用大模型起草公司制度或员工手册，最常见的翻车现场不是模型完全不写，而是写得过于通用。一份没有考勤时长、没有请假流程、没有处罚梯度的员工手册，即使文字再规范，也只是一份装饰品。造成这个结果的原因通常不在模型，而在提示词没有把制度当成规则系统来处理。制度类文本和普通文章不同，它强调边界、责任、触发条件和例外情况，任何一处含糊都会在执行时变成争议。
因此，想让大模型产出真正可用的制度文件，不能只说“写一份员工手册”，而要像给新入职的HR负责人交代工作一样，把行业、规模、工时制度、审批权限、处罚梯度等条件逐条说清。下面从规则设计、模板复用和校验迭代三个角度拆解具体做法。
一、制度类提示词必须从规则出发而不是从主题出发
很多提示词写不好，是因为把制度类文本当成了普通文章。比如输入“请帮我写一份软件公司员工手册”，模型确实会生成一份结构完整的文档，但它会按照通用认知去套用常见条款，而不是根据公司的真实管理规则来推导。结果就是考勤章节只写“员工应按时上下班”，却不写迟到多久算旷工；请假章节只写“员工享有年假”，却不说申请时限和审批层级。这种文档看起来面面俱到，实际上任何一条都难以执行。
制度文本的核心是规则的可判定性。每一条规定都应该能回答三个问题：在什么条件下触发、由谁负责执行、违反后有什么后果。如果提示词不要求模型明确这三个要素，模型就会倾向于使用“及时”“适当”“严重”这类无法量化的词来填充。因此，写制度提示词的第一步不是描述主题，而是列出必须被约束的规则维度。比如工时制度、假期类型、审批权限、处罚梯度、例外情形等，最好在提示词中直接给出清单。
另外，行业背景也会直接影响制度内容。一家互联网软件公司的加班调休规则，和一家连锁餐饮门店的排班制度完全不同。提示词里如果不说明行业、岗位类型和主要用工形式，模型就会用最安全的写法覆盖，导致产出内容与真实业务脱节。把行业特征、部门结构、人员规模写进提示词，相当于给模型划定了制度推导的事实边界。
二、一个可直接套用的公司制度生成提示词模板
与其每次从零开始写提示词，不如整理一个结构化模板，把制度生成的变量固定下来。下面这个模板适用于起草员工手册或某一专项制度，使用时只需要替换方括号中的内容即可。模板的关键不是字数多，而是每一部分都在压缩大模型的自由发挥空间。
你是一位有八年以上企业人力资源管理经验的制度起草顾问。请根据以下信息，起草一份可落地的员工手册。 【企业背景】 行业：互联网软件公司 规模：80人 用工形式：全职为主，少量实习生 主要部门：研发、产品、运营、行政 制度重点：考勤、请假、绩效考核、信息安全、加班调休 【必须包含的条款】 1. 工作时间与打卡要求 2. 迟到、早退、旷工的认定标准及处罚梯度 3. 请假类型、天数、审批流程 4. 加班申请、调休规则 5. 信息安全与数据保密义务 6. 员工行为红线与解除劳动合同的情形 【写作约束】 - 所有标准必须明确数字或时间节点，不得使用“及时”“尽量”“适当”等模糊词 - 每条制度都要写清适用范围、触发条件、责任人和例外情况 - 处罚措施必须梯度化，并与制度层级对应 - 输出使用Markdown标题，但不要使用表格 - 总字数控制在4000字以内 【交付格式】 先输出制度目录，再按目录逐条展开；最后附一段“常见执行争议点”并给出判定建议。
这个模板的重点在于“必须包含的条款”和“写作约束”。前者让模型知道不能遗漏哪些主题，后者明确禁止模糊表达。很多模型在生成制度时喜欢使用“公司有权根据实际情况调整”这类兜底句式，如果不加禁止，它会大量出现，削弱制度的确定性。通过负面约束把这类写法排除掉，产出质量会明显提升。
