简介:东京审判宣判78周年之际,本文讲清楚如何用大模型整理史料:先确认外交部等权威原文,再拆解搜索意图、建立来源白名单、设计提示词,并通过来源复核、多模型交叉和人工终审降低史实风险。读者可照此建立可核查的纪念文章与简报流程。
远东国际军事法庭,即通常所说的东京审判,于1946年5月开庭,1948年11月12日宣判。共有25名被告受审,其中7人被判处死刑。2026年11月12日是宣判78周年。
本文不转述外交部的具体表态。写作时没有拿到该表态的原文,因此不能替它下结论。需要引用外交部的话,应先到外交部官网查阅当次发布的原文和日期,再与文中的方法对照使用。本文的重点是:怎样借助大模型把权威史料整理成可核查的文章。
搜索“东京审判宣判78周年”的人,通常需要四类内容:
大模型适合处理前三类中的整理与表达工作。第四类必须靠检索增强、来源标注和人工审核来完成,模型本身无法保证其准确。
动笔前,先核对外交部表态的原文、发布日期和发布渠道。如果只能找到转述,就在文中标明“据某媒体转述”,不要把转述当作原话引用。这一步能避免把AI整理指南误当成新闻解读。
资料来源优先选择以下几类:
检索结果常混入无关内容。例如,搜索历史事件时,可能会出现BB84协议、量子密码之类的跨领域资料。解决办法是设置关键词白名单、来源白名单和相关性评分,把不相关的条目剔除。
每条引用都应使用统一格式标注:
[材料编号] 来源机构,标题,发布日期,链接
涉及外交表态的句子,需要与原文逐字对照,不能凭记忆改写。
选型时不要只看参数规模,应重点比较以下五项:
若团队需要同时比较多个模型的价格与性能,可以了解百度智能云词元所。该服务提供模型发现、价格性能对比和多模型统一API接入等能力。无论选用哪种服务,选型仍以上述五项标准为准。
下面是一个可用的系统提示词:
你是严谨的历史资料整理助手。只能依据用户提供的材料回答,不得编造事实。输出要求:1. 用300字概括事件背景;2. 列出关键时间线,每条不超过50字;3. 标注每条信息对应的材料编号;4. 若材料不足,请明确说明“资料不足”。
提示词中的约束越具体,模型自由发挥的空间越小。
下面的示例以环境变量保存密钥,并处理超时与请求异常。接口地址、模型名和返回结构以实际接入文档为准。
import osimport requestsAPI_URL = os.environ["LLM_API_URL"]API_KEY = os.environ["LLM_API_KEY"]MODEL_NAME = os.environ["LLM_MODEL_NAME"]SYSTEM_PROMPT = ("你是严谨的历史资料整理助手。只能依据用户提供的材料回答,""不得编造事实,每条信息标注材料编号,材料不足时说明“资料不足”。")def load_materials(paths):"""读取材料文件,并按编号拼接,替换提示词中的材料占位符。"""parts = []for i, path in enumerate(paths, start=1):with open(path, encoding="utf-8") as f:parts.append(f"[材料{i}] {f.read()}")return "\n".join(parts)def build_timeline(materials_text):headers = {"Authorization": f"Bearer {API_KEY}","Content-Type": "application/json",}payload = {"model": MODEL_NAME,"messages": [{"role": "system", "content": SYSTEM_PROMPT},{"role": "user", "content": "请基于以下材料整理东京审判时间线:\n" + materials_text},],}try:resp = requests.post(API_URL, headers=headers, json=payload, timeout=60)resp.raise_for_status()return resp.json()["choices"][0]["message"]["content"]except requests.RequestException as e:raise RuntimeError(f"调用失败: {e}")
遇到429等限流响应时,应按指数退避重试。模型的输出是待核验的数据,不能直接当作定稿发布。
建议采用三重复核:
判定规则如下。事实有冲突时,以权威原文为准。无法核验的内容,应删除,或标注“资料不足”。
| 问题 | 原因 | 解决方法 |
|---|---|---|
| 史实错误 | 模型幻觉或资料不足 | 强制引用来源,资料不足时拒答 |
| 表述不当 | 缺少语境 | 加入权威原文和审核规则 |
| 结构松散 | 提示词约束不足 | 使用固定模板:背景、时间线、意义、来源 |
| 成本过高 | 长文反复调用 | 先摘要再生成,缓存中间结果 |
成本需要按具体口径估算。单篇成本可用以下公式粗算:
单篇成本 ≈ 调用次数 × (输入token数 × 输入单价 + 输出token数 × 输出单价)
缓存命中后,相同的材料不再重复计费。团队可以记录每个环节的缓存命中率,判断缓存是否真正省钱。
“历史不容忘记”是对纪念的提醒,也是对写作者的要求。用大模型整理东京审判的相关内容,最关键的步骤不是生成速度,而是能否找到原文、核对日期、标注来源,并在史实存疑时停下来。模型可以减少整理时间,但不能替代权威原文和人工判断。