为什么 LLM 无法正确完成这一项看似简单的任务？

我们学校社团搞了一个播客谈话，然后搞了一份音频的文字转写稿，现在要让我检查 Proof 。整份转写稿有快三万字了，人工检查肯定不可行，我就想让 AI 检查。

我的要求很简单：检查文稿中有没有打错的中文字或是英文单词，以及有没有标点符号使用错误。例如：

原文：于事他走了出去。
修改：于**是**他走了出去。
原因：中文用词错误

原文：伯克利那边做 reseach 人是很多的。
修改：伯克利那边做**research**人是很多的。
原因：英文拼写错误

原文：里面好像还蛮多是 EF,、AF 的
修改：里面好像还蛮多是 EF 、AF 的
原因：标点多余

以下是我的 Prompt：

你现在是一名专业的文稿审查员，任务是检查播客语音转写文稿中的中文字拼写错误，英文单词拼写错误和标点符号使用错误。

由于这是口语话表达文本，你的审查标准非常宽松，只关注上述三点，严禁纠正任何其他问题，例如语法，用词建议等。

输出格式：

原文切片：截取原文中包含错误的句子或短语，通常为一句话（在两个逗号之间）。

修改切片：对原文切片进行修改，并将修改的部分加粗。

修改原因：简要说明修改的原因，如“拼写错误”或“标点错误”。

如果原文没有严重错误，或仅是非强制性修改的建议，则无需输出任何内容。

看似很简单，但是各个 AI 的输出效果却不理想，最严重的问题是明明原文的中文/英文并没有任何拼写错误，AI 还是会输出，例如：

Gemini 2.5 Flash：

原文切片：感觉要这些全部都连在一起，然后它才会是一个 feasible 的 career path 。

修改切片：感觉要这些全部都连在一起，然后它才会是一个 feasible 的 career path 。

修改原因：英文单词拼写错误（实际上没有任何错误）。

原文切片：我当时刚开始做 NLP 研究的时候，有去 MIT 的 special student program ，相当于有一点 DIY 的一个 exchange 。

修改切片：我当时刚开始做 NLP 研究的时候，有去 MIT 的 special student program ，相当于有一点 DIY 的一个 exchange 。

修改原因：英文缩写应为大写（我原文就是大写）。

GPT 4.1

原文切片：我们学术之路企划是为香港大学的本科生在申请学术相关的研究生和博士时给予一些经验的分享，已经成功举办了许多年

修改切片：我们学术之路企划是为香港大学的本科生在申请学术相关的研究生和博士时给予一些经验的分享，已经成功举办了许多年。

修改原因：句末缺少句号，标点错误（注：原文后面还有一句话的，但是 AI 把逗号忽略了）。

DeepSeek

原文切片：外加我觉得国际的 exposure 也非常多。

修改切片：外加我觉得国际的 exposure 也非常多。

修改原因：英文单词拼写错误，"exporsure"应为"exposure"(原文是正确的，但是在修改原因中出现幻觉，而且 DeepSeek 几乎全是这种幻觉)。

GLM 4.5

原文切片：我当时除了加入了一些当地学校的 club 之外，也有加入实验室。

修改切片：我当时除了加入了一些当地学校的 club 之外，也有加入实验室。

修改原因：英文单词"club"拼写错误，应为"club"（ GLM 更是不装了，没有任何错误硬是说成错误）。

以下是我贴上的文稿示例：

金学姐

ok 感谢问题，然后我觉得从大陆到香港而言是一个蛮大的转变，然后突然进入一个全英文的环境。港大的生活就是一种完全 DIY 自己的生活，从课程选择到业余生活跟哪些不同的组出去 hang out 。

外加我觉得国际的 exposure 也非常多。我觉得我在港大最快乐的事了解自己因为什么事情而快乐，然后之后做职业选择的时候就更安定。

王学长

好的，谢谢！我这边其实有一个特别好奇的问题，金学姐在港大跟哪个老师的组会交流比较多呢？

金学姐

我们当时本科的 bachelor thesis 的时候就是和 Ben Kao 。然后我也很喜欢 bioinformatics ，有很多还蛮有意思的课。

……

每次大概只贴 3k-4k 字，我觉得窗口大小绝对是够的。

哎，当时和同学说审稿这事情 AI 搞搞毛方便的，结果现在 pia pia 打脸，是我提示词写的不好吗？求教！马上要交差了，在线等，挺急的 QAQ

Insolitude

2025 年 8 月 12 日

试试把每一句话拆出来，做成 json{id, text}，发给大模型，让他返回一个 JSON ，包含 id ，原文，修改后的文本，是否更正。最后写个脚本校验一下，不对的重试一下

这是我之前类似项目的 prompt
prompt_template = f"""
你是一个高度智能、注重细节的中文校对批处理引擎。你的任务是接收一个 JSON 数组，并对每个任务进行独立的、多维度的校对分析。

请严格遵循以下 [核心规则] ：
1. **独立处理**：数组中的每个对象都是一个独立任务，不要让任务之间互相影响。
2. **严格对应**：返回的 JSON 数组中的每个结果对象，必须通过`id`字段与输入任务一一对应。
3. **遵守校对规则**：对于每个任务的「待修正片段」，都需遵守“专注修正”、“忠于原意”、“尊重范围（不补全）”的原则。
4. **全局错误扫描**：在校对「待修正片段」的同时，也请审阅整个「上下文句子」。如果句子中存在明显的、但位于「待修正片段」**范围之外**的错误，请将 `error_outside_snippet` 字段设为 `true`。否则（即句子其他地方无错，或错误就在片段内），一律设为 `false`。
5. **格式要求**：你的最终输出必须是一个严格的、完整的 JSON 数组。
6. **无错则返**：如果「待修正片段」没有任何错误，请将`is_corrected`字段设为`false`。

[重点校对维度与特殊指令]
在执行校对时，请特别关注并应用以下细则：
1. 结构助词“的、地、得”辨析：
- 任务：精确审查并修正结构助词“的”、“地”、“得”的误用。
- 标准：“的”用于定语后修饰名词；“地”用于状语后修饰动词；“得”用于动词或形容词后连接补语。

2. 常见错别字来源分析：
- 任务：识别并修正由常见输入法错误导致的错别字。
- 重点关注 a (音近致错)：由拼音输入法造成的谐音或近音错误。例如：“在”与“再”；“部署”与“部属”。
- 重点关注 b (形近致错)：由五笔等形码输入法造成的字形相近错误。例如：“己”与“已”；“戌”与“戍”。

3. 技术性错误处理指令：
- 任务：忽略特定的、由程序处理产生的非内容性错误。
- 具体指令：若发现前后半角或全角引号（" " 或 “ ”）不匹配，且明显是由程序断句或片段截取造成的，请忽略此问题，不要将其视为需要修正的错误。
---

[输入任务列表 (JSON 数组)]
INPUT_TASKS_JSON_STRING

---

[输出结果列表 (JSON 数组)]
请根据上述要求，返回一个 JSON 数组，每个对象必须包含以下所有字段：
- `id`: 字符串(string)，与输入任务对应。
- `is_corrected`: 布尔值(boolean)，表示「待修正片段」本身是否被修正。
- `error_outside_snippet`: 布尔值(boolean)，表示在「待修正片段」范围之外的上下文中是否发现错误。
- `original_text`: 字符串(string)，原始的待修正片段。
- `corrected_text`: 字符串(string)，修正后的文本片段。
- `explanation`: 字符串(string)，简要说明所有发现。如果`error_outside_snippet`为 true ，请在此字段中说明在句子何处发现了何种错误。
"""