智能写作分享

智能写作技术路线

在大模型的现有能力框架内，其对于处理长文档级别的智能写作任务存在一定的局限性。针对这一问题，本文深入探讨了长文档智能写作这一应用场景，并在此基础上，提出了一套切实可行的技术解决方案。该方案旨在弥补大模型在长文档处理方面的不足，为从事智能写作的相关人员提供了一种新的思路和方法。通过采纳这一技术解决方案，有望在长文档智能写作领域取得显著成效，进一步提升写作效率和质量。

人类写作工作流

在探讨如何撰写一篇 高质量 论文的过程中，我们可以以撰写学术论文为例来详细说明。

以下常规写作流程：
- 第一步： 首先，研究者需从相关学术期刊下载相应的论文模板，以确保文档格式符合发表要求。
- 第二步： 接着，研究者在模板的基础上，开始填充内容，包括撰写摘要、构思章节标题、撰写各段落正文等，确保论文内容的完整性和逻辑性。
- 第三步： 完成初稿后，研究者将论文提交给评审专家或指导老师进行审查。
- 第四步： 根据评审专家或指导老师的反馈意见，研究者对论文内容进行修订和完善，重复第二步的过程，直至论文达到预期的质量标准。
在 人类执行任务的传统工作流模式 中，涉及到 研究者 和 评委 两个关键角色。我们探索利用大模型AI技术来部分替代这些角色，从而缩短写作流程。

在 人类执行任务的传统工作流模式 中，在学术论文的撰写与评审过程中，评审专家的任务相对简洁，通常仅需几天时间即可完成，而研究者撰写一篇论文则可能需要数月。遵循从简单到复杂的自然原则，我们倾向于首先考虑让AI技术在智能写作领域扮演评审专家的角色，以此作为AI辅助学术工作的初步尝试。

在技术层面上考虑大模型解决任务的能力，我们可以观察到：对于生成高质量文本的任务，大模型的处理复杂度高于其在理解文本的任务上的复杂度。
AI 写作阶段

在我的理解中，实现长文档智能写作是一个从简至繁的渐进过程，它包含四个明确的阶段：首先是人填机检阶段，其次是机填人检阶段，然后是机填机检阶段，最终达到机填不检的阶段。这四个阶段共同构成了智能写作的发展路径。

#mermaid-svg-Dn0frgjfI5QV3fgx {font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-Dn0frgjfI5QV3fgx .error-icon{fill:#552222;}#mermaid-svg-Dn0frgjfI5QV3fgx .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Dn0frgjfI5QV3fgx .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-Dn0frgjfI5QV3fgx .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Dn0frgjfI5QV3fgx .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Dn0frgjfI5QV3fgx .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Dn0frgjfI5QV3fgx .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Dn0frgjfI5QV3fgx .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Dn0frgjfI5QV3fgx .marker.cross{stroke:#333333;}#mermaid-svg-Dn0frgjfI5QV3fgx svg{font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Dn0frgjfI5QV3fgx .label{font-family:”trebuchet ms”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-Dn0frgjfI5QV3fgx .cluster-label text{fill:#333;}#mermaid-svg-Dn0frgjfI5QV3fgx .cluster-label span{color:#333;}#mermaid-svg-Dn0frgjfI5QV3fgx .label text,#mermaid-svg-Dn0frgjfI5QV3fgx span{fill:#333;color:#333;}#mermaid-svg-Dn0frgjfI5QV3fgx .node rect,#mermaid-svg-Dn0frgjfI5QV3fgx .node circle,#mermaid-svg-Dn0frgjfI5QV3fgx .node ellipse,#mermaid-svg-Dn0frgjfI5QV3fgx .node polygon,#mermaid-svg-Dn0frgjfI5QV3fgx .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-Dn0frgjfI5QV3fgx .node .label{text-align:center;}#mermaid-svg-Dn0frgjfI5QV3fgx .node.clickable{cursor:pointer;}#mermaid-svg-Dn0frgjfI5QV3fgx .arrowheadPath{fill:#333333;}#mermaid-svg-Dn0frgjfI5QV3fgx .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-Dn0frgjfI5QV3fgx .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-Dn0frgjfI5QV3fgx .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-Dn0frgjfI5QV3fgx .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-Dn0frgjfI5QV3fgx .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-Dn0frgjfI5QV3fgx .cluster text{fill:#333;}#mermaid-svg-Dn0frgjfI5QV3fgx .cluster span{color:#333;}#mermaid-svg-Dn0frgjfI5QV3fgx div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-Dn0frgjfI5QV3fgx :root{–mermaid-font-family:”trebuchet ms”,verdana,arial,sans-serif;}

