空间关系推理是大语言模型相对薄弱的能力之一。当你问它“我在十字路口面向北，左转之后再右转，现在面向哪个方向”这类问题时，模型经常给出前后矛盾的答案。原因在于模型没有身体感知，它对空间的理解完全来自文字训练数据中的统计规律，而不是真实的几何计算。要让模型在方位判断、距离估算、路径规划这类任务中表现稳定，关键在于通过精心设计的提示词，把隐式的空间关系转换成显式的、可推理的规则。本文将从参考系建立、方位与距离表达、路径规划模板三个层面，系统地讲解空间关系推理提示词的编写方法。
一、为什么AI容易在空间关系上出错：先理解模型的短板
要写出有效的提示词，首先要知道模型为什么会错。大语言模型处理“东、南、西、北”这类词时，本质上是在处理词与词之间的共现关系，而不是在脑中构建一张地图。例如“北方”在语料中经常与“冷、雪、右转后……”等词同时出现，但这些共现并不构成真正的几何约束。
典型的错误包括三类。第一类是参考系混乱：用户说的是“你左手边”，模型却按照绝对方向（东南西北）去推理；第二类是转向累积错误：连续多次左转右转后，模型对当前朝向的判断开始漂移，因为它不会自动维护一个“当前朝向”的状态变量；第三类是距离与顺序混淆：当一句话里同时出现多个距离和多个地标时，模型容易把“先走100米到邮局，再走50米到银行”理解成“到邮局150米”。
这些错误的根源是模型缺乏状态追踪能力和坐标系计算能力。因此提示词的核心思路就明确了：把模型不擅长的隐式空间计算，转换成它擅长的显式符号推理——也就是在提示词中直接给出坐标系定义、状态更新规则和逐步推理的要求。
二、建立参考系与方位锚点：空间提示词的基础结构
1. 显式定义坐标系
任何空间推理的前提是所有参与方共享同一个坐标系。提示词中应明确使用绝对方向还是相对方向，并给出明确的坐标轴定义。例如：
你是一个空间推理助手。请使用如下坐标系进行推理： - 以正北为 0 度，正东为 90 度，正南为 180 度，正西为 270 度。 - 所有方位角按顺时针方向计算，范围 0 到 360 度。 - 回答时必须先输出计算过程，再输出最终答案。
这样的定义把“北偏东30度”这类模糊表述固定成“方位角60度”这样的精确表达，模型后续的推理就有了统一的尺度。实践表明，仅仅加入这一段定义，方位判断类问题的准确率就会有明显提升。
2. 区分绝对方向与相对方向
人类在对话中会无意识地在两种方向体系间切换，而模型无法自动感知切换。提示词中应要求模型先识别语境中的方向体系，必要时进行换算：
规则： 1. 如果用户使用"东、南、西、北"等绝对方向，直接按方位角计算。 2. 如果用户使用"左、右、前、后"等相对方向，必须先结合当前朝向换算成绝对方向。 3. 换算规则：面向方位角 A 时，"左"为 A-90 度，"右"为 A+90 度，"后"为 A+180 度，结果对 360 取模。 4. 每一步换算都要写出中间结果。
这个换算规则看似简单，却是解决“转向后朝向哪里”问题的关键。模型被强制要求写出每一步的中间结果后，就不再依赖模糊的直觉，而是执行确定的算术运算，出错概率大幅下降。
3. 用锚点描述相对位置
在描述“A在B的什么位置”时，推荐在提示词中要求模型先确定参照物，再给方位，最后给距离，形成固定的三元组结构：参照物、方位角、距离。例如提示词可以要求：
输出格式要求： 每个位置关系必须表示为（参照物，方位角，距离）三元组。 示例：超市在（家，90度，500米）表示超市位于家的正东方向500米处。
这种结构化表达避免了自然语言中“从家往东走不远就是超市”这类模糊描述带来的歧义，也为后续的路径计算打下了基础。
三、距离推理与路径规划：让模型学会分步追踪状态
