【个人博客—山东大学项目实训——古诗词与文章智能创作助学平台（六）】

诗词评价与AI改写：提示词工程的核心实践

一、从"检索"到"创作"的提示词范式转变

在诗词检索模块中，提示词工程的目标是结构化输出——要求大模型返回符合 JSON 格式的诗词信息。而在创作模块中，提示词工程的目标发生了本质变化：既要结构化输出（评分和改写），又要保证内容质量（评价的专业性和改写的合理性）。

这种转变带来了两个技术挑战：

第一，如何让大模型在给出评分时保持客观公正，而不是随意给分？第二，如何让大模型在改写诗词时既保留原作意境，又能真正提升艺术水准？这两个问题的答案都藏在提示词的设计细节中。

二、评价评分功能：让 AI 学会"打分"

2.1 评分标准的显式化设计

评价功能的第一个版本，我只在提示词中简单写道：“请对这首诗词进行评价和打分”。测试时发现，大模型的回复五花八门：有时用文字描述"写得不错"，有时给个模糊的分数区间"80-90分"，甚至有时完全不按套路出牌，写了一堆文学评论却不给具体分数。

问题的根源在于：没有明确的评分标准。大模型不知道应该从哪些维度评价，也不知道每个维度的权重如何分配。

于是我重新设计了提示词，将评分标准拆解为五个维度，并明确每个维度的分值：

评价标准： 1. 韵律（平仄、押韵）：20分 2. 意境（主题、情感表达）：30分 3. 修辞（比喻、拟人等修辞手法）：20分 4. 语言（用词准确性、文采）：20分 5. 整体协调性：10分

这个设计的核心思路是将抽象的"好诗"概念量化为可操作的评价维度。韵律、意境、修辞、语言、整体协调性，这五个维度基本涵盖了古典诗词鉴赏的核心要素。同时，通过分值分配体现了不同维度的重要性：意境占比最高（30分），因为它是诗词的灵魂；整体协调性占比最低（10分），因为它更多是主观感受。

2.2 JSON 格式约束的技术意义

提示词中明确要求大模型按照以下 JSON 格式输出：

{"evaluation":"诗词评价，包括韵律、意境、修辞等方面的分析","score":分数（整数，0-100）}

这个格式约束有两个技术层面的考虑：

第一，便于程序解析。如果不限制格式，大模型可能返回"这首诗写得很好，我给85分"这样的自然语言，提取分数需要复杂的正则表达式匹配。而强制 JSON 格式后，只需简单的字符串解析就能拿到evaluation和score两个字段的值。

第二，引导大模型结构化思考。心理学研究表明，当人类被要求按照固定格式填写时，思维会更加系统化。大模型也有类似的效果——当它知道必须填充evaluation字段时，会主动生成详细的评价文字；当它知道必须给出一个具体的score数值时，会认真权衡各个维度的得分。

2.3 评价内容的质量控制

在实际测试中发现，即使有了明确的评分标准，大模型的评价质量仍然不稳定。有时评价过于简略，只说"韵律工整，意境深远"八个字就打发了；有时又过于啰嗦，写了三四百字的文学评论。

为了解决这个问题，我在提示词中增加了两条约束：

要求： 1. evaluation 字段应包含具体分析，指出优点和不足 2. 评价要客观公正，既要肯定优点也要指出改进方向

这两条约束的作用是让大模型的评价更加平衡和实用。"指出优点和不足"避免了片面吹捧或一味批评；"指出改进方向"则让评价具有建设性，用户看完后知道下一步该如何提升。

三、AI改写功能

3.1 单字段输出的局限性

AI改写功能的第一版实现非常简单：提示词只要求大模型返回改写后的诗词内容，对应代码中的aiContent字段。从技术角度看，这个实现完全正确——大模型确实返回了改写后的诗词，前端也能正常显示。

