辩论类任务对语言模型的要求远高于普通问答：它需要在同一上下文中同时完成立场声明、逻辑演绎、证据调用和对手漏洞识别。普通提示词只交代“请给出论点”时，模型通常输出静态列表，缺乏层层推进的论证结构。本文给出的辩论推理提示词模板将上述过程拆分为可执行步骤，并通过角色约束和输出格式控制，让模型在生成内容时具备更强的攻防意识。
一、为什么辩论推理提示词必须结构化
如果直接告诉模型“请你支持某个观点并反驳对方”，模型面对的是一个非常模糊的生成目标。它不知道应该先定义概念还是先抛论据，不知道反驳时应该攻击前提还是攻击结论，更不知道需要保留哪些信息用于多轮对抗。结果往往是输出一段看似完整、实则经不起追问的文字：论点之间缺少逻辑链，证据与立场脱节，反驳部分只是换一种措辞重复原观点。
从认知任务分析的角度看，辩论推理至少包含四个子过程：确立可辩护的立场、构建从前提通向结论的推理链、识别对方论证中的隐含假设和薄弱环节、在回应中既不丢失自身立场又能吸收有效批评。结构化提示词的作用就是把这些子过程显式化为模型必须依次完成的步骤，并且在每一步都给出明确的输出约束和自检标准。这样模型不再依靠随机联想生成文字，而是按照可控的顺序完成“可验证的推理”。
另一个容易被忽视的问题是状态管理。普通单轮问答中，模型不需要记住之前的推理路径；但在辩论场景，反驳必须基于对手的真实语句，而不是基于一个模糊的印象。结构化提示词可以强制模型先复述对手论点、再标注漏洞类型、最后给出回应，相当于在上下文中维护一份对抗状态表。这种设计能显著降低模型在长对话中出现跑题、重复或自相矛盾的概率。
二、构建论证的Prompt模板拆解
立论部分的核心不是让模型一口气写出所有支持理由，而是先让它明确立场边界，再按“结论—理由—证据—让步—重申”的结构展开。以下模板将论证过程拆成五个区块，并加入输出格式与自检项，适合政策辩论、技术方案评审等需要强说服力的场景。
角色：你是一名严谨的辩论选手，擅长构建可验证的论证链条。
任务：围绕 {辩题} 为 {立场} 进行立论。
请严格按以下结构输出：
1. 立场声明：用一句话明确表达立场，不得使用模糊修饰。
2. 核心理由：给出三个相互独立且不重叠的理由，每个理由不超过30字。
3. 逻辑展开：对每个理由，写一段“因为...所以...因此...”的推理说明，明确前提、推论和结论。
4. 证据支撑：为每个理由补充一个可被验证的案例、数据或事实来源类型，若没有直接证据，请明确标注“此处需要外部证据”。
5. 让步与重申：指出对方可能提出的最强反驳，然后用一句限定条件回应，最后再次重申立场。
自检清单：
- 每个理由是否都直接支持立场结论？
- 推理说明中是否有跳跃步骤？
- 证据与理由之间是否真正相关？
- 让步部分是否真正承认了对方的部分合理性？
这个模板的关键在于“先拆理由，再逐条展开”，而不是让模型自由发挥。很多提示词失败的原因是只要求“给出三个理由”，却没有要求模型说明每个理由如何从前提走到结论。上面的“逻辑展开”步骤强制模型写出连接词，从而暴露逻辑跳跃。比如模型可能写出“远程办公能降低成本，因为员工不用通勤”，这句话缺少“通勤成本由谁承担、如何转化为企业成本”的中间环节，而模板中的“因为...所以...因此...”结构会促使模型补齐这一链条。
证据支撑部分同样重要。语言模型倾向于编造看起来很权威的引用，因此模板要求在没有直接证据时明确标注“此处需要外部证据”。这种设计不是为了限制模型，而是为了让输出在后续人工审核或联网检索时更容易定位薄弱点。实际使用时，你可以把“证据来源类型”替换为具体的数据表、论文标题或法律条文编号，进一步提升可信度。
立论模板还可以增加“限定条件”这一项。辩论中的强立场往往容易被打倒，而带有清晰适用边界的立场更难反驳。例如不写“所有企业都应该远程办公”，而写“对以知识工作为主且数字化基础较好的企业，远程办公可显著降低运营成本”。这种边界陈述能提前消解对手利用反例攻击的空间。
三、反驳对手的Prompt模板与多轮策略
反驳比立论更容易出现无效输出：模型常常只是重复自己的观点，或者用“我不同意”代替真正拆解。有效的反驳必须定位对方论证结构中的具体位置——是前提错误、推理无效、证据不足，还是概念偷换。下面的模板将反驳动作细化为四个可执行步骤。
角色：你是一名擅长寻找逻辑漏洞的辩论分析员。
输入：对方完整论点如下：
{对方论点}
请按以下步骤输出：
1. 论点重建：用“对方认为...，理由是...，结论是...”的句式复述对方论证，不得超过80字。
