大模型的文本生成能力早就不局限于写文章和聊天，诗歌创作是很多人喜欢尝试的方向。但实际用下来会发现一个明显的问题：直接丢一句“帮我写一首关于秋天的诗”，模型给出的结果往往流于表面，意象老套，情感空泛，古诗词还经常出现格律硬伤。这并不是模型能力不行，而是提示词没有把创作意图讲清楚。诗歌是高度浓缩的语言艺术，对提示词的精确度要求反而比普通文本更高。本文分别从现代诗和古诗词两个方向，拆解提示词的写法，给出可以直接套用的模板和调优思路。
现代诗创作提示词：让模型理解情绪而不是押韵
现代诗的核心不是形式，而是意象和情绪的流动。很多人写现代诗提示词时喜欢强调“要押韵、要优美”，这恰恰是让输出变差的原因。模型一旦被要求押韵，就会倾向于凑韵脚，句子之间失去内在逻辑，读起来像顺口溜。正确的做法是把重点放在场景、意象和情绪张力上。
一个有效的现代诗提示词通常包含四个要素：具体的场景或事件、希望使用的意象群、情绪基调、以及形式约束（长度、分节方式）。比如你想写一首关于父亲老去的诗，与其说“写一首关于父亲的感人的诗”，不如这样写：
请以“父亲的自行车”为题写一首现代诗，要求： 1. 围绕自行车这个核心意象展开，可以延伸到车铃、后座、链条生锈等细节 2. 情绪基调是克制的怀念，不要直接出现“我爱父亲”“想念”这类直白表达 3. 全诗 16 到 24 行，分 3 节，每节之间有时间和情绪的递进 4. 语言口语化但有节奏感，避免堆砌形容词
这个提示词的关键在于第三条和第四条。禁止直白表达情绪，会逼着模型用意象说话，这正是现代诗的手法。而“避免堆砌形容词”能有效抑制大模型最常见的毛病——用华丽辞藻掩盖内容空洞。如果第一次输出的意象还是太俗套，可以继续追问：“把第二节的月光换成更生活化的意象，比如厨房、药盒或者没关紧的水龙头。”
角色设定也能显著提升现代诗的质量。在提示词前加一句“你是一位受里尔克和辛波斯卡影响的当代诗人，擅长从日常细节切入宏大主题”，模型的语言风格会立刻变得克制而具体。需要注意的是，如果你指定模仿某位具体诗人，风格痕迹可能会很重，建议用“受某某影响”而不是“模仿某某”，给模型留出融合的空间。
古诗词创作提示词：格律、意象与题材的三重约束
古诗词对提示词的要求更严格，因为它是格律文学。平仄、押韵、字数都有硬性规则，而大模型恰恰在数汉字个数这件事上不太可靠。所以古诗词提示词的第一原则是：把格律规则显式写进提示词，而不是默认模型知道。
以七言绝句为例，一个相对完整的提示词是这样的：
请创作一首七言绝句，主题为“夜泊江边”，要求： 1. 严格遵循平水韵，押平声韵，一、二、四句押韵 2. 按照首句平起入韵的格律安排平仄 3. 意象参考：孤舟、渔火、芦花、雁声 4. 风格接近晚唐羁旅诗，情绪是淡淡的乡愁，不要豪放 5. 写完后逐句标注每个字的平仄，并注明所用韵部
最后一条是技巧所在。要求模型自检平仄并标注出来，相当于让它生成后再复查一遍，格律出错的比例会明显下降。即便如此，七言每句必须七个字这一点仍可能翻车，拿到结果后自己数一遍字数是必要的。如果发现某句出律，不要整首重写，而是针对性修改：“第三句第四字应为仄声，请只调整这个字，保持原意不变。”小步修改比整体重生成更容易保住已经满意的部分。
词的创作比诗更复杂，因为词牌直接决定了句式和韵位。提示词里应该明确词牌名，例如“填一阕《声声慢》，用入声韵”，同时给出情感参照，比如“情绪基调参照李清照后期作品，写秋夜独坐的孤寂”。如果模型对某个词牌的字数安排拿不准，可以在提示词中附上该词牌的正体格律原文作为 few-shot 参考，这比空口要求“按《声声慢》格律填写”可靠得多。另一个实用技巧是先让模型列意象和提纲，确认意境方向对了再动笔填词，避免整阕写完后发现立意跑偏。
迭代打磨与常见翻车场景处理
诗歌很少一次成型，用大模型创作也不例外。比较高效的流程是三轮法：第一轮让模型基于详细提示词产出初稿；第二轮针对具体诗句提修改意见，一次只改一节或一联；第三轮让模型通读全诗，检查意象是否连贯、情绪是否有递进、有没有重复用词。这个流程和人类改诗的节奏基本一致，每轮的修改范围越小，效果越稳定。
有几个高频翻车场景值得单独说明。第一是韵脚重复，古诗词初稿里模型经常在同一首诗里重复使用相同的韵字，可以在提示词里直接加一句“四个韵脚不得重复”。第二是意象陈词滥调，提到离别就是“杨柳岸”，提到思念就是“明月光”，解决办法是在提示词里明确列出禁用意象，并给出替代方向，比如“不要用月亮和鸿雁，改用与现代生活相关但仍有古典感的意象，如站台、旧信、路灯”。第三是现代诗被写成分行散文，句子之间没有跳跃和留白，这时可以要求“每节之间留出意象的断层，不要把逻辑说满，让读者自己补全”。第四是藏头诗这类特殊形式，模型经常藏头失败，提示词里要强调“每句第一个字连起来必须是某某四字，写完请逐句检查首字”。
最后想说一点创作观念上的事。提示词写得再好，大模型输出的也只是初稿级别的东西，真正让诗立起来的是人的取舍。把模型当成一位反应很快但审美一般的合作者，你负责判断哪些句子有真东西，它负责快速给出大量备选。这种分工下，提示词工程的本质就不是“让AI写诗”，而是把你自己模糊的诗意，翻译成模型能执行的精确指令——而这个翻译过程本身，往往就已经是创作的一部分了。