达成预期目标

长文档智能写作

机器检测写作是否符合模板规范

机器初步完成写:类如绪论章节简单任务

机器高度智能化:边写边检查反思

机器高度专业化

人填机检

机填人检

机填机检

机填不检

第一阶段：人填机检

人填机检 的目的主要包括以下几点：
1. 确保内容准确性：人在填写内容时可能会出现错误，机检可以帮助发现并纠正这些错误，如拼写、语法、数据准确性等。
2. 提升写作质量：通过机器检查，可以评估文本的流畅性、一致性以及是否符合特定的写作风格和格式要求。
3. 优化内容结构：机器可以检查文档的结构是否符合逻辑和标准，比如章节标题的层级关系、段落间的连贯性等。
4. 节省时间：人工检查长文档是一项耗时的工作，机器辅助检查可以大幅缩短审核时间，提高效率。
5. 提供反馈：机器检查可以为撰写者提供即时的反馈，帮助其学习和改进写作技巧。
6. 遵循规范：对于需要遵循特定出版或学术规范的文档，机器检查可以确保文本符合这些要求。
当用户导入模板时，该模板已预设了文档的结构和格式，其中模板中用作为标识待填充内容或需核查的区域。

用户在指定区域输入具体文本信息后，系统将自动激活模型的自动校准功能，即时提供反馈和修订建议。

当用户输入内容满足机器审查要求，机器会提示 ‘’录入成功‘’ 字样，并将填充内容 记录到数据库，用于 人填机检 第二阶段训练样本。

例如：
```
  	########  CONTEXT_BEFORE  ###########
    **请根据上下文信息，补全中间缺失片段信息**  
  	########  CONTEXT_AFTER  ###########
```
- 在用户编写过程中，用户根据**##**标识符指令书写(prompt)，系统会自动实时检测该区域用户书写内容是否符合规范。这里我写的指令过于宽泛，实际用户 prompt 指定要精准，人类书写基于该指令回复文本 要聚焦，答复要非黑即白
- 模板设计原则： 从我们的素材库里检索。如果检索不到，用户自己按照《模板设计细则》要求，自己设置模板并上传。《模板设计细则》当然也是由我们来定规则。当上述两者条件无法达到要求时，请让用户开通 VIP 服务权限 ，利用大模型本身固有能力，生成相对粗糙模板范本。

第二阶段：机填人检

在第一阶段生成的数据将作为第二阶段的训练数据，这引发了一个关键问题：如何更有效地利用这些训练数据进行模型的微调，以实现针对特定待填充区域的机器自动填写功能。

微调模型时，我们依赖于问答数据对。以下是一种直观的方法来构建这些数据对：

目标（Target）： 使用生产数据中用户实际填写的内容。

查询（Query）：
- 数据来源1： 将特定待填充区域的整个章节段落直接作为查询内容。
- 数据来源2： 利用特定待填充区域的上文进行检索，选取与特定待填充区域最相关的N个段落作为查询的补充信息。
- 数据来源3： 从外部数据库或语料库中进行Rag检索，以获取更广泛的上下文信息。
- 指令： 模板中预定义prompt ，上文里的指令。
通过这些数据来源，我们可以构建出用于微调模型的问答数据对，从而提高模型在特定待填充区域的自动填写能力。

数据构造模式如下：

问答上下文
指令目标数据来源
如果在 第一阶段 没有收集到足够数据，或者有一系列的标准文档，但是没有收集到一系列问答对数据，该怎么处理呢？

这可以采用一种naive 的方法：自训练(self-training)

原理很简单：将标准文档按章节拆成若干段落 graph，标记如下

d

o

c

u

m

e

n

t

=

[

g

r

a

p

h

1

;

g

r

a

p

h

2

;

.