1. 路径规划的核心：维护状态表
路径规划问题最容易出错的地方在于状态丢失：模型走完三步之后，往往已经忘了自己在哪、朝向何处。有效的提示词应强制模型在每一步之后更新并输出一个状态表，包括当前位置坐标和当前朝向：
你是一个路径规划助手。请严格按照以下步骤处理路径问题： 第 1 步：设定起点坐标为 (0, 0)，设定初始朝向的角度值。 第 2 步：逐条处理移动指令，每处理一条指令后输出状态： 当前坐标 (x, y)，当前朝向角度。 坐标计算规则：向东移动 d 米则 x+d，向北移动 d 米则 y+d。 第 3 步：所有指令处理完后，输出终点坐标、终点朝向， 以及起点到终点的直线距离和方位角。 用户问题：我从起点出发面向北，前进100米，右转前进50米， 再右转前进100米，请问我现在在哪里，朝向哪里，离起点多远？
按照这个提示词，模型会逐步算出：第一段后坐标为 (0, 100)、朝向 0 度；右转后朝向 90 度，前进 50 米到 (50, 100)；再右转朝向 180 度，前进 100 米到 (50, 0)。终点在起点正东 50 米，朝向正南。每一步都有中间状态可查，即使某一步算错，也很容易定位和纠正。
2. 路径选择与障碍描述模板
当任务从单一路径追踪升级为“规划一条从A到B的路线”时，提示词需要补充节点、边和约束的表达方式。推荐使用类似图结构的形式化描述：
已知路网信息（节点，邻接节点，距离）： 家 — 学校：600米 学校 — 商场：400米 家 — 公园：300米 公园 — 商场：700米 规划要求： 1. 列出所有从家到商场的可行路径。 2. 分别计算每条路径的总距离。 3. 输出最短路径，并说明每一步的行进方向（用方位角表示）。
把路网信息整理成清晰的边列表后，模型可以可靠地完成枚举和比较。相反，如果把路网信息埋在一段长文本里，模型经常漏掉某条边或算错某段距离。这体现了空间提示词的一条通用原则：输入信息的结构化程度，直接决定输出推理的可靠程度。
3. 链式推理与自我校验
对于更复杂的场景，可以在提示词末尾追加校验环节，要求模型用另一种方法验证答案，例如先按步进法计算终点，再用向量求和法验证：
校验要求： 完成路径计算后，请将所有移动表示为向量并求和， 验证向量和与终点坐标是否一致。如果不一致， 请重新检查每一步的计算过程。
这种双重验证机制利用了模型可以生成多轮推理的特点，用简单的一致性检查拦截大部分计算错误，是提升空间推理可靠性的实用技巧。
四、常见误区与优化技巧
1. 避免一次塞入过多空间信息
上下文越长，模型对位置信息的保持能力越差。如果一个场景涉及十几个地标，建议在提示词中要求模型先输出一张位置关系表，把散落在各句中的空间信息集中整理，再基于表格进行推理。整理本身就能纠正不少隐含的矛盾。
2. 不要假设模型了解默认约定
“右转”是转90度还是转任意角度、“前方”以谁为准、距离单位是米还是千米，这些约定都必须在提示词中写明。省略任何一条，模型都可能按训练语料中的另一种常见用法去理解，导致整个推理链条偏移。
3. 用具体示例约束输出格式
空间推理的答案需要精确，自由格式的输出会让后续解析变得困难。提示词中给出一个完整的输入输出示例，让模型模仿示例的推理路径和呈现格式，比单纯的文字规则描述有效得多。
总结来看，空间关系推理提示词的编写要点可以归纳为三条：建立显式坐标系和换算规则，强制模型逐步输出中间状态，用结构化输入承载路网与位置信息。掌握这三条原则后，无论是方位判断、距离计算还是路径规划，都可以让大语言模型输出稳定、可验证的空间推理结果。
空间关系推理提示词工程路径规划Prompt修改时间：2026-08-31 06:20:41