作者的 agent 在定时自查里反复声称「我们刚在聊天」，可事实上用户已经一天半没说话。评论区有人指出：提示词从没说清这一轮是谁触发的。作者于是做对照实验，两份只差一行「谁发的消息」的冻结请求各跑二十四次，由另一个模型盲评：无该行时二十三条有效回答里二十条声称在对话，有该行时二十四条里只剩两条，双侧精确检验 p 值约三点六五乘以十的负八次方。
🔑 核心要点
上一版提示词虽然给了正确时钟，但结尾一句「但这不能证明他离开了」，等于给模型留了辩解的缝。
小样本先试七种改法，只有发送者这一行和重写相对日期效果最明显，但都没过校正后的显著性门槛。
所以作者没有直接下标题，而是按事先冻结的规则补做了一轮更大的对照。
结论不是「加一行就治好」，而是这一个改动确实把最常见的错误按统计显著地压了下去。
💡 金句
“The sender line moved the count the most for the smallest change.” 译：发送者那一行改动最小，却把计数压得最多。