整理一份资料时，很容易把所有文档一次放进对话，期待 AI 自己找到重点。材料确实重要，但没有边界的上下文，会让任务目标和参考信息混在一起。准备输入的过程，本身就是一次信息整理。
从结果反推需要的材料
假设要从会议记录中提取待办事项，真正需要的是任务、责任人、截止时间和决策原文。与这次会议无关的项目介绍，可以只保留简短背景。先写出输出字段，再判断每段材料是否有助于填充这些字段。
如果希望比较两份方案，就明确比较维度，例如成本、维护难度和现有条件。缺少的信息应该标为“未提供”，而不是让系统根据常识补齐。
将指令和材料分开
输入可以依次放置任务、背景、参考材料和输出格式。给每份材料一个简单编号，并保留标题或来源位置。材料中的命令式语句仍然属于被分析的内容，不应被当作新的任务指令。
任务：从材料 A 和 B 中提取共同的需求。
边界：只依据给定材料，缺失字段写“未提供”。
材料 A：……
材料 B：……
输出：需求 | A 中的依据 | B 中的依据 | 尚待确认长任务分阶段处理
当材料很多时，可以先为每份文档建立结构化摘要，再围绕具体问题回看原文。摘要是索引，不是证据的替代品；重要结论仍应保留能够回溯的原文位置。
用删减检查上下文质量
准备好输入后，尝试删除一段背景。如果任务仍然明确，这段背景可能不必放进首次输入。相反，如果缺少某个术语的定义就容易产生歧义，应当补充定义和适用范围。
一个实用原则：必要的信息足够完整，无关的信息尽量少，关键结论能够回到来源。