同一个问题问三次，答案不一样是常态。稳定性要看的不是「一不一样」，而是差异出现在哪一层：事实、结构、还是措辞。
生成式模型的输出有随机性，这不算缺陷。但如果同一个提示词每次给出的事实不同，那就不能用在需要准确的地方。
差异分三层
**措辞层**：同一个意思换个说法。这一层不影响使用，只影响复制粘贴时的统一性。
**结构层**：这次给三点、下次给五点，或者表格变成段落。这一层影响排版和后续处理，尤其是你要把输出喂给程序时。
**事实层**：数字、日期、名称、结论不一致。这一层最危险，因为看起来都像真的。
怎么测
固定一个提示词，连跑三次，然后逐层对比：
1. 三次的结论是否一致（事实层） 2. 三次的结构是否一致（结构层） 3. 三次的措辞差异有多大（措辞层）
如果事实层就不一致，这个任务不适合直接交给它，除非你能逐条核实。
让输出稳定的四个做法
**约束格式**：明确说「用表格输出，三列：项目、结论、依据」。格式约束能显著降低结构漂移。
**给例子**：给一个输入输出的范例，比描述十句有效。
**要求引用**：让它标出依据来源。不是为了信它，而是为了在事实不一致时能快速定位。
**降低开放度**：把「帮我分析一下」改成「按这三个维度分析，每维度不超过两句」。开放度越低，方差越小。
什么时候不稳定是好事
创意类任务里，三次给三个方向恰恰是价值。写标题、想 slogan、找角度，这时候要的是多样性，不是稳定性。
所以「稳不稳定」不是产品的绝对好坏，而是要和任务匹配。同一份工作里，事实类任务要稳定，创意类任务要发散。
一个容易被忽略的点
多轮对话的稳定性比单轮更差。前面几轮的内容会污染后面的判断，尤其当你在中途改了需求。实用做法是：需求变了就开新对话，别在旧对话里改。