LobeChat能否实现AI写诗功能？文学创作能力评测-开发者社区

LobeChat能否实现AI写诗功能？文学创作能力评测

在语文课上，老师让学生模仿李白写一首关于月亮的五言绝句——这个曾经需要反复揣摩平仄、意象和典故的任务，如今只需打开一个网页，输入提示词，几秒钟就能得到数个风格各异的候选作品。人工智能正在悄然改变我们对“创作”的理解边界。

而在这股浪潮中，LobeChat 并非最耀眼的名字，却可能是最具实用潜力的那一个。它不像某些闭源平台将AI写诗包装成黑盒玩具，而是提供了一套完整、透明且可定制的技术框架，让每一次生成都成为人与模型之间的深度对话。

架构设计：不只是聊天界面

LobeChat 的本质远不止是一个美观的聊天窗口。它的核心价值在于构建了一个可编程的AI交互中枢。这意味着，当你要让AI写诗时，不再受限于预设按钮或固定模板，而是可以像调试程序一样，精细控制每一个环节。

举个例子：你想生成一首符合《平水韵》的七律。传统工具可能只允许你选择“七言律诗”这一选项，然后返回一段看似工整实则漏洞百出的文字。而使用 LobeChat，你可以：

定义一个名为“宋代文人”的角色，设定其 system prompt 为：“你是一位精通近体诗的士大夫，熟悉《佩文斋咏物诗选》，作诗必守平仄对仗，押韵依《平水韵》。”
调整 temperature 到 0.7，在创造性与规范性之间取得平衡；
接入本地运行的 Qwen 模型，确保敏感内容不外泄；
在生成后调用自定义插件，自动检查押韵是否合规、中间两联是否对仗。

这种从“被动接受结果”到“主动参与过程”的转变，正是 LobeChat 区别于普通AI写作工具的关键所在。

技术实现：如何让AI写出像样的诗？

多模型支持：找到最适合写诗的“笔”

并不是所有大模型都擅长写中文古诗。GPT-4 在修辞和意境营造上表现出色，但偶尔会混入现代语汇；Llama3 对中文语法掌握有限，常出现结构松散的问题；而通义千问 Qwen 或 ChatGLM 等专为中文优化的模型，则在格律和用典方面更具优势。

LobeChat 的多模型兼容机制恰好解决了这个问题。通过简单的环境变量配置，即可在不同模型间快速切换：

# 使用云端 GPT-4 追求高质量表达 OPENAI_API_KEY=sk-xxxxxxxxxxxxx MODEL_PROVIDER=openai # 或切换至本地 Ollama 部署的中文微调模型 OLLAMA_PROXY_URL=http://localhost:11434 DEFAULT_MODEL=llama3-chinese-instruct MODEL_PROVIDER=ollama

这使得开发者可以在实际场景中进行横向对比：比如先用 Qwen 生成初稿，再交由 GPT-4 润色提升文采，形成“分工协作”的高效流程。

角色系统：赋予AI诗人灵魂

很多人误以为AI写诗只是关键词堆砌，但实际上，真正打动人的诗歌往往源于统一的“人格”与“视角”。LobeChat 的“角色预设”功能正是为此而生。

你可以创建一个 JSON 配置文件，定义一位虚拟诗人：

{ "id": "tang_poet", "name": "唐风诗人", "description": "模拟唐代山水田园派风格创作", "systemRole": "你现在是盛唐时期的隐逸诗人，受王维、孟浩然影响极深。你的语言清新淡远，善用自然意象表达孤寂之情，讲究平仄协调、对仗工整，避免直白抒情。", "model": "qwen-max", "params": { "temperature": 0.75, "top_p": 0.9, "presence_penalty": 0.6 } }

一旦启用该角色，整个会话都会被置于特定语境之下。你会发现，即使输入相同的主题“春夜”，这位“诗人”也会倾向于使用“花影”、“竹露”、“渔火”等典型意象，而非随意拼凑词汇。

更重要的是，这些角色可以保存、分享甚至发布到社区，形成一种新型的“数字人格资产”。

插件生态：补足AI的知识短板

尽管大模型知识广博，但在专业领域仍存在盲区。例如，AI 可能知道“阳韵”包含哪些字，但无法精确判断某句诗是否真正押韵；它或许能写出对仗句式，却难以保证词性完全对应。

