![]()
做升學教育賽道,幫學生定制AI輔助寫作的指令,這類需求我接了不少。
這一類的需求總結一下,就是:寫出來的東西要有理論支撐,有真實視角,有作者自己的判斷,但不能是AI味道濃重的那種通篇套話。
我總結兩個指令定制的核心思路:
1、研究視角必須有"入場動機",不能憑空分析
AI寫學術報告,天然缺一樣東西:動機。它不知道"這個作者為什么選這個題目",所以開篇往往是"隨著互聯網的快速發展……",這八個字一出來,機器味道一下子爆表。
我在指令中加的第一個約束,是要求在緒論里交代真實的入場動機,而且要跟學生的日常生活有具體連接。
比如:記得我的室友三折買了阿迪達斯來炫耀,這個細節不是為了賣萌,是在告訴讀者:這篇文章的起點是寫作者在生活中的真實觀察,不是查了幾篇文獻然后湊字數。
有了這個錨點,后面所有的理論才有了承接的地方。"尾貨經濟"不再是一個抽象定義,而是解釋"為啥室友能三折買到大牌"的工具,讀者自然跟得上,也不會覺得這是AI生成的標準格式。
2、問題意識要"點名道姓",不能只說行業普遍困境
AIGC率高的學術報告,有一個共同特征:問題分析全是行業層面的宏觀判斷,沒有指向具體平臺的具體處境。"流量紅利見頂"、"用戶增長放緩",這類表述哪家平臺都能套,模型一看就知道是泛化輸出。
這套指令專門要求,問題部分必須指向某個電商平臺的自身的結構性矛盾,不是行業通病,是它這家公司特有的處境。
比如:平臺的用戶圈層固化,是因為"閃購+貨架"的產品邏輯天然吸引價格敏感型用戶,而這批用戶隨著年齡增長購買力變強,但平臺的形象還停在"清倉撿漏",年輕用戶的入場路徑幾乎被堵死。
這個判斷是從平臺模式本身推導出來的,不是泛泛而談。指令里約束了這一層的推導邏輯必須顯性寫出來,不能跳步,讓每一個結論都有來路。
按這套指令跑出來的報告,從緒論的室友買鞋,到理論層的閃購心理學、買手制匹配效率,再到問題判斷和三套優化方案,整篇讀下來有一個年輕人在真正研究一家公司的質感。AIGC檢測結果也從之前的高風險直接降到了個位數。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.