第 11 讲　文本生成深度应用

模块 E · 生成篇能力主线：会创作 2 学时（90 分钟）第 11 / 16 讲

生成篇的第一站是文字。本讲解决三个问题：一篇几千字的长文怎么和 AI 协作写出来？怎么让 AI 写出"给对的人看"的风格？以及最重要的一条底线——学术写作里，AI 什么能干、什么不能干。

一、本讲学习目标

完成本讲后，你应该能够：

按"大纲先行 → 分节生成 → 跨节一致性 → 人工统稿"的流程与 AI 合写长文，而不是指望"一句话生成 2000 字"；
用六要素框架（背景、目的、风格、语气、受众、输出）编写写作类提示词（Prompt），并自觉控制文本的风格与受众；
把"领域规范与模板 + 可重复工作流"的思路用在学术写作上：期刊格式模板、实验报告固定结构、组会汇报骨架；
分清 AI 擅长的"再创作"（润色、翻译、总结）与不擅长的"新创作"（写 introduction、解读数值结果的物理含义）；
执行学术写作中 AI 的使用边界：对照可用 / 禁用清单做事，并规范填写《AI 使用声明》。

二、课前准备

准备一篇示例科普文（用教师发布的课程示例，或自选一篇物理科普短文），课堂练习要拿它做"润色 / 总结归纳"。
查一查学校与主要物理期刊的 AI 使用政策，各写一句摘要：AI 参与写作的部分要不要声明？有没有禁用环节？课上要交流。
带上期末项目的已有材料：第 8 讲的项目计划书、第 10 讲的数据分析结果——本讲课堂实操直接为期末项目产出核心文本。
翻看自己的AI 使用日志与第 5 讲的提示词卡：六要素框架就是提示词卡的"写作特化版"。

三、核心概念精讲

1. 为什么"一口气写 2000 字"会翻车

先看一个几乎人人踩过的坑：对大模型（LLM）说"帮我写一篇 2000 字的科普文《从熵到信息》"，结果往往是大纲勉强像样，中间开始车轱辘话，结尾要么凑字数、要么悄悄收场，前后段落还会互相矛盾。原因有两个：一是它一次只能"看到"这么多——上下文窗口（Context Window）就像一只容量有限的行李箱，装了太多内容，最先放的就被挤出去了；二是它按"接龙"方式逐句生成，前一句决定后一句，没有全局蓝图，写着写着就偏航。此外，长文里每个"事实"都是一个潜在的幻觉（Hallucination）点，一口气生成的两三千字，等于把核查工作量也放大了。

解法不是换更强的模型，而是换协作流程——像做实验一样，先定方案再动手：

步骤	谁主导	一句要点
① 大纲先行	人定骨架，AI 建议	论点、证据、顺序由你拍板，AI 只能在你批准的骨架上填肉——正如实验前先定测量方案，不边测边想
② 分节生成	AI 执笔，人给足上下文	一次只要一节，并把该节的"位置卡"发给它：大纲中的位置 + 前后两节各一句话摘要 + 本节素材
③ 跨节一致性	人检查，AI 辅助	全文术语、符号、口径统一（如 g 一律取 9.8 m/s²、"不确定度"不随手写成"误差"），可让 AI 列出全部不一致处供你裁定
④ 人工统稿	人	科学性由你逐句把关，AI 产出，人工把关——署的是你的名字，负责任的也是你

2. 把"规范与模板"沉淀下来：写作里的可重复工作流

最适合沉淀为"技能"（可复用工作方法）的场景分成两类：领域规范与模板（如品牌规范、法务审核流程）和可重复的工作流（如每周复盘）。迁移到学术写作，你的"领域规范与模板"是现成的：

期刊格式模板：目标期刊的章节结构、图表编号规则、参考文献格式（如 GB/T 7714）——这是"写作领域的品牌规范"；
实验报告固定结构：目的 → 装置 → 方法 → 数据 → 不确定度分析 → 结论，每一节写什么、不写什么，都有约定；
组会汇报骨架：上周进展 → 本周结果 → 遇到的问题 → 下周计划——这就是典型的"可重复工作流"。

