采风全网
达观天下

我让大语言模型改一段文案,它却先问了我三个问题

前阵子改一段产品说明,三百来字,写得又干又长。我把原文粘进对话框,附了句“润色一下”,等它直接给我一版能用的。结果它先反问:这段主要给谁看?希望语气更硬还是更软?有没有必须保留、不能替换的词?

我当时的反应是不耐烦。你都这么能写了,还问我这些干什么,先改一版出来我再挑不行吗。后来把这三个问题挨个回答完,它给的东西确实贴近了很多。这件事让我回头看了一遍自己平常怎么用这类工具,也顺带想清楚了一些以前没细想过的地方。

多数人把大语言模型当成一个随叫随到的搜索框,输入一句话,期望一步到位拿到成品。但这类模型做的事情,本质上是根据你给的上下文,推测你大概想要什么。推测的空间越大,它越容易往中间靠,写出一段四面光滑、谁都能用、也谁都不太用得上的文字。它反问,是在替自己收窄这个空间。当然,也可能只是我那句“润色一下”留的缝实在太宽。

它问的问题,值不值得回答

关键在于分辨问题本身有没有信息量。有些问题回答完,输出真的会变,比如读者是谁、发在什么渠道、有没有字数限制、哪些词是行业里不能乱用的。这类问题值得停下来想两分钟,因为你想不清楚,自己动手改的时候也一样会卡住。

另一些问题则接近把选择权原样退回来,像“你想要什么风格”这种。遇到这类,与其来回拉扯,不如直接给个默认值:就按克制、少形容词的路子写,不合适我再调。把决策成本压在提问环节,对话会变得很长,最后还是要你自己判断。

同一个问题,为什么有时问有时不问

我试过把同样的任务换成另一种说法:把读者、用途、字数区间、必须保留的三个术语一次交代清楚,再说一句“先复述一下你的理解,再动笔”。这一次它没有反问,直接给出了结构。同一件事,两种结果,差别不在模型那边,而在我这边的输入密度。

所以讨论“它到底行不行”往往没什么结论。上下文模糊的时候,它容易走向两个极端:要么给一段放之四海皆准的套话,要么自作主张替你改掉重点。这不是它心情好坏,而是提示里的约束太少,它只能猜。把需求写清楚这件事,其实一直没变,只是对象从同事换成了一个没有公司背景、也不会主动跑过来找你确认的协作方。

几个不新鲜但管用的做法

  • 一句话说清读者和用途,别让对方猜是给内部看还是给客户看。
  • 列出必须保留的词,和绝对不能出现的说法,边界比喜好更好传达。
  • 给长度区间和语气参照,附一小段你认可的样例,比形容词有用。
  • 要求先复述理解,再给正文,理解偏了能及时拽回来。

这些做法听起来像在写需求文档,事实上也差不多。区别在于,写给人看的时候,对方会主动追问;写给模型看的时候,追问与否全看提示留了多少空间,所以更该一次说足。

它能做的那部分,和它做不了的那部分

大语言模型擅长的是重组已有的表达:把一段绕的话理顺,把几种语气各写一版,把散落的要点归拢成条目。这些活儿费时间但不费判断,交出去能省下不少精力。它不擅长的是知道你没说出口的前提,比如这句宣传语上个月刚被否掉,这个说法在客户那里有歧义。它也不承担发布之后的后果。

所以流程上的分工其实挺清楚:让它多出几版草稿,人来定用哪一版、改哪几句、发不发。把整件事都推过去,再回头抱怨它不靠谱,多少有点不公平;反过来,什么都自己扛着不肯用,也只是把时间花在了它本来能分担的部分上。

回到开头那三个问题。我最后回了两句:给新客户看,语气克制,不要“颠覆”“重构”这类词。它改出来的版本我用了一半,删了一半,剩下的自己补。整个过程谈不上惊艳,但比我原先那句“润色一下”要省事得多。工具好不好用,有时候就取决于我们愿不愿意多打两行字。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:我让大语言模型改一段文案,它却先问了我三个问题
文章链接:https://tech.cfdanews.com/ai/1847.html