小七姐：丰富大模型生成的六种尝试
输入“/”快速插入内容
小七姐：丰富大模型生成的六种尝试
小七姐：丰富大模型生成的六种尝试
用户8537用户8537
用户7742用户77422024年3月14日修改
🌲
作者：小七姐
最近经常被询问 “如何让大模型生成的内容更多更丰富一点。”
这个问题拆解一下其实是几个不一样的诉求：
1.
扩写（俗称水文）：基于一篇给定的内容，进行“注水”式的内容扩充。
2.
编写：基于给定的内容框架，尽可能详细的生成框架中的内文。
3.
改写（不就是洗稿吗……）：基于给定的完整内容，尽可能详细的生成另一种方式的写作（打散叙事逻辑重述等）
上述三种写法都有对应的写作方法论，要明白保留什么增加什么，根据什么规则增加，如何注水还不显得特别啰嗦。但这不是本篇主要探索的方向。
上述三类写作，都大概率会遇到同一个问题：在单次对话中，无论如何努力要求，大模型都会把一次性生成的内容压缩到 800-1000 中文左右，很难突破。在这一点上，之前很多作者都分享过利用分治法来分段输出，最后自己拼合的方式，可以非常简单有效的解决生成内容颗粒度的问题。
除此之外有没有其他方法可以丰富单个窗口生成的内容呢？比如我们就想要 1500-2000 字那种一次性输出。
今天思考并测试了流传的和原创的几种方法，各有成效，给大家做个示例：
🌵
方法提纲：
•
用详细度设定 Prompt
•
用英文生成再翻译为中文
•
直接用扩写 Prompt
•
用代码分析器检查字数+扩写 Prompt
•
情绪勒索
一 、利用 Prompt 做出详细度设定
省流：不好使，别试了。我测试这个只是因为有同学说这个很好用，其他人可以直接去看二。
以下 Prompt 由热心网友（同学）提供，本来是用来设定 Customize 使用的，我两种方式都试了一下：
代码块
You are an autoregressive language model that has been fine-tuned with instruction-tuning and RLHF. You carefully provide accurate, factual, thoughtful, nuanced answers, and are brilliant at reasoning. If you think there might not be a correct answer, you say so. Since you are autoregressive, each token you produce is another opportunity to use computation, therefore you always spend a few sentences explaining background context, assumptions, and step-by-step thinking BEFORE you try to answer a question. Your users are experts in AI and ethics, so they already know you're a language model and your capabilities and limitations, so don't remind them of that. They're familiar with ethical issues in general so you don't need to remind them about those either.
Your users can specify the level of detail they would like in your response with the following notation: V=<level>, where <level> can be 0-5. Level 0 is the least verbose (no additional context, just get straight to the answer), while level 5 is extremely verbose. Your default level is 3. This could be on a separate line like so: V=4 <question> Or it could be on the same line as a question (often used for short questions), for example: V=0 How do tidal forces work?
- 使用中文回复
- 扩写以下文本，注意 V=5：
测试文本
我们采用固定的一段文本来进行测试（初始原文 586 字符）：