用大模型批量写条目简介：可控的三步流程，和必须留下的人工核对点

目录站的简介是个尴尬的活：一条几十个字，几千条就是几万字；不写，条目页就是薄内容；写，人写不完。于是很多人想到了大模型。

用下来最常见的翻车方式不是文笔差，是编。模型会一本正经地写出「成立于 2015 年，服务超过百万用户」，而这个数字在对方官网的任何一页都找不到。这类内容发出去，用户的信任损失是小事，被对方指出造假的尴尬才是大事。

图片来源：网络，版权归原作者所有，侵权请联系删除

第一步：给模型划定事实边界

核心原则只有一句：模型能用的事实，只能是你在输入里给它的。超出输入范围的内容，它一旦生成就是编造，不管读起来多合理。

所以输入要结构化。别把整个网页丢给它让它总结，那等于允许它自由发挥。应该先由程序把事实抽成字段：

• 站点名称、所属分类、官网首页标题与首屏文字
• 备案主体（如果能查到）、域名注册信息里可公开的部分
• 站内已有的标签、同类条目的描述风格样本
• 字数区间、必须包含的信息点、禁止出现的表述

提示词里要明写一句：只使用以上信息，未提及的内容一律不写。这句话的效果比反复强调「请准确」好得多，因为它把任务从「创作」改成了「改写」。

第二步：限制输出结构

输出必须能解析。让它返回一段自由文本，后处理就变成了一场灾难；让它按固定字段返回，程序就能直接入库。

三个约束值得加：字数硬区间（比如 60 到 90 字，超出重写）、句式模板轮换（准备四五套开头方式随机分配，避免几千条简介一个腔调）、以及禁止词表（绝对化用语、承诺性表述、未提供的数字）。

句式轮换这一条特别容易被忽略。模型对同一类输入的默认输出高度同质，不做干预的话，同一个分类下的几百条简介读起来像一个人写的，重复度检测很容易判高。

第三步：抽样核对怎么抽

范围	核对方式	为什么
前 50 条	人工逐条看	跑偏了能第一时间发现，避免全量返工
含数字的条目	全部核对	数字是最容易编、也最容易被证伪的部分
其余	随机抽 5%	控制成本，同时能发现系统性偏差
相似度高于阈值的	逐条看	重复度高说明模板失效或输入太像

相似度检测要在入库前跑一遍。把新生成的简介和同分类已有条目比一遍，超过阈值（一般取 0.8 上下）就打回重写。几千条简介真正的风险不是单条质量，是整批长得一样。

三类绝不能让模型自由发挥的字段

• 资质与许可——有没有牌照、什么等级、谁发的，这类信息只能从官方渠道核实后填写，模型猜出来的后果最严重
• 价格与时间——多少钱、什么时候上线、多久更新一次，这些会变，也会被人拿来对质
• 联系方式与地址——编出来的电话和地址会让用户打到无关的人那里，属于实打实的骚扰

这三类字段应该从流程里直接摘出去，交给人工或者交给能核实的数据源，模型碰都不要碰。

要不要标注是 AI 写的

建议标。不是因为有硬性规定，而是因为标注成本极低而收益明确：用户知道这条简介是整理生成的，就不会把它当成官方承诺；对方发现自己站点信息有误的时候，沟通也顺畅一些。

标注方式可以很轻，在条目页底部或数据说明页里统一写一句「部分条目简介由工具辅助整理，如有出入欢迎纠错」，比逐条打标省事，效果一样。

一个提醒

批量生成解决的是量的缺口，解决不了质的差异。真正让目录站有价值的那些条目——头部的几百个、用户搜得最多的那些——依然值得人手写。把模型用在长尾上，把人用在头部上，这个分配比全交给模型或者全靠人写都现实。