文本扩写是大模型最实用的能力之一，但很多人发现，直接把一句话丢给模型说“帮我扩写”，得到的结果往往不尽如人意：要么篇幅不够，要么内容注水，要么凭空编造细节。其实问题不在模型，而在提示词。一段精心设计的扩写提示词，需要告诉模型扩写的目标、受众、文风、篇幅、允许展开的维度以及禁止跨越的红线。本文将从原理到实操，完整讲解如何写出高质量的大模型扩写提示词。
一、扩写提示词的基本结构
一个完整的扩写提示词通常包含六个要素：原始内容、扩写目标、目标受众、篇幅要求、文风要求和边界约束。原始内容是输入的简短文本，扩写目标说明扩写后用于什么场景，受众决定用词深浅，篇幅要求给模型明确的字数锚点，文风要求决定语言气质，边界约束则防止模型捏造事实。
很多扩写效果差的原因是提示词缺失了其中几个要素。比如只给一句“把这段话扩写到500字”，模型不知道面向谁写、用什么语气，只能按照最通用的方式填充内容，结果自然平淡。补充受众和场景信息后，模型的选词和举例方向会立刻变得精准。
下面是一个结构完整的扩写提示词示例：
请对以下内容进行扩写： 【原始内容】 户外折叠椅适合露营、钓鱼和阳台休闲使用。 【扩写目标】 用于电商产品详情页，目标是激发购买欲望。 【目标受众】 25-40岁、喜欢周末短途出行的城市人群。 【篇幅要求】 400-500字，分为2-3个自然段。 【文风要求】 口语化、有画面感，多描述使用场景，避免夸张的营销腔。 【边界约束】 只能围绕露营、钓鱼、阳台三个场景展开，不得虚构产品参数和材质数据。
按照这个结构写出来的提示词，模型输出的可控性会大幅提升。其中边界约束这一项尤其重要，因为大模型在扩写时有很强的“补全冲动”，如果不明确禁止，它很容易编造出重量、承重、面料等具体参数，而这些参数如果与真实产品不符，会带来实际风险。
二、指定扩写维度：让内容有骨架而不是注水
扩写最常见的问题是“注水”——字数上去了，信息量没变。要避免这一点，需要在提示词中明确扩写的维度，也就是告诉模型从哪些角度去丰富内容。常用的扩写维度包括：场景细化、原因分析、对比参照、举例说明、过程拆解和影响延伸。
场景细化是把笼统的说法落到具体的画面。比如“适合露营使用”可以细化为“周末驱车到郊外营地，傍晚支起天幕，泡一壶茶坐在椅子上看落日”。原因分析是补充“为什么”，让论述有逻辑支撑。对比参照是引入参照物突出特点，举例说明是用具体案例降低理解门槛，过程拆解适合操作类内容，影响延伸则讨论这件事带来的后续变化。
可以这样在提示词中指定维度：
扩写时请从以下维度展开，每个维度至少覆盖一段： 1. 场景细化：把抽象描述转成具体画面 2. 原因分析：解释背后的原理或理由 3. 举例说明：给出至少两个可感知的例子 4. 影响延伸：说明其带来的实际价值或变化 禁止使用空洞的形容词堆砌，每个新增句子都必须携带具体信息。
最后一句“每个新增句子都必须携带具体信息”是一句性价比极高的约束，它能有效抑制模型用“非常重要”“意义深远”这类空话凑字数的行为。实践证明，明确维度的扩写结果，信息密度明显高于自由发挥的结果。
三、分场景提示词模板与迭代技巧
不同场景的扩写需求差异很大，直接套用通用模板往往效果平平。知识科普类扩写需要模型补充原理和背景，同时严防事实错误；营销文案类扩写需要情绪和画面感，但禁止虚假承诺；公文报告类扩写需要严谨的条目结构，语言要正式克制。
以下是知识科普场景的扩写模板：
角色：你是一名科普作者，擅长把专业内容讲得通俗易懂。 任务：将下面的核心观点扩写为一篇科普短文。 要求： 1. 篇幅600字左右，开头用生活现象引入 2. 中间部分解释原理，可使用类比帮助理解 3. 结尾总结要点并给出实用建议 4. 涉及数据和专业结论时，只使用原始内容中已有的信息，缺少的部分用“具体数值因情况而异”代替，禁止编造数字
写完提示词只是第一步，迭代才是拉开差距的关键。拿到模型的第一次输出后，不要满足，要针对性地追加指令，比如“第二段例子太笼统，换成更贴近日常的场景”“整体语气偏正式，改得更轻松一些”“删掉所有‘众所周知’之类的套话”。这种反馈式的多轮调整，比一次性写出完美提示词更容易操作，效果也更好。
还有一个实用技巧是分段扩写法：先让模型输出扩写大纲，人工确认后再逐段扩写。这种方法虽然多花几轮对话，但能从根本上避免长文跑题。对于千字以上的扩写任务，强烈建议采用这种先大纲后正文的方式，因为大模型在一次生成超长文本时，后半段容易偏离主题或前后重复，分段控制可以有效规避。
四、常见问题与应对方法
扩写中最突出的三个问题是跑题、重复和编造。跑题通常是因为原始内容太短，模型理解方向出现偏差，解决办法是在提示词中加一句“扩写内容必须紧扣原始内容的中心意思，不得引入新主题”。重复表现为前后段落反复说同一件事，多发生在长文本生成中，可以在提示词中要求“各段落角度不得重复，后文要在前文基础上推进”。
编造是最需要警惕的问题。模型为了把内容写得充实，会自动脑补细节，尤其是数字、人名、研究结论这类看似可信的信息。应对方法有两层：一是在提示词中显式禁止，比如“不得添加原始内容中没有的事实性信息”；二是在拿到结果后人工核查所有事实性表述。对于要求严格的正式内容，可以采用“扩写后列出所有新增的事实性信息清单”的策略，让模型自己暴露它补充了什么，方便逐条核对。
此外还要注意篇幅控制。模型对字数的把握并不精确，要求500字可能给出700字。可以接受一定浮动范围，如果超出太多，用“在不丢失关键信息的前提下压缩到目标篇幅”这类指令修正，比要求“删减到500字”效果更好，因为前者给了模型保留信息的优先级提示。
总的来说，大模型扩写的质量上限由提示词决定，下限由核查兜底。把扩写目标、受众、维度、约束这几个要素写清楚，再配合多轮迭代和事实核对，就能稳定地把一句简短的内容扩展成一篇信息充实、风格匹配的完整文本。