地基：模型是概率采样器

Foundations: The Model as a Probabilistic Sampler

G00地基：模型是概率采样器组内节点 6 个层范围第 0 – 5 层组内边 5 条

一句话结论

本组确立全站的地基心智模型：模型逐 token 从概率分布中采样，因此不存在「写法正确就一定得到同一答案」这回事，确定性只能靠约束解码、结构校验与固定参数在工程上近似获得。

本页结构（可跳转）

本组内部依赖与对外接口：组内 6 个节点、5 条内部边、8 条跨组边（层 0–5）；列自左向右按依赖深度递增，同一列为相邻层带。（本站自制）

01本组导读

在此基础上讲清提示词的三层结构与上下文隔离手段、零样本与少样本的现行用法、指令具体性与可验证性的边界，以及注意力预算与上下文衰减这一贯穿全站的资源约束。
读者学完本组后应能把后续任何一条技巧都归位到「它是在对抗采样随机性、还是在组织上下文、还是在划定权限」这三类问题之一。

02组内节点

按依赖深度（layer）升序；同层节点彼此无先后约束。

节点PE-F-01

名称概率采样与确定性边界 Probabilistic Sampling and the Determinism Boundary

依赖深度第 0 层

内容状态内容已写满

节点PE-F-02

名称系统 / 开发者 / 用户提示词分层 System, Developer, and User Prompt Layering

依赖深度第 1 层

内容状态内容已写满

节点PE-F-03

名称分隔符与上下文隔离 Delimiters and Context Isolation

依赖深度第 2 层

内容状态内容已写满

节点PE-F-04

名称零样本与少样本 Zero-shot and Few-shot Prompting

依赖深度第 3 层

内容状态内容已写满

节点PE-F-05

名称指令的具体性与可验证性 Instruction Specificity and Verifiability

依赖深度第 4 层

内容状态内容已写满

节点PE-F-06

名称注意力预算与上下文衰减 Attention Budget and Context Rot

依赖深度第 5 层

内容状态内容已写满

03本组学习路径

第 0 层 · 1 个节点

PE-F-01 概率采样与确定性边界

前置无（起点层）→PE-F-01

第 1 层 · 1 个节点

PE-F-02 系统 / 开发者 / 用户提示词分层

前置PE-F-01→PE-F-02理由：先理解采样与确定性边界，才能理解为什么提示词要按稳定性与权威性分层

第 2 层 · 1 个节点

PE-F-03 分隔符与上下文隔离

前置PE-F-02→PE-F-03理由：先有分层心智，才知道需要在文本上划出哪些边界

第 3 层 · 1 个节点

PE-F-04 零样本与少样本

前置PE-F-03→PE-F-04理由：示例必须包在显式边界内才能与指令区分，故先学分隔符

第 4 层 · 1 个节点

PE-F-05 指令的具体性与可验证性

前置PE-F-04→PE-F-05理由：先掌握示例的用法，才能判断哪些内容该写成指令、哪些该用示例表达

第 5 层 · 1 个节点

PE-F-06 注意力预算与上下文衰减

前置PE-F-05→PE-F-06理由：指令写到可判定之后，剩下的约束来自上下文资源本身

04组间前后继

上一组无（本分区起点）→G00本组→下一组G01确定性输出

指向组外的前置

指向组外的前置无（本组不依赖其他分组的节点）