但从用户体验角度，这个设计有一个致命缺陷：用户不知道AI改动了哪些地方。

举个例子，用户原诗是"春风拂面柳依依"，AI改写为"春风拂柳绿依依"。虽然只是改动了一个字，但用户可能根本没看出来。即使看出来了，也不理解为什么要这样改。这种情况下，用户学到的东西非常有限。

3.2 双字段输出：aiContent + aiExplain

为了解决这个问题，我将提示词的输出格式改为双字段：

{"aiContent":"改写后的完整诗词，保留原作意境和主题","aiExplain":"对本次改写的具体说明，包括改动了哪些地方、为什么这样改动、改后好在何处"}

这个设计的核心思想是透明化——不仅给用户看结果，还要让用户理解背后的逻辑。

aiExplain字段的要求非常具体：

• 改动了哪些地方：明确指出字词的变化
• 为什么这样改动：解释改动的理由（如优化韵律、改进修辞等）
• 改后好在何处：说明改动带来的提升

这种"三段式"的说明方式，借鉴了编程教学中"代码审查"的思路。好的代码审查不仅要指出问题，还要解释原因，更要说明改进后的好处。

3.3 改写要求的平衡艺术

提示词中对改写提出了六条要求：

改写要求： 1. 保持原作的主题和基本意境 2. 优化韵律和平仄（如适用） 3. 改进用词和修辞，使表达更加生动 4. 如发现明显的语法或用词错误，予以修正 5. 在保持原作精神的前提下，提升诗词的艺术水准 6. aiExplain要具体说明改动点和理由

这六条要求体现了一个核心原则：尊重原作，适度改进。

第1条和第5条是最关键的约束。如果AI完全不顾原作意境，按照自己的喜好重写一首，那就不是"改写"而是"重写"了。反之，如果AI过于保守，连明显的错误都不敢改，那也失去了改写的意义。

这里的平衡点在于：在保持原作精神的前提下，提升艺术水准。换句话说，AI的角色是"润色者"而非"创作者"。

四、JSON 解析的技术细节

4.1 从大模型响应中提取 JSON

大模型返回的响应通常是一段完整的文本，可能包含一些额外的说明文字。例如：

根据您的要求，我对这首诗词进行了评价，结果如下： { "evaluation": "这首诗韵律工整...", "score": 85 } 希望这个评价对您有帮助。

为了准确提取 JSON 部分，我实现了一个通用的extractJsonValue方法：

privateStringextractJsonValue(StringjsonString,StringfieldName){// 查找JSON开始和结束标记intstartIndex=jsonString.indexOf("{");intendIndex=jsonString.lastIndexOf("}");if(startIndex==-1||endIndex==-1||startIndex>=endIndex){thrownewRuntimeException("未找到有效的 JSON 格式");}Stringjson=jsonString.substring(startIndex,endIndex+1);// 后续解析逻辑...}

这个方法的核心思路是：定位 JSON 对象的边界（第一个{和最后一个}），然后从中提取指定字段的值。这样做的好处是即使大模型在 JSON 前后添加了一些额外文字，也能准确解析。

4.2 异常处理策略

在实际运行中，大模型偶尔会出现 JSON 格式不规范的情况，比如缺少引号、逗号位置错误等。对于这类情况，代码采用了两层防护：

第一层：格式校验。在extractJsonValue方法中检查是否找到了合法的 JSON 边界，如果没有则抛出异常。

第二层：全局捕获。在evaluatePoem和rewritePoem方法的外层用try-catch包裹，捕获所有异常并转换为友好的错误消息返回给前端。

这种设计确保了即使大模型返回的数据有问题，系统也不会崩溃，而是给用户一个明确的错误提示。

五、总结

诗词评价与AI改写功能的实现，本质上是在探索如何让大模型成为专业的诗词教练。

评价评分功能通过五个维度的评分标准和 JSON 格式约束，让大模型的评价变得结构化和可量化。AI改写功能通过双字段输出（aiContent+aiExplain）和六条改写要求，让大模型的改写变得透明和可理解。