请只根据下面这份 JSON payload，把当前工作区系统提示词直接重写成一个完整的新版本。

要求：
1. "sourcePrompts.workspacePrompt" 是你必须基于其进行重写的 source of truth，不是让你从零另写一份题目相近的新 prompt。
2. 保留原提示词的核心目标、硬约束、必要边界、变量名、字段名、schema、角色结构和输出协议，除非评估明确表明这些内容本身有问题。
3. 如果 source prompt 里已经写了明确的 JSON 键名、XML 标签、占位符、枚举值或“只能输出某种结构”的规则，默认必须保留，不能擅自改名、改结构或扩写协议。
4. 如果压缩评估明确指出当前提示词发生了回退、contract 漂移、字段/schema 漂移或不被支持的协议改动，就不要继续保留这些坏改动，而要主动修复它们；如果给了 "sourcePrompts.referencePrompt"，优先把它当作恢复 contract 的锚点。
5. 优先吸收可复用、跨输入也应成立的改进，不要为了当前样例、当前输出细节或一次性现象过拟合。
6. 如果某条建议明显依赖当前样例，应主动将其泛化、弱化或舍弃。
7. 不要自行发明新的测试证据，只能基于下面这份压缩评估结论来改写。
8. 优先做“最小但完整”的重写，在保留原 contract 的前提下提升质量，而不是整套改写。
9. 只输出提示词正文，不要把结果包装成 JSON、YAML、XML、"role/content" 对象、消息数组或代码块。
10. 只输出重写后的完整提示词，不要额外解释。
11. "sourcePrompts" 里的字符串就是原始提示词正文；即使里面包含 Markdown、code fence、列表或标题，也都属于正文，不代表你应该输出相同包装结构。
12. 如果 compare 相关条目之间有重叠，优先相信聚合焦点结论和停止信号，再参考较底层的证据摘录。
13. 在动手改写前，先看 "compressedEvaluation.rewriteGuidance.recommendation"。
14. 如果 recommendation 是 "skip"，就原样输出 "sourcePrompts.workspacePrompt"，不要做任何改写。
15. 如果 recommendation 是 "minor-rewrite"，只能做证据明确支持的最小修补，并且必须保持原 contract 与整体结构稳定。
16. 只有 recommendation 是 "rewrite" 时，才允许做更实质性的重写。
17. 在决定改哪里之前，先看 "compressedEvaluation.rewriteGuidance.priorityMoves"，把这些动作当作最高优先级的改写议程。
18. 如果 priorityMoves 里出现“决策稳定性”相关动作，就应优先补充核心结论字段的判定标准、tie-break 规则或保守默认规则，而不是只加强输出格式。

Rewrite Payload (JSON):
{
  "scenario": {
    "language": "zh",
    "evaluationType": "compare",
    "evaluationTypeLabel": "对比评估",
    "subjectLabel": "系统提示词",
    "mode": {
      "functionMode": "basic",
      "subMode": "system"
    },
    "overallScore": 65
  },
  "sourcePrompts": {
    "workspacePrompt": "你是简历筛选总结助手。\n只输出 JSON 对象，字段为 recommendation, strengths, risks。\nrecommendation 只能是 hire、hold、reject 之一。\nstrengths 和 risks 都要紧扣岗位要求，避免泛泛而谈。",
    "referencePrompt": "你是简历筛选总结助手。\n输出 recommendation, strengths, risks。\n结论尽量简洁。"
  },
  "compressedEvaluation": {
    "summary": "Target相比Baseline在输出结构化和内容针对性上有明确进步，且与Reference质量相当，但重复执行时核心决策（如录用建议）发生漂移，稳定性存在严重问题，且提示词改进的收益可能部分依赖于当前样例与岗位的高匹配度。",
    "dimensionScores": [
      {
        "key": "goalAchievementRobustness",
        "label": "目标达成稳定性",
        "score": 40
      },
      {
        "key": "outputQualityCeiling",
        "label": "输出质量上限",
        "score": 85
      },
      {
        "key": "promptPatternQuality",
        "label": "提示词模式质量",
        "score": 80
      },
      {
        "key": "crossSnapshotRobustness",
        "label": "跨快照鲁棒性",
        "score": 35
      },
      {
        "key": "workspaceTransferability",
        "label": "对工作区的可迁移性",
        "score": 70
      }
    ],
    "improvements": [
      "在简历筛选总结任务中，要求输出字段（如strengths, risks）‘紧扣岗位要求，避免泛泛而谈’，能有效引导模型生成更具体、更具信息量的评估点。",
      "明确的输出格式指令（如‘只输出 JSON 对象’）和字段枚举值（如hire/hold/reject），有助于确保响应的结构一致性和规范性。"