.

.

;

g

r

a

p

h

i

−

1

;

g

r

a

p

h

i

;

g

r

a

p

h

i

+

1

;

.

.

.

;

g

r

a

p

h

n

]

document = [graph_1 ;graph_2;…;graph_{i-1}; graph_i ; graph_{i+1};…;graph_n]

$d oc u m e n t = [g r a p h_{1}; g r a p h_{2}; \dots; g r a p h_{i - 1}; g r a p h_{i}; g r a p h_{i + 1}; \dots; g r a p h_{n}]$

根据

[

g

r

a

p

h

i

−

1

;

g

r

a

p

h

i

+

1

]

[graph_{i-1};graph_{i+1}]

$[g r a p h_{i - 1}; g r a p h_{i + 1}]$ 的上下文的段落间关联性内容，推导出

g

r

a

p

h

i

graph_i

$g r a p h_{i}$ 。

此外，为了进一步提升写作效率和质量，可以整合使用其他功能插件，如自动续写、文本优化、校对以及内容扩展等功能，以实现更全面的写作辅助体验。

#mermaid-svg-2FbZ7PXUube6h19E {font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-2FbZ7PXUube6h19E .error-icon{fill:#552222;}#mermaid-svg-2FbZ7PXUube6h19E .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-2FbZ7PXUube6h19E .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-2FbZ7PXUube6h19E .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-2FbZ7PXUube6h19E .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-2FbZ7PXUube6h19E .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-2FbZ7PXUube6h19E .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-2FbZ7PXUube6h19E .marker{fill:#333333;stroke:#333333;}#mermaid-svg-2FbZ7PXUube6h19E .marker.cross{stroke:#333333;}#mermaid-svg-2FbZ7PXUube6h19E svg{font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-2FbZ7PXUube6h19E .label{font-family:”trebuchet ms”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-2FbZ7PXUube6h19E .cluster-label text{fill:#333;}#mermaid-svg-2FbZ7PXUube6h19E .cluster-label span{color:#333;}#mermaid-svg-2FbZ7PXUube6h19E .label text,#mermaid-svg-2FbZ7PXUube6h19E span{fill:#333;color:#333;}#mermaid-svg-2FbZ7PXUube6h19E .node rect,#mermaid-svg-2FbZ7PXUube6h19E .node circle,#mermaid-svg-2FbZ7PXUube6h19E .node ellipse,#mermaid-svg-2FbZ7PXUube6h19E .node polygon,#mermaid-svg-2FbZ7PXUube6h19E .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-2FbZ7PXUube6h19E .node .label{text-align:center;}#mermaid-svg-2FbZ7PXUube6h19E .node.clickable{cursor:pointer;}#mermaid-svg-2FbZ7PXUube6h19E .arrowheadPath{fill:#333333;}#mermaid-svg-2FbZ7PXUube6h19E .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-2FbZ7PXUube6h19E .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-2FbZ7PXUube6h19E .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-2FbZ7PXUube6h19E .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-2FbZ7PXUube6h19E .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-2FbZ7PXUube6h19E .cluster text{fill:#333;}#mermaid-svg-2FbZ7PXUube6h19E .cluster span{color:#333;}#mermaid-svg-2FbZ7PXUube6h19E div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-2FbZ7PXUube6h19E :root{–mermaid-font-family:”trebuchet ms”,verdana,arial,sans-serif;}
AI支持插件

plugin One 收集材料

DB/KB数据库检索

联网搜索

plugin Two 反馈机制

信息追加

反问机制

plugin Three 写作能力

风格

润色

关键词/短语

续写

扩写

改写

上述功能模块的提示词大致可以参考如下，由指令 + 格式 完成：
```
prompt: 
"""
{content}
请帮我继续扩展一些这段话的内容。
注意：你应该先判断一下这句话是中文还是英文，如果是中文，请给我返回中文的内容，如果是英文，请给我返回英文内容，只需要返回内容即可，不需要告知我是中文还是英文。
"""
        
```
当然，这一功能模块的性能可以通过训练方法或迭代优化的方式进行提升，从而提高输出的质量。挑战在于：在构建训练数据集的问答对时，关键是要有效地利用上下文中的数据源信息。换句话说，数据构造的方法直接影响到AI生成文本的质量。
机填机检：

