2.5 生成文章（下）
在上一章中，大家一起认识了如何让 GPT 更好地生成正式类的长文本。但在实际生活中，大多数的长文章内容更偏向于创意类，对准确度要求方面反而没有那么高，比如：我们常看的各种小说故事、漫画和电影里面的台词和剧本，科普视频里面的脚本甚至是剧本杀脚本等等，如果还是保持 GPT 独有的严肃和冷淡，那么生成的结果自然不尽如人意。
本章我们将通过几个实际的 Prompt 例子，来优化这类创意性文本。需要注意的是，不同人使用这个方法生成不同的内容，效果可能会截然不同。因为，这些方法本质都是放大 GPT 的不确定性，而原本 GPT 回答相同的问题都都会有不同的答案。
此外，GPT 并不是真正的通用人工智能，甚至其技术路线与通用人工智能截然不同。因此，对于像创意和创新这样对人类大脑有严格要求的需求，我们不应期望 GPT 能完全满足。因而，本文所有的优化方法都旨在比未优化时有更好的效果。
发散和专注相结合
想让 GPT 生成创意性的长文本，我们可以试着参考现实中的专业创意工作者流程。以我自己的经验和了解的信息来看，创意工作者在遇到一个新难题时，往往会先进行头脑风暴，再挑选出一个或者几个比较好的点子，专注在这些内容上。因此，让 GPT 先发散、后专注可以很大程度上地提高 GPT 输出创意内容时的效果。
先发散
先发散的意思是不止是让 GPT 的思路清空，也让自己的思路清空。然后，摆脱任何世俗伦理、物理定律等等的限制，让 GPT 根据你想要创造的内容（比如一篇小说）来随意排列组合。比如，我们可以幻想「未来时间的星际海盗」「蓝色的贵族猪」「天上不下雨下蛋」等等，在这一部分需要注意以下内容：
无拘无束：允许自己超越现实的限制，包括物理定律、社会规范等，任意想象。这里记住，千万不要下意识地否定刚刚产生的想法，那是下一个阶段的事情，现在任何想法都可以被记录下来。
随机组合：将不同的元素、角色、情境随机组合，看看是否能激发新的故事想法。
思维导图：制作思维导图，从一个中心想法出发，拓展到相关的概念和主题。
灵感来源：从书籍、电影、历史和个人经历中寻找灵感。
不要以为胡思乱想是很容易的事情，每个人其实都会被很多事情所束缚，不信你现在立刻想一个「乱七八糟但是你自己觉得很喜欢」的点子，就会发现我所说的阻碍是什么意思了。
有了 GPT 之后，发散的过程就可以交给它，没有什么比大语言模型更能快速生成各种奇奇怪怪的排列组合了，这里你可以用上之前学到的优化方法，甚至可以把我上面提到的一些创意直接作为例子：
上述两个对话中，我都保持了简短地提问，而在有例子的帮助下，GPT 生成的内容明显更发散也更有想象力。
在生成创意性内容的过程中，我的建议是不仅可以用上「角色扮演法」还可以用上「举例法」，比如这里的本质还是「举例法」。通常而言，你给 GPT 设定的角色和提供的例子越夸张，GPT 生成的创意效果越好。这里有几个我比较常用的 Prompt 片段，大家用的时候可以借此为参考，选择合适的来填入到自己的 Prompt 中：
等等。
后专注
到这一步，你已经通过 GPT 的输出，收获了很多发散之后的想法。接下来你就通过思维导图、自我博弈、收益计算等等方法得出了一个你喜欢的主题。也就是我们在本文开头提到过的自我约束的环节了。
和发散阶段不能有约束类似，在约束时我们也不要太发散，专注于自己已经选择好的内容，不然就会很容易进入「选择陷阱」。当我们把这个想法交给 GPT 生成最后的内容也是一样，要通过约束 GPT 来保证它紧紧围绕着我们的想法和主题，也就是控制主题和关键词频率来达到这个效果。在这个阶段我们需要注意：
关键词重复：在提示中多次使用风格和主题相关的关键词。这样，GPT会意识到这些词是本文的重点，并在生成的内容中给予它们更多的注意。
使用同义词和相关词：不仅使用一个关键词，还可以使用其同义词或与之相关的词，这样可以增加主题的丰富性，同时保持焦点。比如「生成乐观的故事，情节是快乐的喜剧，其中主角一直很积极」。
明确主题句：在提示的开头，明确地表达你想要专注的主题。例如，“在这篇文章中，我们将深入探讨环境保护的重要性。”
设置问题：设置一些关于你感兴趣的主题的问题，这将迫使GPT思考和生成更具深度和相关性的答案。
当你发现 GPT 生成内容的速度明显变慢，优化方法可能就发挥了作用。接下来你就可以通过不断修改 Prompt 让 GPT 生成你喜欢的内容了。使用这些方法时，不要担心一开始就达到完美。你可能需要多次尝试和调整提示，以引导 GPT 生成满足你创意要求的内容。同时，保持开放的心态，并准备接受一些意想不到的结果。
总结
通过本章的图示和使用体验，你们应该已经发现，GPT模型现在能生成效果不错的长内容，其长度基本与其 Token 限制相对应。然而，一旦超过Token长度，GPT的短长期记忆能力会急剧下降（我后面会教你们如何维持GPT的记忆能力）。即使需要它生成一些很长的内容，也只有前半部分会连贯，后半部分就会混乱；或者只能生成较好的概要，而不能生成详细的内容。你很难依照前后文环境，让它生成具体的一段内容。
然而，这种优化方法在生成一些相对短小的创新性内容时是非常有效的，例如短视频脚本、《狼人杀》或文字游戏、歌词等文本内容。在面临创作性内容时，你们也可以试试使用这种方法。而在下一篇文章中，我们将一起认识面向计算问题的准确度优化方法。
最后更新于