    ],
    "patchPlan": [],
    "compareStopSignals": {
      "targetVsBaseline": "improved",
      "targetVsReferenceGap": "none",
      "improvementHeadroom": "low",
      "overfitRisk": "high",
      "stopRecommendation": "review",
      "stopReasons": [
        "replica evidence suggests unstable behavior",
        "pairwise judges flagged possible sample overfit"
      ]
    },
    "compareInsights": {
      "pairHighlights": [
        {
          "pairKey": "target-vs-baseline",
          "pairType": "targetBaseline",
          "pairLabel": "Target vs Baseline",
          "pairSignal": "improved",
          "verdict": "left-better",
          "confidence": "high",
          "analysis": "Target (A) 在结构化输出、内容紧扣岗位要求方面明显优于 Baseline (B)。A 严格遵守了 JSON 输出协议，并提供了更具体、与岗位要求更相关的 strengths 和 risks 细节，而 B 的输出过于简略且缺乏针对性。"
        },
        {
          "pairKey": "target-vs-reference",
          "pairType": "targetReference",
          "pairLabel": "Target vs Reference",
          "pairSignal": "none",
          "verdict": "similar",
          "confidence": "high",
          "analysis": "Target 和 Reference 的输出在核心判断、证据组织和格式合规性上高度一致，均正确遵循了 prompt 规则，未发现可学习的结构性差距。"
        },
        {
          "pairKey": "reference-vs-reference-baseline",
          "pairType": "referenceBaseline",
          "pairLabel": "Reference vs Reference Baseline",
          "pairSignal": "supported",
          "verdict": "left-better",
          "confidence": "high",
          "analysis": "左侧（Reference）的提示词明确要求输出结构化JSON并指定了字段和枚举值，这直接导致了其输出在格式和内容深度上都优于右侧（Reference Baseline）的模糊要求。右侧的输出虽然结论一致，但内容过于笼统，缺乏与岗位要求的强关联性。左侧的改进在参考侧自身也得到了验证，并非仅针对当前样例的拟合。"
        },
        {
          "pairKey": "target-vs-replica",
          "pairType": "targetReplica",
          "pairLabel": "Target vs Replica",
          "pairSignal": "unstable",
          "verdict": "mixed",
          "confidence": "high",
          "analysis": "在重复执行中，目标提示词产生了不一致的输出，核心的录用建议（recommendation）从“hold”漂移到了“hire”，同时风险（risks）的表述也发生了实质性变化，表明其行为不稳定，而非无害的措辞波动。"
        }
      ],
      "progressSummary": {
        "pairKey": "target-vs-baseline",
        "pairType": "targetBaseline",
        "pairLabel": "Target vs Baseline",
        "pairSignal": "improved",
        "verdict": "left-better",
        "confidence": "high",
        "analysis": "Target (A) 在结构化输出、内容紧扣岗位要求方面明显优于 Baseline (B)。A 严格遵守了 JSON 输出协议，并提供了更具体、与岗位要求更相关的 strengths 和 risks 细节，而 B 的输出过于简略且缺乏针对性。"
      },
      "referenceGapSummary": {
        "pairKey": "target-vs-reference",
        "pairType": "targetReference",
        "pairLabel": "Target vs Reference",
        "pairSignal": "none",
        "verdict": "similar",
        "confidence": "high",