在这个阶段，我们实现了AI 之间的交互与合作，构建了所谓的多智能体系统框架。在这个框架中，一个智能体（AI）负责提出修改建议，而另一个智能体（AI）则根据这些建议执行相应的修改。通过多轮的互动交流，双方共同完成任务。
- 目前已采用多智能体框架(Metagpt) 实现端到端的长文档生成。
  
  第一步：先做任务规划，做任务执行调度；(可以理解为根据论文标题题目 生成大纲信息；即 AI 对全局写作做整体规划)。当然大模型规划的大纲，用户不满意可以进一步人工修改。
  
  第二步：执行动作 (Action); 根据大纲的每一小章节的小标题和写作向导、章节描述信息，执行 写 动作，该动作可以结合外部工具，覆盖联网、外部文件检索功能；
  
  结合以上两点： 很容易以自动化方式生成初稿。
  
  #mermaid-svg-tU3V94H8sy9GAbaU {font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-tU3V94H8sy9GAbaU .error-icon{fill:#552222;}#mermaid-svg-tU3V94H8sy9GAbaU .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-tU3V94H8sy9GAbaU .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-tU3V94H8sy9GAbaU .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-tU3V94H8sy9GAbaU .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-tU3V94H8sy9GAbaU .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-tU3V94H8sy9GAbaU .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-tU3V94H8sy9GAbaU .marker{fill:#333333;stroke:#333333;}#mermaid-svg-tU3V94H8sy9GAbaU .marker.cross{stroke:#333333;}#mermaid-svg-tU3V94H8sy9GAbaU svg{font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-tU3V94H8sy9GAbaU .label{font-family:”trebuchet ms”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-tU3V94H8sy9GAbaU .cluster-label text{fill:#333;}#mermaid-svg-tU3V94H8sy9GAbaU .cluster-label span{color:#333;}#mermaid-svg-tU3V94H8sy9GAbaU .label text,#mermaid-svg-tU3V94H8sy9GAbaU span{fill:#333;color:#333;}#mermaid-svg-tU3V94H8sy9GAbaU .node rect,#mermaid-svg-tU3V94H8sy9GAbaU .node circle,#mermaid-svg-tU3V94H8sy9GAbaU .node ellipse,#mermaid-svg-tU3V94H8sy9GAbaU .node polygon,#mermaid-svg-tU3V94H8sy9GAbaU .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-tU3V94H8sy9GAbaU .node .label{text-align:center;}#mermaid-svg-tU3V94H8sy9GAbaU .node.clickable{cursor:pointer;}#mermaid-svg-tU3V94H8sy9GAbaU .arrowheadPath{fill:#333333;}#mermaid-svg-tU3V94H8sy9GAbaU .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-tU3V94H8sy9GAbaU .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-tU3V94H8sy9GAbaU .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-tU3V94H8sy9GAbaU .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-tU3V94H8sy9GAbaU .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-tU3V94H8sy9GAbaU .cluster text{fill:#333;}#mermaid-svg-tU3V94H8sy9GAbaU .cluster span{color:#333;}#mermaid-svg-tU3V94H8sy9GAbaU div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-tU3V94H8sy9GAbaU :root{–mermaid-font-family:”trebuchet ms”,verdana,arial,sans-serif;}
  供应商管理制度
  
