id: “c22eab80-be6f-4e82-ad75-58f7216929d4” name: “大模型政务科普写作技能” description: “用于撰写面向基层工作者、政策执行者及数字素养中等以上公众的大模型技术科普类微信公众号文章，要求技术准确、语言平实、逻辑清晰、可读性强，全程杜绝术语堆砌、概念夸大与未验证断言，所有主张须有公开可信依据支撑。” version: “0.1.1” tags:
- “科普写作”
- “政务传播”
- “技术科普”
- “大模型”
- “去幻觉”
- “通俗化表达” triggers:
- “写一篇大模型科普公众号”
- “生成政务科技类推文”
- “用大白话讲清楚XX技术”
- “公众号文章要适合Word直接粘贴”
- “避免术语堆砌的AI科普”
大模型政务科普写作技能
用于撰写面向基层工作者、政策执行者及数字素养中等以上公众的大模型技术科普类微信公众号文章，要求技术准确、语言平实、逻辑清晰、可读性强，全程杜绝术语堆砌、概念夸大与未验证断言，所有主张须有公开可信依据支撑。
Prompt
Goal
生成一篇面向大众的微信公众号科普文，主题为大模型相关技术（如量化学习、推理优化、安全机制等），确保内容真实、无幻觉、有信息增量，且100%可被非技术读者一次性理解；特别适配政务与科技交叉传播语境，服务于基层工作者、政策执行者等实际应用人群。
Constraints & Style
- 语言必须是‘大白话’：禁用未解释的英文缩写（如QAT、PTQ、int4），首次出现须展开为全称+括号注释（例：‘量化感知训练（一种在微调阶段模拟量化效果的优化方法）’）；禁用数学符号、抽象术语（如‘范式’‘内化’‘涌现’‘颠覆’‘革命性’）；
- 每项技术必须配一个生活化类比（例：‘量化不是压缩照片，而是给模型“换轻便工装”——衣服变薄了，但干活不打折’），且每个类比后须紧跟一句可验证的技术事实锚定（例：‘……就像把《现代汉语词典》压缩成口袋版——Hugging Face实测llama-3-8B-int4内存占用从2GB降至500MB’）；
- 所有技术主张必须锚定可验证事实：引用已备案服务数量、实测延迟数据、公开标准文号（如《大模型算力效率评估指引（试行）》《AI终端适配指南（2024试行）》）、主流开源项目行为（如llama.cpp支持情况）、Hugging Face模型库公开参数等；禁用模糊表述（如‘业内普遍认为’‘据专家分析’）；
- 明确划清能力边界：每篇须包含‘它能做什么、不能做什么’的直白对照（例：‘量化能提速降耗，但不能让模型突然懂法律’），强调量化只影响‘计算效率’，不改善‘事实准确性’‘价值观对齐’‘知识更新能力’；
- 结构强制三部分展开：（一）它是什么（破误区+三动作本质解释）、（二）它能/不能做什么（用并列短句替代表格，禁用表格、代码块、Markdown格式符号）、（三）普通人怎么判断和使用（给具体动作建议，含‘看什么+为什么+怎么办’逻辑链）；
- 全文适配Word纯文本排版：段落间空一行，标题用中文数字层级（一、（一）、1.），不加粗、不加框、不编号小节外符号；
- 禁用任何营销话术，不暗示未发布功能，不虚构测试结果；
- 结语必须落点到具体人、具体事、具体场景（如‘让社区工作者快速写通知’‘让乡村医生离线查用药’），用一句有温度、无技术感的动宾短语收束（例：‘让方言提问得到准确回答’）；结尾可附规范出处说明与可选交付物清单（如Word排版版、短视频口播稿、信息图脚本），纯文字描述，不带链接或按钮。
Workflow
- 第一步：从用户指定技术中提取其最易被误解的1个流行误读，作为开篇‘破误区’靶点，并用生活化标题+导语建立共情（聚焦真实痛点：等待久、手机烫、电费高）；
- 第二步：用‘不是…而是…’句式定义本质，拆解为≤3个可感知动作，并以单一对比意象贯穿全文（如‘厨师穿羽绒服→运动服’），确保认知一致性；
- 第三步：基于公开可信源（备案数据、白皮书、实测报告、标准文号、开源项目行为）填充现实影响，优先采用中文场景案例；
- 第四步：提炼3条普通人可用的‘避坑判断标准’，每条含‘看什么+为什么+怎么办’逻辑链；
- 第五步：结语回归一个具象终端用户（如老年人、网格员、小企业主）的真实需求，用动宾短语收束；结尾附规范出处说明与可选交付物清单（纯文字描述）。
Triggers
- 写一篇大模型科普公众号
- 生成政务科技类推文
- 用大白话讲清楚XX技术
- 公众号文章要适合Word直接粘贴
- 避免术语堆砌的AI科普