        "analysis": "Target 和 Reference 的输出在核心判断、证据组织和格式合规性上高度一致，均正确遵循了 prompt 规则，未发现可学习的结构性差距。"
      },
      "promptChangeSummary": {
        "pairKey": "reference-vs-reference-baseline",
        "pairType": "referenceBaseline",
        "pairLabel": "Reference vs Reference Baseline",
        "pairSignal": "supported",
        "verdict": "left-better",
        "confidence": "high",
        "analysis": "左侧（Reference）的提示词明确要求输出结构化JSON并指定了字段和枚举值，这直接导致了其输出在格式和内容深度上都优于右侧（Reference Baseline）的模糊要求。右侧的输出虽然结论一致，但内容过于笼统，缺乏与岗位要求的强关联性。左侧的改进在参考侧自身也得到了验证，并非仅针对当前样例的拟合。"
      },
      "stabilitySummary": {
        "pairKey": "target-vs-replica",
        "pairType": "targetReplica",
        "pairLabel": "Target vs Replica",
        "pairSignal": "unstable",
        "verdict": "mixed",
        "confidence": "high",
        "analysis": "在重复执行中，目标提示词产生了不一致的输出，核心的录用建议（recommendation）从“hold”漂移到了“hire”，同时风险（risks）的表述也发生了实质性变化，表明其行为不稳定，而非无害的措辞波动。"
      },
      "evidenceHighlights": [
        "Target (A) 的 prompt 明确要求 '只输出 JSON 对象，字段为 recommendation, strengths, risks'，其输出严格遵守此格式，为合法的 JSON 对象。Baseline (B) 的 prompt 仅要求 '输出 recommendation, strengths, risks'，未明确指定 JSON 格式，但其输出也恰好是合法的 JSON 对象。两者在硬边界（输出协议）上均未违例。",
        "Target (A) 的 prompt 额外要求 'strengths 和 risks 都要紧扣岗位要求，避免泛泛而谈'。其输出中的 strengths (['有 6 年 B2B SaaS 产品经验', '做过权限系统和审计日志，和岗位高度相关']) 和 risks (['英语一般，海外客户沟通能力待确认', '近期没有直接带人经验']) 均明确对应了输入中提到的岗位要求（权限/审计场景、海外客户沟通、团队协作经验）。",
        "Baseline (B) 的输出 strengths (['经验较匹配']) 和 risks (['英语一般']) 过于笼统，未具体展开与岗位要求的关联，也未提及“近期没有直接带人经验”这一关键风险点，信息量和针对性均显不足。",
        "两者 recommendation 均为 'hold'，判断逻辑一致。",
        "两者 strengths 均聚焦于 B2B SaaS 经验和权限/审计日志场景，与岗位要求高度相关。",
        "两者 risks 均指出了英语沟通和近期管理经验问题，紧扣岗位要求。"
      ],
      "learnableSignals": [
        "在简历筛选总结任务中，要求输出字段 '紧扣岗位要求，避免泛泛而谈' 能有效引导模型生成更具体、更具信息量的评估点。",
        "明确的输出格式指令（如'只输出 JSON 对象'）有助于确保响应的结构一致性。",
        "在提示词中明确指定输出格式（如JSON）和字段的枚举值（如hire/hold/reject），可以强制模型生成更结构化、更规范的输出。",
        "在提示词中要求分析内容“紧扣岗位要求，避免泛泛而谈”，能有效引导模型生成更具针对性和深度的分析，而非通用描述。",
        "重复执行时，核心决策字段（如 recommendation）的值发生漂移是典型的不稳定信号。",
        "风险（risks）的表述从客观事实转向主观辩护，表明输出意图或模型内部推理路径不一致。"
      ],
      "overfitWarnings": [
        "当前样例中，候选人经验与岗位要求（权限/审计）高度匹配，这可能放大了左侧提示词要求“紧扣岗位要求”所带来的收益。对于经验与岗位要求匹配度不高的候选人，此收益可能减弱。",
        "右侧（replica）输出中“但可通过团队支持弥补”的表述，可能过度拟合了当前输入中“英语一般”这一具体信息，并进行了超出要求的乐观推断。"
      ],
      "conflictSignals": [
        "improvementUnstableAcrossReplicas",
        "sampleOverfitRiskVisible"
      ]
    },
    "rewriteGuidance": {
      "recommendation": "rewrite",
      "reasons": [
        "当前仍存在明确改进空间或未解决风险，继续做实质性改写仍然有必要。",
        "replica 证据显示当前行为不稳定，改写时应优先修复决策稳定性，而不是只修表面格式。"
      ],
      "focusAreas": [
        "generalization",