这和物理实验是一个道理：动手前先写测量规程（用什么仪器、读数到哪一位、有效数字怎么取），谁都按规程操作，结果才可比较、可复现。反过来看，如果每次都"裸着"向 AI 提要求，会遇到三件麻烦：每次都要重新描述一遍格式与要求；每次都要重新粘贴背景资料；产出难以保持一致——今天的小标题是"一、二、三"，明天就变成"1. 2. 3."。

💡 解法：把要求"固化"

短平快的写进提示词卡（第 5 讲）；团队共用的写进项目里的一份"写作规范.md"，并在每次对话开头让 AI 先读——它就成了这份写作任务的长期指令（Instructions）；规范一旦稳定，还可以升级为 Agent 的技能（Skill），让 Agent 每次写同类型文档都自动套用。

3. 写作类提示词的六要素框架

第 4 讲的"具体、上下文、角色、格式"四基本功是通用底座；写作任务有自己的特化版——六要素。写完提示词后，用这张表逐项自检：

要素	回答的问题	写作任务示例
背景	这件事是怎么来的？	"这是物理实验课程的单摆测 g 报告，数据已处理完"
目的	写它要达成什么？	"让读者看懂不确定度如何评估"
风格	整体像什么文体？	"规范的课程实验报告体"
语气	说话的态度？	"客观、克制，不用感叹号"
受众	写给谁看？	"修完力学的本科二年级同学"
输出	交付什么形式？	"只写'结果与讨论'一节，约 500 字，分三段"

在六要素之上，还可以用结构化输出四要素把要求钉死：任务指令 + 格式模板 + 注意事项 + 示例——本讲案例演示的"文献综述提纲生成器"就是按这个骨架写的。

4. 风格控制：给谁看，决定怎么写

同一份物理内容，写给高中生和写给同行，几乎是两篇不同的文章。控制风格有四个旋钮：受众、语气、篇幅、术语密度。提示词里明确设定这四项，比"写得专业一点"这类模糊要求有效得多。下面用同一主题《从熵到信息》做一个对照表：

旋钮	高中生科普版	同行版	课程报告版
受众	无物理基础的中学生	物理专业师生	任课教师与助教
语气	亲切设问、打比方	克制精确、直陈结论	规范平实、依据充分
篇幅	短段短句，多分节	段落致密，论证完整	按报告各节要求
术语密度	每个术语都要先解释	默认已知，直接使用	沿用课程讲义定义

光有表还不够，直接看两段示范（同讲"熵与信息"的同一处知识点，两种写法）：

🧪 风格示范 · 主题《从熵到信息》

高中生科普版："为什么收拾好的房间总会变乱，乱的房间却不会自己变整齐？物理学用'熵'来回答：一个系统微观上能摆出的方式越多，熵就越大，而孤立系统的自发变化总是朝着'摆法更多'的方向走——这就是热力学第二定律。'信息'恰好站在它的对面：所谓获得信息，就是消除不确定性——当你推门看清房间有多乱的那一刻，'到底有多乱'这个悬念就消失了。信息甚至不是虚的东西：物理学家证明，擦除信息至少要向环境释放一定的热量。"

同行版："由玻尔兹曼关系 S = k_B ln Ω，熵可理解为宏观态所对应微观状态数目的对数度量；孤立系统的自发演化满足 ΔS ≥ 0。香农信息熵 H = −Σ p_i log₂ p_i 与吉布斯熵在数学形式上同构，仅将物理分布换成信息分布，取 2 为对数底时单位为比特。二者的联系并非类比：麦克斯韦妖佯谬的消解表明，不可回避的代价在于信息擦除——Landauer 原理给出擦除 1 bit 至少耗散 k_BT ln 2 的热量，而测量记录可通过可逆计算保留，不必然付出这一代价。"