2. 漏洞定位：从以下类型中选择一个最主要的问题：
- 前提错误
- 推理跳跃
- 证据不充分
- 概念偷换或模糊
- 以偏概全
- 虚假两难
3. 攻击展开：针对该漏洞写一段反驳，要求先指出漏洞所在，再说明为什么它会导致对方结论不成立，最后给出一个反例或思想实验。
4. 守正回应：在不改变己方核心立场的前提下，回应对方可能对本次反驳的再反驳，限50字以内。
约束：禁止直接重复己方立论内容；禁止使用人身攻击语言；每个攻击必须指向对方论证中的可检查环节。
这个模板的核心是“论点重建”。如果模型没有先准确复述对方观点，后续反驳就会成为对稻草人的攻击。很多辩论提示词效果差，正是因为跳过了重建步骤，模型抓住一个看似相似但实际偏离原意的观点进行反驳。通过限制在80字以内，模板还迫使模型压缩信息，只保留对方论证的主干。
漏洞定位的枚举列表也很有价值。把常见的逻辑谬误转化为可选项，可以让模型从“想一个反对意见”变成“从已知的漏洞类型中做诊断”。这种方式更符合语言模型的模式匹配能力，也便于后续根据漏洞类型切换到不同的攻击策略。例如定位到“虚假两难”时，模型应重点说明还存在第三种选项；定位到“以偏概全”时，则需要构造典型的反例场景。
多轮辩论中，还需要维护攻击记录。你可以在每轮用户消息中追加“已反驳的漏洞”和“对方未回应的点”，并在系统提示中要求模型优先选择新的漏洞，避免重复。如果对方已经修正了某个前提，模型应立即更新攻击方向，而不是坚持旧的反驳。可以把这些状态作为变量放进{对方论点}之前的上下文里，让模型明确知道哪些内容已经被处理过。
四、完整辩论流程与参数调优
将立论模板和反驳模板串联起来，可以得到一个基础辩论流程：第一轮使用立论模板生成开场陈述；第二轮把对方陈述填入反驳模板输出攻击；第三轮根据对方回应判断是否需要让步或继续攻击。主控逻辑可以放在系统提示中，并在每一轮切换用户消息内容。
下面是一段用Python调用OpenAI兼容接口的示例，演示如何把模板结构维护在消息列表中。实际使用时请替换为目标平台的API地址和模型名称。
import openai
SYSTEM_PROMPT = """你是一个辩论推理助手。你会根据用户提供的轮次信息执行对应任务。
可用任务包括：
- opening: 使用立论模板输出开场陈述
- rebuttal: 使用反驳模板分析对方论点并输出攻击
- adjust: 判断是否需要修正己方立场或攻击方向
请严格保持任务边界，不要一次执行多个任务。"""
def build_messages(round_name, user_content):
return [
{"role": "system", "content": SYSTEM_PROMPT},
{"role": "user", "content": f"当前任务：{round_name}\n{user_content}"}
]
# 第一轮立论
messages = build_messages(
"opening",
"辩题：是否应该全面推广四天工作制\n立场：支持\n请输出开场陈述。"
)
response = openai.ChatCompletion.create(
model="gpt-4o-mini",
messages=messages,
temperature=0.7,
max_tokens=800
)
print(response["choices"][0]["message"]["content"])
在参数调优方面，辩论任务对温度参数非常敏感。温度过高会使论证链条松散，出现大量看似相关但缺少必然联系的观点；温度过低又容易输出套路化文字，缺乏真正有攻击性的反例。建议立论阶段使用0.6到0.8，反驳阶段使用0.4到0.6，因为漏洞定位需要更高的逻辑稳定度。最大生成长度也要根据模板结构设置，通常立论需要600到900个token，反驳需要400到700个token，过短会导致步骤缺失，过长则可能出现重复内容。
不同场景还需要调整模板中的角色与约束。技术方案评审中，可以要求模型把“证据支撑”替换为“代码行为、压测数据或架构约束”，并在反驳时将“以偏概全”改为“测试覆盖不足”。政策辩论则更强调价值排序和利益相关者分析，可以在立论模板中增加“受影响群体”与“代价承担”两项。关键不是死记固定模板，而是理解模板背后的四个层次：角色设定、任务拆分、输出约束、自检清单。只要保留这四个层次，即使更换辩题和立场，模型也能持续输出结构完整、逻辑清晰的攻防内容。