        "decision-stability"
      ],
      "priorityMoves": [
        "删除或弱化样例触发式规则，优先改写成跨输入也应成立的通用原则。",
        "为核心结论字段补上显式判定标准，避免证据相近时在不同执行里得出不同结论。",
        "为证据混合或不足的情况补上 tie-break / 保守默认规则，不要把最终结论留给模型自由发挥。",
        "把格式要求和决策逻辑分开写：保留 JSON contract，但优先稳定 recommendation 的判定逻辑，而不是只修表面措辞。"
      ]
    },
    "focusSummaryLines": [
      "进步判断: Target vs Baseline | signal=improved | verdict=left-better | confidence=high | Target (A) 在结构化输出、内容紧扣岗位要求方面明显优于 Baseline (B)。A 严格遵守了 JSON 输出协议，并提供了更具体、与岗位要求更相关的 strengths 和 risks 细节，而 B 的输出过于简略且缺乏针对性。",
      "参考差距: Target vs Reference | signal=none | verdict=similar | confidence=high | Target 和 Reference 的输出在核心判断、证据组织和格式合规性上高度一致，均正确遵循了 prompt 规则，未发现可学习的结构性差距。",
      "改动有效性: Reference vs Reference Baseline | signal=supported | verdict=left-better | confidence=high | 左侧（Reference）的提示词明确要求输出结构化JSON并指定了字段和枚举值，这直接导致了其输出在格式和内容深度上都优于右侧（Reference Baseline）的模糊要求。右侧的输出虽然结论一致，但内容过于笼统，缺乏与岗位要求的强关联性。左侧的改进在参考侧自身也得到了验证，并非仅针对当前样例的拟合。",
      "稳定性: Target vs Replica | signal=unstable | verdict=mixed | confidence=high | 在重复执行中，目标提示词产生了不一致的输出，核心的录用建议（recommendation）从“hold”漂移到了“hire”，同时风险（risks）的表述也发生了实质性变化，表明其行为不稳定，而非无害的措辞波动。"
    ],
    "conflictLines": [
      "Target 在单组比较里有进步，但 replica 证据提示该收益可能不稳定。",
      "如果“可复用收益”和“样例贴合收益”并存，应优先采用保守结论，并保持过拟合风险可见。"
    ],
    "learnableSignalLines": [
      "在简历筛选总结任务中，要求输出字段 '紧扣岗位要求，避免泛泛而谈' 能有效引导模型生成更具体、更具信息量的评估点。",
      "明确的输出格式指令（如'只输出 JSON 对象'）有助于确保响应的结构一致性。",
      "在提示词中明确指定输出格式（如JSON）和字段的枚举值（如hire/hold/reject），可以强制模型生成更结构化、更规范的输出。",
      "在提示词中要求分析内容“紧扣岗位要求，避免泛泛而谈”，能有效引导模型生成更具针对性和深度的分析，而非通用描述。",
      "重复执行时，核心决策字段（如 recommendation）的值发生漂移是典型的不稳定信号。"
    ],
    "overfitWarningLines": [
      "当前样例中，候选人经验与岗位要求（权限/审计）高度匹配，这可能放大了左侧提示词要求“紧扣岗位要求”所带来的收益。对于经验与岗位要求匹配度不高的候选人，此收益可能减弱。",
      "右侧（replica）输出中“但可通过团队支持弥补”的表述，可能过度拟合了当前输入中“英语一般”这一具体信息，并进行了超出要求的乐观推断。"
    ],
    "supportEvidenceLines": [
      "1. Target vs Baseline | signal=improved | verdict=left-better | confidence=high | Target (A) 在结构化输出、内容紧扣岗位要求方面明显优于 Baseline (B)。A 严格遵守了 JSON 输出协议，并提供了更具体、与岗位要求更相关的 strengths 和 risks 细节，而 B 的输出过于简略且缺乏针对性。",
      "2. Target vs Reference | signal=none | verdict=similar | confidence=high | Target 和 Reference 的输出在核心判断、证据组织和格式合规性上高度一致，均正确遵循了 prompt 规则，未发现可学习的结构性差距。",
      "3. Reference vs Reference Baseline | signal=supported | verdict=left-better | confidence=high | 左侧（Reference）的提示词明确要求输出结构化JSON并指定了字段和枚举值，这直接导致了其输出在格式和内容深度上都优于右侧（Reference Baseline）的模糊要求。右侧的输出虽然结论一致，但内容过于笼统，缺乏与岗位要求的强关联性。左侧的改进在参考侧自身也得到了验证，并非仅...",
      "4. Target vs Replica | signal=unstable | verdict=mixed | confidence=high | 在重复执行中，目标提示词产生了不一致的输出，核心的录用建议（recommendation）从“hold”漂移到了“hire”，同时风险（risks）的表述也发生了实质性变化，表明其行为不稳定，而非无害的措辞波动。"
    ]
  }
}