这时，LobeChat 的插件系统便展现出强大扩展能力。以下是一个押韵检测插件的简化实现：

// plugins/check-rhyme/index.ts import { Plugin } from 'lobe-chat-plugin'; const CheckRhymePlugin: Plugin = { name: 'check-rhyme', displayName: '押韵检查器', description: '分析诗句尾字是否符合《平水韵》规则', async invoke(input: string) { const lines = input.split('\n').map(line => line.trim()).filter(Boolean); const lastChars = lines.map(line => line.slice(-1)); const response = await fetch('https://api.rhyme.cn/v1/check', { method: 'POST', headers: { 'Content-Type': 'application/json' }, body: JSON.stringify({ chars: lastChars }), }); const result = await response.json(); return { success: result.matched, message: result.matched ? '✅ 押韵合规' : `❌ 建议修改尾字：${result.suggestions.join(', ')}`, }; }, }; export default CheckRhymePlugin;

用户可在生成诗歌后手动点击“押韵检查”，系统即调用外部 API 返回分析结果。结合前端提示，形成“生成 → 校验 → 修改”的闭环迭代流程。

类似地，还可开发“平仄分析器”、“对仗评分器”、“典故溯源”等插件，逐步构建一个专业的 AI 诗词辅助体系。

实际表现：AI真的能写出好诗吗？

让我们看一个真实测试案例。

用户请求：“请以‘秋夜思乡’为题，写一首七言律诗，押平声阳韵。”

加载“古典诗词助手”角色后，GPT-4 返回如下作品：

秋风吹叶落空堂，月照孤灯影自长。
远道音书皆断绝，故乡山水总苍茫。
寒砧几处催残夜，归雁千山忆旧乡。
白发倚闾人尚健，何时束帛慰高堂？

逐句分析：
- 首联写景起兴，“空堂”、“孤灯”烘托孤独氛围；
- 颔联“音书断绝”与“山水苍茫”形成空间对照；
- 颈联“寒砧”、“归雁”为典型羁旅意象，动词“催”、“忆”精准有力；
- 尾联转回家中老母，情感升华自然。

经插件检测，尾字“堂、长、茫、乡、堂”均属阳韵；对仗分析显示颔联与颈联基本工整（仅“残夜”与“旧乡”稍宽）。整体已达业余诗人水平。

当然，AI仍有局限。若未明确指定“不得使用现代词汇”，它可能会写出“高铁穿云去，手机传信忙”之类荒诞句子。但这恰恰说明：AI 不缺表达能力，缺的是清晰的创作指令——而这正是 LobeChat 所擅长提供的。

应用场景：不止于娱乐玩具

教育领域：诗歌教学的新范式

在中学语文课堂上，教师可利用 LobeChat 设计互动式写作练习：

学生提交自己写的五绝草稿；
启用“诗评专家”角色，由AI给出修改建议：“首句‘风吹树叶响’口语化较重，建议改为‘风起千林动’以增强画面感”；
调用“平仄检测”插件标出不合律之处；
引导学生理解为何“鸟飞”不如“鸟度”、“花开”不如“花发”。

这种方式将抽象的格律知识具象化，极大降低学习门槛。

文创产业：批量生成灵感素材

出版社策划一本《节气诗集》，每节气需配一首原创七绝。传统方式需耗时数月邀约多位诗人，而现在可通过 LobeChat 实现半自动化生产：

创建“节气诗人”角色，绑定二十四节气关键词库；
批量输入“立春”、“雨水”……自动生成初稿；
人工筛选优质作品，保留核心意象后交由专业作家润色；
最终成书既保持统一风格，又大幅提升效率。

据某文创团队实测，此方法可节省约 60% 的前期创作时间。

个人表达：人人都能写诗的时代

一位失去亲人的用户在深夜输入：“帮我写首悼亡诗，她喜欢梅花和钢琴。”

AI 回应：

梅落琴台霜满襟，十年幽梦杳难寻。
指间犹绕《思归引》，窗外空余《折柳吟》。
夜雨敲窗疑拨轸，孤灯照壁似调音。
何当剪烛西窗下，重理清商泪湿簪。

这首诗融合了“梅花”、“钢琴”、“思念”三大元素，并巧妙借用古曲名《思归引》《折柳吟》隐喻离别，情感真挚动人。虽然出自机器之手，却承载着真实的哀思。

这或许才是技术最温暖的一面：它不替代人类情感，而是帮助我们更好地表达它。

设计思考：通往更智能创作的路径

要在 LobeChat 上实现高质量 AI 写诗，还需注意几个关键设计点：

模型选择优先级

场景	推荐模型
中文古诗创作	通义千问 Qwen-Max、ChatGLM3
现代自由诗	GPT-4-turbo（修辞能力强）
数据隐私要求高	本地部署 Llama3-Chinese-Instruct + Ollama
成本敏感型应用	GPT-3.5-turbo 初稿 + GPT-4 润色