🔻让 deepseek 写《过美利坚论》这事儿吧，《过秦论》的语言特点，主要是骈四俪六，对仗工整，用典丰富，气势磅礴。让 LLMs 语言模型来干“对仗工整、用典密集”这活儿，本来就是它的擅长。
🔻骈文是皮，观点才是骨肉，对于这点，AI 本身也是心知肚明，AI 固然可以通过架构创新（如MLA注意力、MoE专家分配）和训练策略（如MTP多令牌预测、GRPO强化学习），搜索归集大量观点，为复杂中文任务提供了系统性解决方案，但其效果高度依赖输入设置的合理性。放任 AI 自信批量输出二十次五大类的公式化作品，AI 自己也有点评（图2）：不高。
🔻所以，工具要有工具的用法，在复杂中文任务中，采用分步式提示显著提升推理能力，将背景信息直接嵌入输入以增强语义关联，对长文本分块处理并结合分步式提示的引用生成方法，提升模型对关键信息的捕捉能力，控制推理过程和长度，提升答案的可解释性和准确性，使用中文导向的分步式提示，提升模型对“中国式逻辑”任务中中文特异性的表现，对抗误导性输入，多用显式提问激活模型的反思机制，通过多轮对话澄清意图，使用细粒度引文验证答案来源，减少幻觉风险。
🔻图3是针对性调整输入策略，实现《过美利坚论》可控输出的结果，展现出和图1明显不同的思考逻辑。
🔻人是人，工具是工具。
