最新

AI 怎么让模型解释它为什么这么改

让模型改稿容易,判断改得对不对难。讲清怎么要求它逐条给出原文、改后和理由,怎么抽查理由是否站得住,以及为什么解释不能当证据。

让模型改稿很容易,难的是判断它改得对不对。让它把每一处改动连同理由一起列出来,你才有逐条核对的机会;否则只能整篇重读,改错的地方很容易漏过去。

入口在哪

入口就是对话本身,不需要插件。关键是把自己的要求写进提示词,并且规定好输出的颗粒度。

  • 一次只让它改一段。段落越少,理由越具体,越不容易退化成套话。
  • 要求按条目输出:原文片段、改后片段、改动理由,三项对齐。
  • 要求区分必须改和建议改。前者是错误,后者是风格偏好。
  • 要求标出没把握的地方,而不是一律给确定语气。

具体步骤

  1. 先把原文按段落编号,编号写进提示词。后面所有理由都挂在这个编号上,方便对回原文。
  2. 限定任务:只改第几段,其余段落原样返回,不要重写全文。
  3. 要求输出三列:原文片段、改后片段、理由。理由里必须引用原文里的具体词句,不能只写更通顺。
  4. 要求它把改动分成两类:纠正事实或者语法错误的,和只是风格调整的。
  5. 逐条核对。抽查三条理由,回到原文看这句话到底有没有它说的问题。
  6. 对答不上来的理由追问一句:这一条的依据是什么。说不清依据或者前后矛盾的,基本是事后编的。
  7. 把原文和改后稿丢给另一个会话,只问一句:这两版的差别里,哪些是真的改好了。换一个上下文复核,能过滤掉顺着你说话的情况。
  8. 最后保留一份改动清单存档。下次改同一篇时,这份清单就是基线。

几个坑

  • 把解释当成证据。模型是在写完之后生成理由,理由听起来合理,不代表改动真的对。
  • 让它一次解释几十条改动。条数一多,理由会缩成同一套说辞,看不出差别。
  • 只要结论不要片段。没有原文片段对照,你没法判断它说的是不是这一段。
  • 同一个会话里先让它当审稿人再让它当改稿人。两个角色的上下文混在一起,它会顺着自己前面的判断走。
  • 长文超出上下文长度。前面的段落和理由会被挤掉,最后给出的清单可能只覆盖后半篇。
  • 用解释替代事实核查。涉及数字、日期、条款的内容,仍然要回到原始资料核对。
  • 把更专业当成理由。这类词无法验证,等于没有理由。

怎么验证

  • 抽查三条理由,逐条回原文核对,看它指出的问题是否真实存在。
  • 要求每条改动标出所在段落编号和首句,编号对不上的直接作废。
  • 用新会话复核同一组原文和改后稿,两次结论矛盾的地方重点看。
  • 对比改动前后的段落数和字数,差异过大说明它其实重写了全文。
  • 把改动清单放一周再读一遍,脱离当时的思路更容易发现问题。

常见问题

模型给的理由可信吗

可以当线索,不能当结论。它的理由是对结果的解释,不是真实的推理过程。凡是能回到原文验证的,就去验证;验证不了的,按未确认处理。

怎么让它只改指定段落

把要改的段落单独贴出来,明确说其余段落不要输出。它仍然可能顺手改别处,所以核对时先看段落编号有没有多出来。

解释太长怎么压缩

限制每条理由只写一句话,并且只允许写原文哪个词有问题、改成什么。压不下去时,说明它没找到具体问题,只是在敷衍。

一句话总结:让它逐条给出原文片段、改后片段和理由,抽查理由能否回到原文验证,再用另一个会话复核,解释只能当线索不能当证据。