  可选
  
  yes
  
  no
  
  配置大纲生成方式
  
  文档标题
  
  关键词
  
  AI智能生成大纲
  
  选择人工大纲模板-i
  
  配置知识库
  
  关联知识库
  
  不关联知识库
  
  开始写作
  
  初稿
  
  **终稿：**初稿的文章质量往往不能满足生产要求，因此，需要引入机检 机制，即在每个小节里的 写 的动作，增加自评判、自改进功能。
  
  #mermaid-svg-hAxeirQVyhG2QVzk {font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-hAxeirQVyhG2QVzk .error-icon{fill:#552222;}#mermaid-svg-hAxeirQVyhG2QVzk .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-hAxeirQVyhG2QVzk .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-hAxeirQVyhG2QVzk .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-hAxeirQVyhG2QVzk .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-hAxeirQVyhG2QVzk .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-hAxeirQVyhG2QVzk .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-hAxeirQVyhG2QVzk .marker{fill:#333333;stroke:#333333;}#mermaid-svg-hAxeirQVyhG2QVzk .marker.cross{stroke:#333333;}#mermaid-svg-hAxeirQVyhG2QVzk svg{font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-hAxeirQVyhG2QVzk .label{font-family:”trebuchet ms”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-hAxeirQVyhG2QVzk .cluster-label text{fill:#333;}#mermaid-svg-hAxeirQVyhG2QVzk .cluster-label span{color:#333;}#mermaid-svg-hAxeirQVyhG2QVzk .label text,#mermaid-svg-hAxeirQVyhG2QVzk span{fill:#333;color:#333;}#mermaid-svg-hAxeirQVyhG2QVzk .node rect,#mermaid-svg-hAxeirQVyhG2QVzk .node circle,#mermaid-svg-hAxeirQVyhG2QVzk .node ellipse,#mermaid-svg-hAxeirQVyhG2QVzk .node polygon,#mermaid-svg-hAxeirQVyhG2QVzk .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-hAxeirQVyhG2QVzk .node .label{text-align:center;}#mermaid-svg-hAxeirQVyhG2QVzk .node.clickable{cursor:pointer;}#mermaid-svg-hAxeirQVyhG2QVzk .arrowheadPath{fill:#333333;}#mermaid-svg-hAxeirQVyhG2QVzk .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-hAxeirQVyhG2QVzk .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-hAxeirQVyhG2QVzk .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-hAxeirQVyhG2QVzk .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-hAxeirQVyhG2QVzk .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-hAxeirQVyhG2QVzk .cluster text{fill:#333;}#mermaid-svg-hAxeirQVyhG2QVzk .cluster span{color:#333;}#mermaid-svg-hAxeirQVyhG2QVzk div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-hAxeirQVyhG2QVzk :root{–mermaid-font-family:”trebuchet ms”,verdana,arial,sans-serif;}
  机填机检
  
  y
  
  n
  
  初稿
  
  开始写作
  
  llm 按章节依次审核
  
  自批判
  
  自改进
  
  终稿
- 优点：能够产生符合写作格式的长文档；缺点：内容上写的很肤浅，很发散，不能聚焦，或者用户输入信息不充足，不能满足生产要求。

问	答	上下文
指令	目标	数据来源

机填不检：

在机填机检的过程中，由于涉及AI之间的多轮交互，面临着内存和计算资源的限制。此外，AI之间的沟通可能会出现故障或短路，一旦某个AI角色发生故障，可能会引发连锁反应，最终导致整个任务无法顺利完成。

理想的实现逻辑是采用自动填充而无需检测的模式，这意味着大型模型已经具备了充足的专业知识，并且用户提供的辅助资料也极为详尽。在满足这两个前提条件下，未来我们有望实现自动填充而无需后续检验的目标。

文章来源于互联网:智能写作分享

相关推荐: 大模型微调技术: 从基于 Stable Diffusion的绘画谈起

个人博客:Sekyoro的博客小屋个人网站:Proanimer的个人网站文生图和图生图应用已经出现一段时间了,目前常用的应用就是根据用户需求修改图片,事实上这就是一种自定义. 因为需要模型重新生成整张图或者部分图,要么通过prompt、reference i…

智能写作分享

智能写作技术路线

相关推荐

对比kimi、通义千问、文心一言的写代码能力

热门文章

AI大模型,我们的未来