如果需要更细的控制，还可以在提示词中给出一个具体条款的示范写法。例如：“请假超过三天的，需提前两个工作日向直属上级申请，经部门负责人审批后报行政备案。”模型会模仿这种句式，让后续条款保持相同的颗粒度。示范写法比抽象描述“请写得具体一些”要有效得多。
三、员工手册提示词的高频失败与修正方式
在实际使用中，员工手册提示词最常见的失败不是提示词太短，而是约束条件互相打架，或者只给了正面要求，没有给负面清单。比如一方面要求制度“人性化”，另一方面又要求“严格处罚”，模型就会在两者之间摇摆，最后写出既不够人性化也不够严格的条款。制度提示词必须避免价值判断上的模糊，优先让规则可执行。
另一个高频问题是把提示词写成了制度目录本身。例如直接粘贴“考勤制度：上下班时间、请假流程、加班调休”，但不说企业背景和执行口径，模型只能泛泛而谈。修正方式是把每条目录扩展成带条件的描述。下面是一组对比。
错误写法：请帮我写一份互联网公司员工手册，内容全面一些。 修正写法：请为一家80人规模的互联网软件公司起草员工手册，重点补充考勤与休假章节。要求所有假期天数、申请时限和审批权限必须给出明确数字，不得出现“视情况而定”。输出先给目录，再逐条展开。
从对比可以看出，修正后多出了规模、重点、量化要求和输出结构四个信息维度。这四个信息维度恰恰是模型生成可执行制度的基础。规模影响制度的颗粒度，重点决定篇幅分配，量化要求压缩模糊空间，输出结构保证后续使用效率。
此外，提示词过长也是一种反面模式。有些人会把十几页的现行制度直接贴进去要求模型改写，却没有说明哪些条款保留、哪些可以调整。模型很容易在信息过载中丢失关键约束。正确做法是分模块处理，先把制度拆成考勤、休假、信息安全等独立模块，再针对每个模块写提示词，最后合并时做冲突检查。
四、用审查提示词降低AI编造风险
大模型生成制度文本时，偶尔会编造一些看似合理但实际不存在的法律条款或行业惯例。比如在员工手册中写“根据劳动法第XX条规定”，但该条款可能并不存在，或者适用条件不对。这类错误在初稿中很难被发现，因此需要额外增加一个审查提示词，专门用来挑错和查冲突。
审查提示词的核心不是让模型给出笼统评价，而是要求它输出结构化的审查结果。这样便于人工复核，也能避免模型在审查时只说“整体不错”这类空话。下面是一个可用的审查提示词示例。
请对下面这份员工手册进行合规性审查，重点检查： 1. 是否存在互相冲突的条款 2. 是否有缺少时间节点或责任人的模糊规定 3. 是否出现“及时”“严重”“适当”等不可量化的表述 4. 处罚措施是否与制度层级匹配 5. 是否遗漏加班调休、离职交接等高频风险点 输出格式： - 冲突条款清单：原始条款、冲突原因、修改建议 - 模糊表述清单：所在章节、原句、可量化替换方案 - 缺失项清单：缺失主题、建议补充内容
把生成提示词和审查提示词分开使用，比要求模型“写完自己检查一遍”更可靠。因为生成任务和审查任务的目标不同，混在同一个提示词里会分散模型注意力。分步执行还能保留中间稿，方便对比每次修改的变化。
审查完成后，再根据清单逐条回写，用新的提示词要求模型修正具体条款。比如“请将第三章第三条中‘及时请假’改为‘至少提前一个工作日通过OA系统提交请假申请’”。这种定点修改比重新生成整篇文档更可控，也更容易追踪修改历史。
最终交付前，还需要人工确认制度中的关键数字是否与公司现行规定一致。大模型能提供结构化和量化表达，但数字本身来源于输入或模型推断，不能替代企业内部的最终审核。