先把模糊要求拆成能够逐项检查的条目，再写进指令；不要只说“请整理得更清楚”。关键是让目标、输入、输出、硬性约束、验收标准和待确认项形成同一张清单，执行与核查时都按它进行。
一套可直接套用的指令结构
可以先把任务改写成下面的形式：
任务目标： 最终要完成什么。
可用输入： 可以依据哪些材料，不包含哪些材料。
输出形式： 结果写成什么结构、面向谁使用。
必须保留： 不得遗漏的内容、字段、条件和限制。
禁止事项： 不得推测、补充、删除或改变什么。
验收标准： 怎样判断结果已经符合要求。
待确认项： 当前材料无法回答、存在冲突或需要进一步核实的问题。
例如，“帮我整理材料”仍然没有说明整理目的、使用对象、保留范围和完成标准。更可执行的表达是：
根据以下内容，整理成供指定对象阅读的指定形式。保留所有关键字段及其原有条件，不补充未提供的信息；遇到缺失或冲突之处，标记为“待确认”；完成后附上要求与结果的逐项核对表。
其中方括号所代表的内容必须由需求方明确，不能让模型自行猜测。
怎样避免执行时漏掉关键要求
把硬性要求与偏好分开
“必须使用原始材料”“不得改变日期”“保留全部条件”属于硬性要求，应直接写明；“语言简洁”“版式清楚”通常属于表达偏好，可以在不违反硬性要求的前提下调整。
如果两类要求混在一起，模型可能把限制当成建议。指令中应使用“必须”“不得”“仅在”等清楚边界，并说明出现信息不足时应当停止推断、列出缺口，而不是自行补齐。
先建立要求清单，再要求复述
发出完整任务前，可以先让模型复述目标、输入、输出和限制，并标出它认为存在的歧义。复述不是最终答案，而是用来发现遗漏：如果关键要求没有出现在复述中，就应在执行前补上。
执行完成后，再用同一份清单检查结果。这样可以避免只凭“看起来不错”判断完成度。
加入一两个清晰示例
OpenAI 帮助中心建议，如果需要让行为更一致，可以添加一两个清晰示例。示例应直接展示所要求的形式、保留方式和处理边界，而不是另写一套与文字要求冲突的规则。
有效的示例通常能够回答三个问题：合格结果是什么样，哪些内容不能改变，信息不足时应该怎样处理。示例用于说明标准，不能替代对全部关键要求的明确表述。
怎样核对最终结果
输出完成后，应进行“要求—结果”逐项对照：
| 核对项 | 需要检查的问题 |
|---|---|
| 目标 | 结果是否真正完成了指定任务，还是只生成了看似相关的内容 |
| 输入 | 结果是否只使用了允许的材料，是否混入了未经提供的信息 |
| 输出 | 结构、形式和使用对象是否符合要求 |
| 硬性约束 | 关键字段、条件、限制是否完整保留 |
| 缺失信息 | 无法确认的内容是否被明确标记，而不是自行补写 |
| 来源陈述 | 事实、归因和引用是否能够在原始材料中找到依据 |
如果任务涉及数据分析，OpenAI 的相关指南提醒：在依赖结果之前，应审查生成的代码、输出和假设。实际核查时，可以先确认代码处理的对象和步骤是否符合指令，再检查输出是否支持所得结论，最后查看结论依赖了哪些假设、哪些数据仍然缺失。任何一环无法说明，都应把结论降为待核实内容。
哪些内容仍需自己确认
大模型可以帮助整理要求、生成初稿和暴露歧义，但不能替你确认材料中没有提供的事实。原始数据、来源归属、链接内容以及影响实际使用的关键条件，都应回到原始材料核对；模型给出的解释也不能自动视为证据。
还要自行确认三类问题：
- 需求是否与真实使用场景一致；
- 不同要求之间是否冲突，冲突应由谁决定；
- 最终结果是否达到实际验收标准，而不是只符合文字形式。
最稳妥的做法不是追求一句“完美指令”，而是保留一份可追踪的要求清单。指令负责说明怎样做，清单负责判断有没有做对，最终输出再逐项接受检查。