我用 Python 写诗，居然还挺像那么回事：生成式 AI 在内容创作中的实战玩法
大家好，我是 Echo_Wish。
说实话，我第一次用程序自动写诗的时候，是抱着“看看笑话”的心态。
结果它写出来一句：
“月光在服务器上缓慢编译夜色”
我愣了一下。
这不是瞎写，这是有点味道。
这几年，生成式 AI 已经从“能聊天”走到“能创作”。写诗、写短文、写脚本、写段子，甚至写小说开头。很多人问我：
用 Python 能不能自己做一个“自动写诗机”？
答案是：能，而且不难。
今天我们就聊聊——生成式 AI 在内容创作中的实践：用 Python 自动写诗 / 短文。
我们不讲空理论，直接上结构 + 思路 + 代码。
一、生成式 AI 写作的本质是什么？
先说人话版本。
生成式写作，本质是：
根据已有文本的“概率规律”，预测下一个词。
你可以理解为一个极其聪明的“接龙大师”。
从技术角度看，它通常基于：
- Transformer 架构
- 自回归语言模型
- 概率采样机制
核心公式其实就一句话：
P(下一个词 | 前面所有词)
不断往前滚动，就生成整段文本。
二、最简单的自动写诗：调用大模型 API
我们先来一个实战版本，用 Python 直接生成诗歌。
示例（假设使用通用 LLM API 接口）：
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY")
prompt = """
请写一首关于“程序员深夜加班”的现代诗，
风格偏抒情，带一点孤独感。
"""
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{
"role": "system", "content": "你是一位有文学气质的诗人"},
{
"role": "user", "content": prompt}
],
temperature=0.9 # 增加创作自由度
)
print(response.choices[0].message.content)
这里有几个关键参数：
temperature：控制创造性（越高越发散）system prompt：决定风格user prompt：决定主题
这就像：
你给 AI 定了人设，再给它一个题目。
三、如果不想依赖 API？本地生成可以吗？
可以。
我们可以用 Hugging Face 上的开源模型，比如 GPT2 中文模型。
from transformers import GPT2LMHeadModel, GPT2Tokenizer
import torch
model_name = "uer/gpt2-chinese-cluecorpussmall"
tokenizer = GPT2Tokenizer.from_pretrained(model_name)
model = GPT2LMHeadModel.from_pretrained(model_name)
input_text = "深夜的机房里"
input_ids = tokenizer.encode(input_text, return_tensors="pt")
output = model.generate(
input_ids,
max_length=80,
do_sample=True,
top_k=50,
top_p=0.95,
temperature=0.8
)
result = tokenizer.decode(output[0], skip_special_tokens=True)
print(result)
几个关键参数解释一下：
top_k：限制候选词数量top_p：控制累计概率temperature：创作自由度do_sample=True：启用采样而不是贪婪搜索
这几个参数，决定了诗“像不像人写的”。
四、采样机制决定“文风”
给你看个简单对比：
低 temperature（0.3）
- 更严谨
- 更像说明文
- 但容易重复
高 temperature（1.0）
- 更浪漫
- 更跳跃
- 但可能胡言乱语
这就是生成式创作的核心哲学：
AI 不缺想象力，缺的是“约束”。
五、自动写短文：结构化 Prompt 设计
如果你想写一篇 300 字短文，最好别直接一句话：
“帮我写个故事。”
而是结构化提示。
prompt = """
请写一篇300字左右的短文：
主题：人工智能与孤独
结构：
1. 开头提出矛盾
2. 中间描写一个场景
3. 结尾给出温柔的思考
风格：温暖但带一点哲学意味
"""
这叫：
Prompt Engineering（提示工程）
你给 AI 的结构越清晰，它越稳定。
六、如果想玩得更高级？
我们可以做：
- 风格迁移
- 关键词控制
- 韵律控制
- 自动押韵
例如简单押韵控制：
keywords = ["月光", "代码", "孤独", "城市"]
prompt = f"""
写一首现代诗，必须包含这些词：
{",".join(keywords)}
每两句押韵一次。
"""
你会发现，模型会尝试满足这些约束。
虽然不是百分百精准，但已经非常接近“创作辅助工具”。
七、生成式写作的工作流图
从流程上看，其实就四步：
- 输入 Prompt
- Token 化
- Transformer 预测
- 采样输出
听着很复杂，本质就是：
概率预测 + 采样控制。
八、真实使用场景
我自己在内容创作中，AI 用得最多的是：
- 生成文章初稿
- 生成诗性开头
- 想标题
- 改写语气
但我从来不会：
直接复制粘贴。
为什么？
因为 AI 最大问题是：
- 容易“正确但空洞”
- 容易“华丽但没观点”
真正的价值在于：
它帮你破冰，而不是替你思考。
九、我的一点感受
生成式 AI 不会取代创作者。
但它会取代：
- 不愿意进步的创作者
- 不愿意拥抱工具的人
写诗不再是“天赋专属”，而是：
创意 + 技术 + 审美的结合。
我很喜欢这种感觉。
你用代码写诗，它给你灵感，你再改它的灵魂。
这不是机器替代人。
这是人类扩展自己。
十、最后一句话
如果你问我：
生成式 AI 在内容创作中最重要的是什么？
不是模型。
不是参数。
是：
你想表达什么。
AI 只是笔。
思想才是墨。
