一个提示词“偶尔有效”，不等于具备稳定复用价值。稳定复用的核心，不是每次生成完全相同的文字，而是在任务目标、输入材料和使用条件发生合理变化时，仍能按照预期流程处理问题，并持续产出满足验收标准的结果。

先定义“稳定”

评估前必须把“好结果”写成可检查的标准。以客户访谈分析为例，合格结果至少应做到：区分客户明确表达的事实与推测；保留支持结论的证据；按照主题归类问题；指出证据不足之处；给出可执行的下一步验证动作。若只能凭“读起来不错”判断，测试就会被主观感受主导，无法比较不同版本。

还要区分三种稳定性。任务稳定性要求提示词始终围绕同一目标工作，不因输入变化而偏离任务；质量稳定性要求关键字段和判断标准不经常遗漏；边界稳定性要求材料不足、目标模糊或信息冲突时，能够明确指出限制，而不是强行生成确定结论。

用样本而不是感觉测试

至少准备三类样本：资料完整、代表日常工作的正常样本；信息复杂、观点冲突或表达不完整的复杂样本；输入不足或目标模糊的失败样本。不要只用最初那次成功案例，否则测到的可能只是提示词对特定上下文的依赖。

每次测试都应记录提示词版本、输入场景、输出问题、是否达标以及修改动作。评估重点不是字句是否相同，而是关键步骤是否保留、核心证据是否遗漏、结论是否越过材料边界，以及输出格式是否仍方便后续决策。若某次结果变差，还要判断原因来自输入缺失、提示词设计、模型表现，还是验收标准本身不清楚。

从“可复现”走向“可维护”

一个提示词至少应包含任务目标、输入变量、处理步骤、输出格式和限制条件。固定内容负责规定方法，变化内容负责承载本次材料；变量过多会增加使用成本，过少则容易把关键背景写死。

当提示词经过不同类型样本测试，并能解释失败原因时，才适合进入正式库。后续修改不要直接覆盖原文，而应保留版本、测试日期、变更原因和已知问题。真正稳定的提示词，不是保证每次答案一样，而是让同类任务拥有可追踪、可比较、可持续改进的处理流程。