给 AI 下风格指令时，最有效的做法是给一段你自己写的范文，让它模仿——比任何形容词都管用（这在提示词技巧里叫少样本提示（Few-shot），第 4 讲讲过）。

5. AI 擅长什么写作？——"再创作"与"新创作"的分界

科研与学习写作中，AI 辅助的常用场景有四类（不限中英文）：

场景	怎么用
语法与错别字检查	成稿后交给 AI 逐句排查，它逐条列出改动建议，你逐条裁定，不要"一键全部接受"
语句润色	"这句读起来生硬，请给出三个更通顺的改法，并保持原意"
中译英	英文论文里某个句子总写不好？先写中文，再让 AI 翻译成英文，最后自己核对术语
总结归纳	把文章主体写好后，让 AI 基于正文生成 conclusion 与 abstract 的草稿，再人工核对有没有"正文里没有的说法"

注意这四个场景的共同点：都基于你已经写好的内容做加工。有一条关键判断——AI 擅长基于已有内容的"再创作"，不擅长"新创作"。两个典型的不擅长：

写 introduction：引言需要文献视野和对领域脉络的把握。可行的折中是先用 Deep Research（深度研究）类工具检索文献、搭出框架，再由人主导完成正文——AI 辅助，不能代笔；
解读数值结果的物理含义：AI 可以写出"大致的分析套路"，但从你的数据里提取物理含义（那个偏差意味着装置漏气，还是系统误差？）——它不知道你的数据是怎么来的，只有你知道。这部分永远自己写。

用一句话记住这个分界：让 AI 加工你写好的，不替你创造你该想的。

6. 学术诚信专题：可用清单、禁用清单与《AI 使用声明》

文本生成能力越强，诚信问题越尖锐。《负责任研究行为规范指引（2023）》（科技部发布）与《人工智能生成合成内容标识办法》（国家网信办等部门发布）都对 AI 参与创作划出了要求——对课程作业而言，落到三件事：能解释、可核查、必声明。

💡 一句话理解课程立场

"我们去武当山，是为了练剑法，而不是找把好剑！"——用 AI 辅助写作，目的是加速锻炼你自己的写作能力，而不是买一把代笔的"好剑"。剑法（能力）长在你身上，才是这门课的产出。

✅ 允许（须能解释与核查）	🚫 禁止（课程红线）
辅助检索：找文献线索、关键词、综述框架	直接提交未经核查的 AI 输出
辅助构思：头脑风暴选题、大纲建议	让 AI 代做需独立完成的部分（如个人反思、考核测试）
辅助润色 / 翻译 / 检查：语法、表达、错别字、中译英	伪造数据与文献——包括不加核查地保留 AI 编造的参考文献
辅助生成素材：配图草稿、封面、示例等	使用 AI 生成内容却不声明，冒充纯人工完成

把视野放宽一点，这些规定背后是 AI 伦理的四个通用议题（对齐 2024 版培养方案伦理章节要点）：常见陷阱——把"AI 说得流畅"当成"AI 说得对"，是最高频的翻车原因；偏见与公平——训练数据自带偏差，AI 概括与转述时可能放大偏见，引用前要想想"这个说法对谁不公平"；隐私保护——不把身份证号、住址等个人信息，以及实验原始数据、他人未发表成果投给 AI；发展趋势——AI 生成内容的标识、检测与监管规则正在快速演进，注意保持关注，以最新政策为准。

凡作业用到了 AI，随文附AI 使用声明。模板如下（照抄改填即可）：

工具	用途	核查方式
智谱清言（GLM）	对"结果与讨论"一节做了两轮润色，给出 3 种表达供选	逐句比对原稿与改稿，保留原意的 5 处采纳，其余未用
DeepSeek	英文摘要初稿翻译（基于我写好的中文摘要）	对照中文逐句回译核对，专业术语参照讲义译法修正 3 处
（填写你用的工具）	（填具体用途：检索 / 构思 / 润色 / 翻译 / 检查 / 素材）	（填你怎么核查：对拍、查原文、逐句比对……）

