引言：在项目申报中我们借助各类人工智能产品不是为了花哨的概念，产出高质量的申报材料才是落地王道，一份高质量的申报材料应该精准把握政策资金支持的意图和方向，充分表达企业的实际情况，适度融合企业和申报细节各部分段落，本系列主要深度分析如何达成这一目的。

本系列上篇为：

阿甘秒写：整体与局部-借力AI无限逼近专家级项目申报编写(深度干货) ​

可以理解为解释了父与子的关系，本篇来介绍一下兄弟之间的关系。

我们知道，一篇申报书能称其为质量高带来申报成功，和每个章节之间的有机关联密不可分。

太抽象，那我们就上个例子：

例如我们要写一份服务型制造企业的申报书，

某部分的标题是“针对企业服务型制造采用的模式，分析对企业战略的支撑作用”，

而该文档中的前置章节中已经明确表达企业服务型制造采用的模式是"云服务型+个性化服务",

如果书写该段材料时却对“共享制造“大书特书，即使生成的该部分质量再好，针对整个申报书而言，质量归0。

其实在我们人工写作的过程中，这点是容易注意的，哪怕你是初级咨询师，稍微具备一点写作常识，也会容易规避这个问题，

但我们在AI助力写作中，限于和大模型Chat交互上下文的限制，就会导致这种前后不一致的情况，因为AI目前的记忆方式是选择性记忆(专业术语是向量空间)，即使是在一段完整对话中，也可能会造成大模型遗漏前面段落书写模式是"云服务型+个性化服务"，

这就是"上下文漂移"。

解决方案：

-1 Chat对话上下文反复强调

我们会再次告知模型系统该企业采用的是"云服务型+个性化服务"，而不是“共享制造“，纠正模型系统错误，

一般在Chat中我们通过多轮对话，可以初步解决这种问题，类似一个涉猎申报不深的初级咨询师，我们指出其材料中的问题进行修正的动作。

但多轮对话带来的是时间上的成本，而有条理的沟通(Prompt)往往非常依赖于个人的逻辑表达能力，最后很大程度上导致大家骂娘“这玩意不能用”，

这就是大模型初期阶段--“来首诗”让人惊艳，一用到具体业务中仔细看质量就直摇头的原因,

其实静下心来，你和他人之间沟通的时候是不是也出现这种情况？

沟通技巧决定产出质量--这事情貌似在业务落地精准性上不靠谱。

还有，层出不穷的Prompt甚至上升到“提示词工程”是大模型初期的表象，目前落地技术早已迭代了N轮，作为学习新技术体验一下无可非议，但作为申报上的咨询老师，日常工作万绪千头，还要面对极度内卷的市场，实际工作中在这个底层交互技术上面浪费时间，实在是有点“不务正业”，

其实，所谓“提示词工程”只有一些明确的原则，没有确切的写法准则(眼花缭乱的COT/TOT/GOT/AOT/SOT......)，这是2023年大模型元年初期混乱局面。

-2 让大模型预置内在关联知识

我们想想：为啥有的咨询老师写出来的申报，论据清晰，论证有力，干净利索？

那不是空穴来风的能力，是他们多年的经验知识积累叠加到针对本次申报到来后的精准把握，

而一个通用基座大模型类似一个刚刚高中毕业生，他本身对政府申报这事从未涉及，必然抓不住这些要点，

类比一个成熟咨询师的思路，我们能否首先给他预置知晓某份申报的内在关联，充分把握，后面在面对各家企业千变万化的实际情况，也都会抓住这些细节点。

回到文首的例子，就是让模型清楚"企业服务型制造采用的模式"和前文要保持高度一致。

采取具体申报书细节关联提前植入学习的方式，让咨询师选择模板就等同找到一个有经验的咨询助手，而非一个一而再再而三告知注意事项的“小白”(啰嗦一下，技术上可采用的有FT微调、类FT微调、Agent植入、结构化、KG知识图谱等多种方式融合)。

所以，企图在Chat入口各种方式实验优化提示词以求达到产出整个高质量申报书着实很困难(当前OpenAI的GPT应用框架、国内模型蜂起山寨的各类应用均是明证)，

一个负责任的垂直落地工具不是把麻烦留给用户，制造“高科技焦虑”，浪费大米不说最大的是浪费了时间，

阿甘秒写，我们希望把技术摸索交给我们，您只需关注宝贵的客户，

总之，垂直落地、专注申报书的撰写，拒绝耍流氓空话摆活"高科技"，细节决定质量。