做内容运营这几年，我越来越觉得排版才是真正的体力活。写正文可能两小时就完事了，但给文章套标题层级、统一加粗、整理引用、调整列表缩进，动辄又耗掉一小时。直到我把“豆包排版指令”这套思路系统地整理出来、再固化成模板之后，才发现排版这件事完全可以交给AI做大半，而我要做的只是把规则说清楚。

说白了，所谓“豆包排版指令”，就是你提前写好一段给AI看的“排版规矩”，让豆包在生成、改写或整理内容的时候，直接按你约定的格式输出。输出不让AI“发自由发挥”，而是让它当一个遵守格式纪律的排版员。这件事的核心价值不在于AI能写多少字，而在于你愿不愿意花10分钟把指令写透。

这篇文章把我自己从0到1搭出的排版指令体系，包括指令的底层逻辑、三层写法、可直接抄作业的模板、实操示例，还有高频踩坑的排查方法，全部整理出来了。不管你是刚接触AI写文的公众号小编、博客作者，还是想给团队定义一套统一输出格式的负责人，看完都能直接上手。

1. 排版指令到底在解决什么问题

1.1 从一次手工作业说起

我早先帮某公司排过一期行业观察性质的长文，内容是从他们的产品周报里抽取整合出来的，大概有四千字。按理说这类文章就是发到公众号平台，格式要求也不复杂：一级标题、二级标题、加粗关键结论、引用重要线索、列表整理步骤。

但问题出在，团队成员把内容直接粘到在线编辑器之后，整篇文章就成了一坨连续段落。没有标题分层，没有重点标注，甚至连段落之间的逻辑推进都看不出来。我接手之后，只能在编辑器里一行一行地重新划重点、改字号、嵌样式，整整改了一个下午。那年头还没养成用AI做格式约束的习惯，现在回想起来，那个下午完全可以被“排版指令”消灭掉，因为这种机械化调整恰恰是AI最擅长的事情。

类似的事情其实每天都在发生。不是内容不够多，而是内容拿到手里之后要经过一遍“物理重构”。你会发现，写作的时候没想好格式，后面就要花双倍的时间做格式化。这就像装修房子，泥瓦工施工时不管水电预埋，等瓷砖铺好了再开槽布线，不只是浪费材料，还很容易把已经做好的东西破坏掉。排版指令解决的就是这个次序问题：把格式要求在生成内容那一刻就刻进去，而不是生成之后再手工修修补补。

1.2 排版指令的本质：把规则前置

豆包这类大模型对话工具的工作原理，本质上还是根据用户输入的上下文，逐步预测下一个最合理的字符序列。如果你不给它明确的格式指令，它就会按照它自己理解的通顺逻辑来输出文字，而这些文字可能段落均匀、措辞得体，却不会有你想要的深度层级和视觉节奏，因为“视觉”本来就不在它的默认考量范围内。

排版指令的作用，就是把你的视觉需求翻译成它听得懂的“结构语言”。你要做的不是喊一句“排版好看一点”，而是说明：一级标题用什么标记，二级标题用什么标记，强调内容放在什么位置，列表编号怎么呈现。当这些规则被写清楚之后，AI在生成时就会在结构层面遵循你的约定，输出来的内容就不再是普通的“流水账文章”，而是带有明确格式骨架的成品稿。

到这里，排版指令的底层逻辑其实就一句话：格式是生成的约束，不是生成后的人工修饰。你越早把格式规则交给AI，后面需要人工介入的地方就越少。这是我测试了无数轮之后得出的一条核心经验。

2. 排版指令的三层写法

2.1 第一层：口头约定式，基本没用

很多人的第一反应是写“请把下面这段文字排版好”“请按照公众号风格帮我整理”。这种写法之所以效果差，是因为它在AI那里被理解为“按你理解的常规排版来输出”，而没有给AI任何具体的边界和格式参考。

比如你输入一段没有层级的长文，告诉豆包“帮我排版”，豆包可能会很努力地自行分段，但它不知道你的一级标题和二级标题怎么区分，不知道哪些词需要加粗，更不知道要不要生成小标题。结果就是，AI产出的文本看起来似乎有结构，但等你真的往编辑器里复制，会发现所有标题层级都是用纯文本表示的，你根本没法靠肉眼分辨哪一层该是H2、哪一层该是H3。最终，你仍然要做一个下午。

用更直白的比喻：你跟一个不认识排版规范的人说“帮我把文章弄好看”，对方可能只会帮你把字体换大一点、段距调宽一点，至于文章的信息架构、强调重点、引用层次，它完全无从下手。指令越宽泛，结果越不可控。这一层写法如果用了，不如不用。

