一项受控实验表明，在长链智能体迭代中使用前缀锚定提示可以缓解“静默失败”——即输出在语义上保持一致但偏离物理现实——的问题。该研究对比了主流 Transformer 模型在有和没有锚定约束的情况下进行的 80 轮食谱生成。

  • 对照组输出在 80 次迭代后违背物理边界（例如，7°C 的油、纳米级切片）。
  • 实验组输出保持在物理规则边界内，并收敛至工业级标准化解决方案。
  • 控制组的 token 数量因无效内容增加了约 1 倍，而实验组因可部署的工程内容扩大了约 7 倍。
  • 锚定提示是一种纯外部解决方案，无需更改模型架构或增加额外的推理管道。

这种方法降低了事后事实验证的成本，并使得生产级长链智能体能够在没有可测量计算开销的情况下进行可靠部署。