单元二 · 文本的智能生成
第9课 文本生成的影响因素
一、学习目标
- 了解影响文本生成效果的主要因素。
- 认识提示词、参数与训练数据等对结果的作用。
- 能针对目标改进提示或设置，观察生成变化。
二、情境导入
为什么同一模型，换一种说法或参数，生成结果会差很多？
提示词、温度（随机性）与训练数据分别怎样影响输出？
三、核心讲解
本课学习路径：
1提示词因素
2参数的影响
3训练数据的影响
1．提示词因素
提示词决定任务目标、风格、长度与约束。写得清楚，模型更易生成符合预期的文本。
提示词：向模型说明「做什么、怎么做、有何限制」的输入文本；是控制生成的重要接口。
- 明确主题、读者、口吻与禁止事项
- 可分步追问，逐步逼近目标
- 对比模糊提示与结构化提示的效果
想一想：把「写一点东西」改成可执行提示，你会补上哪些要素？
2．参数的影响
生成参数（如随机性、长度限制等）会影响多样性与稳定性。
生成参数：在相同提示下，提高随机性常更有创意但不稳定；降低随机性更稳，但可能重复。
- 固定提示，只改参数，观察变化
- 记录：何种设置更适合「严谨说明」或「头脑风暴」
想一想：写实验报告摘要时，更倾向高随机还是低随机？为什么？
3．训练数据的影响
模型能力来自训练数据分布；数据偏差会反映到生成内容中。
数据影响：训练数据的覆盖面、质量与偏见，会约束模型「更擅长什么、更容易错在哪里」。
- 对不熟悉领域，生成更需人工核查
- 发现刻板或不当内容时，应调整提示并批判性阅读
想一想：若训练数据很少涉及某方言，生成该方言文本可能出现什么问题？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_llm_chat — 同一主题用模糊提示、结构化提示各生成一次，比较相关性（提示词的影响）
组件 model_poem_generation — 换不同主题或约束再生成，体会训练数据覆盖面如何限制「更擅长什么」
五、课堂总结
- 提示词、生成参数与训练数据都会显著影响文本生成效果。
- 改进提示与合理设参，并结合人工审核，能得到更可用的结果。
六、拓展提升
- 就同一主题设计三版提示（模糊 / 结构化 / 带负面约束），比较生成质量。
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
对文本生成影响最大、也最常被使用者直接控制的是：
提高生成随机性，一般会：
判断：训练数据的偏差不可能出现在生成文本中。
本节小结
回顾本课要点，完成动手体验与测评。记住：文本生成的影响因素。