2.2 第二层：规则列举式，能跑但容易翻车

吃过口头式写法的亏之后，我开始尝试在指令里给出相对明确的规则。比如我会写：

• 一级标题前加数字序号
• 重要结论加粗
• 引用部分使用大于号开头
• 每个小节前空一行

这套写法比起第一层有明显进步，至少在格式骨架层面给了AI方向。但用一段时间后你会发现，它依然有几个很不舒服的地方。

第一个问题是歧义。你说“重要结论加粗”，AI不一定知道哪些结论算重要。它可能把三个观点全部加粗，也可能只加粗它认为最重要的那一句，结果和你心里的重点完全不是一回事。

第二个问题是稳定性差。同样一段内容，同一条指令，今天输出的格式和明天输出的格式会有肉眼可见的浮动。今天一级标题用了数字序号，明天可能变成符号开头，格式标准形同虚设。

第三个问题是上下文污染。当前面几轮对话里出现过其他文章和不同格式时，这一条规则列举式的指令很容易被“记忆”带偏，让输出格式出现混搭。

规则列举式因为门槛低，确实能应付一部分轻量需求，但当你要做严格的规范化输出时，就会发现它远不够用。

2.3 第三层：符号约束+示例驱动式，我最推荐的方案

后来我逐渐摸索出的方案，是“符号约束+示例驱动”。核心思路不再是用自然语言去描述排版规则，而是用一套统一的符号系统，把不同层级、不同类型的文本边界明确圈出来。

举个例子，我会在指令里定义：

• 凡是“H2：”开头的内容，作为二级标题
• 凡是“H3：”开头的内容，作为三级标题
• 凡是加粗文字，用双星号包裹
• 凡是要强调的短句，用斜体标注
• 引用内容统一用大于号开头
• 所有列表统一用短横线

这套符号约定本质上是在给AI一份“编码表”，让它在生成内容的时候，不需要做语义上的“重要程度判断”，只需要机械地套用标记。这恰好避开了AI最拿不准的“哪些结论更重要”这种主观问题，把它转化成了纯粹的格式匹配问题，结果输出的稳定性会大幅提升。

我试过两种写法在同一段素材上的表现，效果差异非常大。自然语言规则下，AI可能还会偶尔自己想“这是重点吧”然后主动加粗；符号约束下，它基本不会自作主张，格式完全按照模板来，编辑只需要后期把符号标记替换成平台的富文本样式即可。

如果说规则列举式是给AI一份“建议清单”，那么符号约束式就是给AI一套“样式代码”。二者在执行层面有天壤之别，这就是为什么我强烈推荐第三层写法。

3. 一套能直接抄的豆包排版指令模板

3.1 模板全貌

下面这套模板是我目前一直在用的版本。它提炼自前面说的第三层写法，不需要复杂的改造，你拿到之后只需要把示例部分替换成你自己的内容，就能让豆包输出规整的排版结果。

我将它设计为六个模块：角色设定、格式约定、输出顺序、边界约束、示例演示、输出格式要求。打开AI对话框时，直接把下面整段内容粘贴进去，再把你的待排版内容跟在后面发出去即可。

你是一名排版规范严谨的内容编辑助手。 请严格按照以下格式约定处理我提供的内容： 【格式约定】 - 所有二级标题统一以“H2：”开头 - 所有三级标题统一以“H3：”开头 - 需要强调的关键词或短语，用双星号包裹：**关键词** - 需要引用的他人观点或背景资料，统一使用“> ”开头 - 需要并列列举的内容，统一使用“- ”开头 - 段落之间保持一个空行分隔 【输出顺序】 - 第一行输出整篇文章的一级标题 - 第二行输出30字以内的摘要 - 从第三行开始输出正文内容 【边界约束】 - 不要改动原始内容的观点和事实 - 不要补充原文没有的新内容 - 不要添加任何开场白、结束语或解释说明 - 不要为标题添加多余的字数前缀 - 直接输出格式化结果，不要输出任何与排版无关的话 【参考演示】 原始内容： 豆浆机使用步骤。第一步浸泡豆子。第二步加入清水。第三步启动机器。注意不要超过水位线。 期望输出： 豆浆机三步操作指南 H2：准备阶段 - 提前将黄豆浸泡4小时以上 - 检查水位线位置 H2：操作流程 - 将泡好的豆子放入滤网 - 加入清水至指定水位 - 启动机器并等待程序结束 > 注意：水量不要超过内壁最高水位线 【待处理内容】 （在这里粘贴你的文章内容）

这套模板最核心的地方在于最后一个模块“参考演示”。千万不要为了省事删掉它，这一小段演示能让豆包快速理解你期望的具体格式长什么样。实测下来，带参考演示的指令，输出稳定性远高于不带演示的版本。