四、物理场景案例演示

期末项目 A 方向（物理科普多媒体作品包）选定主题《从熵到信息》后，第一份文本工作是文献综述。下面这条"文献综述提纲生成器"提示词，完整示范了六要素 + 结构化输出四要素（任务指令、格式模板、注意事项、示例）的组合用法，可直接复制修改使用：

🧪 演示：文献综述提纲生成器

【背景】我在写大学物理课程期末科普作品《从熵到信息：热力学熵
与信息熵的相遇》，需要一份文献综述提纲。我已修完热学，能读
中英文教材与科普文献。
【目的】提纲用于规划综述正文：每部分写什么、按什么顺序、需要
哪些证据支撑。
【受众与风格】面向物理系本科同学；学术但可读；不堆砌术语。
【任务指令】请生成一份 4 部分的综述提纲。每部分给出：小节标题、
本节要点（2–3 条）、需要支撑的关键说法（各 1 句）、建议检索
关键词。
【格式模板】
一、<小节标题>
  要点：<…>；<…>；
  关键说法："<…>"（此处需引用文献）
  检索关键词：<…>；<…>；
【注意事项】
1. 只搭提纲，不写正文；
2. 每条"关键说法"后必须标注"需引用文献"；
3. 不要编造文献：可以给检索关键词，但不要给出看似真实存在的
   论文题目、作者与年份；
4. 全篇采用国际单位制；热力学熵符号统一为 S，信息熵为 H。
【示例】
一、什么是熵：从热机到微观状态
  要点：克劳修斯引入熵的原始动机；玻尔兹曼的微观态解释
  关键说法："熵对应宏观态所容纳的微观方式数目的对数。"
  （需引用文献）
  检索关键词：热力学第二定律、玻尔兹曼熵公式

AI 返回的提纲（节选，输出示例）：

一、什么是熵：从热机到微观状态
  要点：热机效率问题引出态函数 S；微观状态数 Ω 与玻尔兹曼公式
  S = k_B ln Ω
  关键说法："熵是宏观态对应微观方式数目的对数度量。"（需引用文献）
  检索关键词：热力学第二定律、玻尔兹曼熵
二、信息也能"称重"：香农的信息熵
  要点：通信中的不确定性度量；H = −Σ p_i log₂ p_i 与热力学熵
  形式同构
  关键说法："信息量的本质是被消除的不确定性。"（需引用文献）
  检索关键词：香农信息熵、信息与热力学熵
三、麦克斯韦妖与信息的物理代价
  要点：妖悖论的提出；Landauer 原理：擦除 1 bit 至少耗散
  k_B T ln 2 的热量
  关键说法："信息擦除的热力学代价使麦克斯韦妖无法违反第二定律。"
  （需引用文献）
  检索关键词：麦克斯韦妖、Landauer 原理、可逆计算
四、从思想实验到现实技术
  要点：Landauer 原理的实验验证思路；信息处理能耗的应用
  关键说法："信息处理存在热力学下限。"（需引用文献）
  检索关键词：信息热力学、计算能耗

这条提示词为什么"专业"：

六要素齐全：背景（作品与自身水平）、目的（规划正文）、受众与风格、输出（4 部分、每部分给什么）——AI 无需猜；
格式模板把"提纲长什么样"钉死，多轮生成的提纲结构一致，方便对比与拼装；
注意事项第 2、3 条是"防幻觉锁"：强制标注"需引用文献"、禁止编造文献——把诚信要求前置到提示词里，而不是事后补救；
示例（few-shot）让 AI 模仿你要的颗粒度，第一条往往就接近可用。

这条提示词不是"纸上谈兵"。下面两个折叠区是把它换用实战主题后，在 ZCode + GLM 里的真实运行记录：先看提纲怎么生成、怎么据实测优化，再看"大纲先行 → 分节生成"两步流程的真实输出。

🧪 查看运行结果（ZCode + GLM 实测）· 提纲生成器两轮实录