提前给到模型，就能得到干净务实的输出，全文没有多余套话，完全满足技术评审的实际需求，整体字数也更容易控制在要求范围内。（全文约758字）