3.2 逐模块拆解：为什么每个部分都不能少

先看角色设定。让豆包扮演“排版规范严谨的内容编辑助手”，相当于是给它一个角色的约束。AI在对话里的角色感会显著影响它的输出风格，如果你不给角色设定，它就倾向于像一个通用聊天助手一样，在输出正文前后加一些“好的，以下是整理后的内容”之类的废话。有了角色设定，这类无效输出的概率会下降很多。

再看格式约定。用“H2：”“H3：”“**”“>”“- ”这些符号来做边界定义，好处是描述成本低、机器可识别度强。因为符号本身自带格式语义，不像“二级标题”“重点内容”这种自然语言那样存在解读空间。实际测试中，这类符号约定几乎没有出现过理解偏差。

输出顺序这一模块，主要是为了给AI限定内容展开路径。很多模型在输出长文时，喜欢自行填充“引言-正文-结语”三段式，但你并不一定需要。通过明确“第一行输出一级标题，第二行输出摘要，第三行开始正文”，你就可以让内容生成路径完全统一，也更方便批量处理。

边界约束是最容易被忽略但最关键的部分。特别是“不要输出任何与排版无关的话”这一条，能有效阻止AI在最终结果前后补充解释性文字。这里我想强调一句：AI生成内容时天然有“礼貌性包装”的倾向，如果没有负面约束，你拿到的每段结果都得你自己再去裁掉第一句“以下是整理后的正文”。把这些约束写进指令之后，批量处理时就省了很多手工清洁工作。

参考演示模块，本质上是一份“少样本示例”。大模型在理解复杂指令时，给一个具体例子比写一百句描述更有用。这个例子的作用是：让豆包照着这个输出形态走一遍，而不是仅仅理解你说的话。尤其当你的实际内容结构比较丰富时，演示例子可以有效压制AI擅自调整格式的欲望。

3.3 针对不同场景调整模板符号

模板里的符号可以自己改，但改了之后要保持全指令内一致。比如有的人喜欢用“【标题】”来标记标题，用“◆”来标记列表，这都没问题，只要你把格式约定里的内容同步改掉就行。

我做了几套变体适配不同的发布渠道。给公众号的文章，标题层级的标注会用“# ”“## ”这类更贴近Markdown的符号，因为公众号编辑器本身对Markdown支持尚可，可以直接偷懒；给博客平台的文章，我会调整成不带头衔前缀、而是直接用“一、”“二、”这类中文序号，因为博客阅读语境更适合中文序号的节奏；给课程文案或者产品说明，我还会追加一条“保持口播感，段落不宜过长”，让输出的内容在结构之上再叠加一层语言风格。

如果你刚开始接触这套方案，我建议先在原有模板上做改动，不要一上来就自创符号体系。等你用过两三轮，摸清楚豆包在格式化输出上的习惯之后，再慢慢定制自己的符号体系，会稳妥得多。

4. 实操：从输入到能直接粘贴的文章

4.1 准备工作：把内容拆成更容易处理的单元

在正式用排版指令之前，有一个经常被人忽视的准备步骤：把原始内容拆分成更小的单元。很多人会把一整篇2000字文档原封不动地扔给AI，期望一次就输出完美排版。这个做法不是不行，但失败概率偏高，因为模型在处理超长输入时，格式约束可能在某个段落之后悄悄走形。

我习惯把内容先拆成几个逻辑模块。比如一篇讲某套方法的文章，通常会有“方法定义”“执行步骤”“注意事项”三个模块。每个模块控制在600字以内，然后分别调用一次排版指令。这样每次对话的格式压力都会小很多，AI输出的偏差率也明显下降。

另一个好处是：模块化处理之后，你能在最后拼接时做二次微调。每次只看到一小段格式化输出，哪里有错一眼就能看到，不至于从2000字里大海捞针。

4.2 一次完整调用演示

下面我用一段实际素材演示一下完整流程。这一段是某次我帮某内容团队整理的“活动复盘长文”中的一个小模块，原始文字是这样的：

上周的活动整体来说效果不错，报名人数超过预期。到场率在75%左右，互动环节大家参与度很高，但是活动结束后的问卷反馈里，有一部分人提出讲师时间节奏偏快，希望下回能慢一点。物料方面，原计划准备的周边礼品数量不太够，有一部分晚到用户没领到。另外直播观看人数和现场人数相比差距较大，下回需要提前做线上线下联动。

我按上面的排版指令模板处理，输入“待处理内容”之后，豆包直接输出：

活动复盘：三组数据与两个改进方向 H2：整体数据表现 - 报名人数超过预期，到场率约75% - 互动环节参与度较高，反馈整体正向 H2：活动中暴露的问题 - 讲师时间节奏偏快，部分用户在问卷中建议放慢速度 - 周边礼品数量不足，晚到用户未能领取 - 直播观看人数与现场人数差距较大 > 后续改进方向：下回活动需提前规划物料数量，并设计线上线下联动方案

