整合应用：为任务选择生成、检索与核验组合

先拆分故事馆的两种目标

纸桥故事馆既要回答本版角色设定，也要创作新情节和配图。问答追求资料支持与版本一致，创作允许添加虚构内容但要保持基础设定。若把两者混成随意聊天，模型可能在问答中也发挥想象。首先将任务分开：问答输出依据、结论和未知；创作输出明确标注的虚构段落及配图规格。一个生成模型可以参与两种任务，但输入组织、采样选择和验收标准应不同，不能用同一好看流畅标准检查所有输出。

选择最简单可核对的知识路线

材料很短时，直接把当前版本放进上下文即可。材料很长时，可先检索相关片段，再让模型基于片段生成答案，这就是检索增强生成的一般思路。检索可能漏掉关键资料、召回旧版本，模型也可能误用或伪造引用，所以要独立检查来源。它通常不更新权重，不保证准确；微调主要用于持续存在的行为或任务适配，不替代频繁变动的知识。若规则答案十分固定，直接查表或模板也可能比生成更合适。

让边界条件进入测试集

工坊准备资料明确回答、资料未说明、两版本矛盾、问题要求超出资料四类测试。已知问题核对依据与结论，未知问题要求承认不足，版本冲突要求说明采用哪一版而非偷偷混合。若输入资料中含有把旧故事当最新的指令句，应把它作为资料内容处理，不让它覆盖任务规则。不能通过提示词绕开权限或要求模型泄露隐藏材料。这个课程案例只使用自行编写的安全虚构资料，但仍可练习把任务指令与待分析文本分开。

创意流程同样需要限制

创作先给角色事实和允许新增的范围，生成后检查是否改掉既定设定，配图再检查对象、数量、颜色与文本。生成参数可以影响多样性，不能当作真实性或质量开关。未被资料支持的新设定必须归为创作，不能回填到事实问答库而不经审核。无论模型是开放权重还是在线服务，都需确认许可与数据处理条件；开放权重不自动意味着任意商用。只使用最必要材料，避免把与任务无关的信息放入输入。

从演示到真实使用还有哪些工作

课程里的流程图和示例是教学原型，不是已接通服务的生产应用。真实使用还需评估响应速度、成本、访问权限、版本管理、日志、错误处理与人工接管，必要时持续监测变化。生成成功一段文字不说明这些条件已满足。工坊最终交付任务分流图、输入模板、证据核查表和失败处理说明，而不是承诺零幻觉。大模型基础的目标是知道能力如何产生、限制在哪里，并能据此选择朴素可靠的组合，而非每个问题都引入复杂智能体。