讯飞星火错别字检查提示词迭代优化指南

先亮明观点：想让讯飞星火在错别字检测中更精准、更高效？与其等待官方迭代，不如主动优化提示词。通过定制化的指令设计，能够充分释放其现有能力，精准匹配不同写作场景的校对需求。

具体执行路径分三步：先摸清模型当前的识别边界，再用强约束提示词规范输出，最后针对不同文体进行深度调优。

先摸清当前模型的错别字识别底线

打开讯飞星火网页版或App，清空历史记录，输入一个测试句：“请逐字检查以下句子，只标出明确错误的汉字，不改写、不补充、不解释，用【】框出错字：‘他明天去北京参见一个重要会议。’”

观察输出：如果准确锁定“参见”→“参加”，且没有额外建议，说明模型逻辑清晰。但如果它把“参见”判定为正确——意味着它默认依赖上下文宽松校验，此时必须用强约束提示词覆盖其默认逻辑。

搭建基础版错别字专用提示词

两种高效构建策略供参考。

策略一：指令锚定型

直接输入严格指令：“你是一名中文校对专家，任务唯一且严格：仅识别并标记错别字。规则：① 错字必须是《通用规范汉字表》中不存在的组合或形近致误字；② 不处理标点、语法、逻辑问题；③ 输出格式固定为‘原句→【错字】’，例如‘他参见会议→【参见】’；④ 若无错字，只回‘无’。”

策略二：示例驱动型

给模型提供标杆范例，比单纯讲述更有效。例如输入：“参考以下标准校对输出：
‘张三赢利了→【赢利】’
‘这方案很厉害→【厉害】’
‘她穿的裙子很漂酿→【漂酿】’
现在校对：‘这个活动的收效很显箸。’”

但需注意：示例中的错字必须是真实存在的，且错误类型尽量覆盖形近、音近、义近，否则模型容易忽略未见过的错误模式。

进阶迭代：适配不同文本类型

基础提示词成型后，可根据实际文本场景定向优化。

第一步：区分公文与口语场景

在基础提示词后追加一句：“若原文为政府公文、合同、新闻稿，启用‘零容错模式’：所有非常用搭配、非规范缩略语、疑似异体字均视为待核查项，输出时加‘※’前缀。”

第二步：处理易混淆专有名词

插入一条约束：“遇到人名、地名、品牌名时，优先以新华社《新闻报道中的禁用词和慎用词》及国家语委地名库为准；无法确认时标注‘？’，如‘杭州市临安区→【临安区？】’。”

第三步：兼容手写转录文本

针对OCR识别导致的典型错误场景，补充说明：“原文含明显OCR识别错误（如‘己’识别为‘已’、‘戊’识别为‘戌’）时，自动触发形近字比对表，仅当原字在GB2312字符集内且与高频错字编辑距离≤1时才标记。”

按此流程逐步打磨，讯飞星火的错别字检测精度足以成为你的专属校对助手。