这个输出结果几乎可以直接粘贴到编辑器里，稍微把“H2：”替换成真实标题样式，再把“- ”改成平台认同的列表样式就能发布。我全程只花了一分钟写输入、十秒看输出，相比以前手工调整半小时，效率提升非常明显。

4.3 微调参数：标题层级压缩和内容长度的控制

实操中，你不太可能每次都拿到上面这么完美的结果。最常见的问题是标题层级太深，比如原始材料本身带三级甚至四级结构，AI会把“H2”“H3”一路标下去，套层级标注可能比正文还长。

这时候我的做法是在模板里追加一条约束：“只使用H2层级，所有子内容一律作为列表呈现”。这样强制压缩层级，能让输出更适合手机阅读，因为手机上三四级标题的小字号完全没意义。

另一个高频微调是内容长度控制。如果原始内容过于冗长，可以在指令中追加“每个列表项控制在25字以内”或者“每个段落最多三行”之类的量化指标。AI对具体数字的遵循度显著高于“写短一点”这种模糊描述，这个经验你可以直接拿去用。

4.4 批量处理与模板管理

当你要一次性排版多篇文章或一篇长文的多个模块时，我建议把模板存成笔记软件里的独立文档，发内容时复制模板、替换参考示例、粘贴待处理内容，三步走完一次。这样既不会因为对话历史污染导致格式漂移，又能保证每次输出都基于同一套规则。

我还会为不同平台做几套不同模板，用文件名区分，比如“豆包排版-公众号通用”“豆包排版-博客长文”“豆包排版-课程图文”。用到哪套就调用哪套，不用每次重新思考规则怎么写。做完这一步，排版这件事对我的时间占用，已经压缩到可以忽略的程度。

5. 常见问题与避坑指南

5.1 指令不生效的典型原因

你一定会碰到“明明指令写得挺清楚，豆包就是不按规则走”的情况。我给你整理了一张排查对照表，几乎覆盖了大部分格式化失控的场景。

这张表里的内容我都实际遇到过，尤其是格式在后半段漂移的问题，几乎每次处理3000字以上长文都会出现。后来干脆不占这个便宜，老老实实拆成三四段来处理，反而更高效。

5.2 特殊符号冲突：代码块、引用和列表怎么并存

如果你的原始内容里本身就有引文、代码块或者多级列表，格式化时容易出冲突。比如原始内容中本身用大于号开头表达引用，而你模板里也用大于号定义引用，AI就会把原始内容里的引文和模板里的引用标记混为一谈，导致大量段落被错误地加上引用样式。

碰到这种情况，我推荐一个笨但有效的办法：在把内容喂给AI之前，先做一次简单的文本替换。把原始内容里自带的大于号改成其他字符（比如中文全角大于号）或直接删除，排完版之后统一恢复。这个预处理步骤花不了半分钟，却能避开最大的格式冲突源。

代码块和列表的冲突也很常见。如果原始内容里有一段代码，而模板要求所有并列项都用“- ”开头，AI有时会把代码里的操作符也误判为列表标记。我一般会命令豆包“把代码部分原样输出，不要修改任何字符”，或者干脆把代码单独拎出来，排版完之后再回到文本里手工嵌入。

5.3 稳定输出的几个小技巧

除了上面说到的方法，还有三个小技巧对我帮助很大。

第一，指令层永远放在每次新对话的最前面。不要先跟AI聊半天再贴排版指令，前面对话里累积的上下文会影响格式输出。新建对话、贴入模板、紧跟待处理内容，顺序不变，输出最稳定。

第二，当需要保留原文的某些微妙表达时，给AI一条“原文改写幅度最小化”的约束。有时候排版指令本身自带梳理属性，AI会在整理格式时“顺手”把你的内容改得更通顺，这反而可能改动原意。加上这条约束之后，改写幅度会明显收窄。

第三，定期检查模板的示例质量。模板中的参考演示例子如果过于单一，AI对复杂结构的仿写能力就会下降。我每隔一段时间会把例子换成更贴近当前业务场景的新模板，保证示例始终具有代表性。这个习惯让我后面的批次稳定性和第一批一样高。

我在实际使用中最深的体会是：豆包排版指令真正解决的，不是“会不会用AI”的问题，而是“AI如何被约束”的问题。你写的指令越结构化，它交回来的成品就越可用。把模板打磨好一次，往后日积月累省下来的编辑时间，真的足够你去做更多有价值的事情。如果你也经常在排版上耗费精力，不妨今晚就拿一篇旧文章把上面这套模板跑一遍，大概率你会回来感谢那个肯花十分钟写清楚规则的决定。