排列组合和图论问题是大语言模型最容易翻车的数学领域之一。原因很简单：这类题目表面上是算数，本质上却是建模问题——同一个计数任务，表述方式稍有差异，模型理解的数学对象就完全不同。比如“从10个人里选3个人”和“从10个人里选出3个人排成一排”，前者是组合后者是排列，模型一旦理解偏了，后面算得再对也是白费。所以这类问题的核心技巧，是在Prompt里主动帮模型把数学结构说清楚，而不是指望它自己猜对。
一、计数类问题的Prompt结构化写法
写排列组合的Prompt，最重要的原则是显式声明数学对象的性质。你要明确告诉模型三件事：元素是否可区分、选取是否有顺序、元素是否允许重复。这三点只要有一点模糊，模型的答案就不可靠。
比如你要问一个分组计数问题，一个模糊的写法是：“8个球放进3个盒子，有多少种放法？”这个问题至少有四种解读：球是否相同、盒子是否相同、盒子能否为空。一个规范的Prompt应该这样写：
问题：将8个互不相同的球放入3个互不相同且允许为空的盒子中， 每个球必须放入且只能放入一个盒子，求方案总数。 要求： 1. 先判断这是排列、组合还是分组分配问题 2. 列出所用的计数原理（加法原理或乘法原理） 3. 给出公式推导过程，再计算最终数值 4. 用小规模情形（如2个球2个盒子）验证答案是否合理
这个Prompt里有几个关键设计。第一，用“互不相同”“允许为空”这类无歧义措辞消除了歧义；第二，要求模型先分类再计算，强制它走完推理链而不是直接报数字；第三，小规模验证能显著降低计算失误率。实践中你会发现，最后一步“自己验证”的指令往往能把正确率再拉高一截，因为模型在举小例子时更容易发现前面的建模错误。
对于隔板法、容斥原理这类需要技巧的题目，还可以在Prompt中主动提示“考虑使用隔板法”，但更推荐的做法是要求模型先枚举所有可能的解题方法再择优，这样能避免模型被单一思路锁死。例如加一句“请先分别考虑直接计数、隔板法、容斥原理三种思路，评估哪种最简洁后再展开”，模型输出的推理质量通常会有肉眼可见的提升。
二、图论问题的信息表述规范
图论问题的Prompt难点在于如何把图喂给模型。自然语言描述图的方式很多：邻接表、边列表、邻接矩阵、文字叙述，不同的描述方式对模型的理解难度差别很大。经验上，边列表是最不容易出错的形式，因为它最接近图的数学定义。
假设你要问一个最短路或连通性问题，推荐这样组织Prompt：
给定无向图 G = (V, E)：
顶点集合 V = {A, B, C, D, E}
边列表 E = {(A,B,4), (A,C,1), (C,B,2), (B,D,5), (C,D,8), (D,E,3)}
括号内第三个数字表示边权。
问题：求顶点 A 到顶点 E 的最短路径及路径长度。
要求：
1. 说明选择哪个算法并解释原因（如Dijkstra算法，需说明为何适用，
提示：所有边权为正）
2. 逐步列出每轮迭代中各顶点的当前最短距离估计值
3. 给出最终路径和总长度
4. 检查是否存在更短的替代路径
这个写法的好处是把图的数据和问题本身分开，用清晰的符号约定（三元组表示带权边）让模型不需要“脑补”任何信息。相反，如果你写成“有个图，A连着B距离是4，B还连着C……”，模型很容易在多轮对话后忘记某条边，导致整个推理崩塌。
还有一点值得注意：图的类型必须显式说明。有向还是无向、有没有自环和重边、边权有没有负数，这些信息直接决定算法选择。比如含负权边的最短路不能用Dijkstra而要用Bellman-Ford，如果Prompt里不提负权，模型可能默认正权直接套Dijkstra，答案自然出错。与其赌模型的谨慎程度，不如自己把这些边界条件写进题目里。
三、可复用的Prompt模板与避坑要点
把前面的技巧沉淀下来，可以抽象出一个通用的组合数学推理模板：
【题目】在这里完整描述问题，明确所有约束条件 【对象性质】元素是否可区分 / 是否有序 / 是否可重复 / 图的类型 【解题要求】 1. 先复述问题并确认理解无误 2. 列出候选解题方法并选择最合适的一种，说明理由 3. 分步推导，每一步给出依据的定理或原理 4. 数值计算完成后做一次小规模验证或交叉检验 5. 最终以“答案：XXX”的形式单独给出结论
这个模板的底层逻辑是把推理过程拆成模型擅长的短步骤。组合数学的推理链条通常很长，一步走错全盘皆输，而分步要求相当于给模型装上了检查点。要求它复述问题尤其有效，因为很多错误根本没到计算阶段，而是在读题理解阶段就偏了。
最后说几个常见的坑。其一，不要在Prompt里塞多个子问题串行依赖，模型容易混淆前一小问的答案和后一小问的条件，最好拆成多轮对话逐个确认。其二，避免使用“至少”“至多”这类词时不给上下界，比如“至少选几个”应写成明确的范围。其三，如果涉及大数计算，明确要求模型用阶乘展开或分步相乘的方式呈现过程，而不是一步得出天文数字，中间过程可见才方便你发现错在哪一步。掌握这些要点后，你会发现组合数学问题的模型表现，很大程度上取决于你提问的严谨程度。