定义一些人工生成的摘要基准可能会很有用，然后不断迭代提示，直到结果达到或超过这些基准。
举几个例子：
Understanding and managing bootstrap mode 的摘要
Discourse 的 bootstrap 模式是一种促进社区增长的特殊状态，它会自动调整用户信任度、通信频率和目录更新，可以通过“开始使用”按钮或员工操作日志来识别。
错误主题的摘要：
论坛主题导致用户菜单可见性问题，该问题可以被跟踪和解决，尽管有点挑战性，但仍然是一个可管理的修复问题。
我认为这些摘录都未达到人类水平的表现——人类水平的表现被定义为优秀作家所能达到的水平。我猜问题在于，要求 LLM 将过多的信息塞进一个句子中，这使得 LLM 承担了一项不可能完成的任务。
摘录的主要目标应该是让用户对主题有所了解。除此之外，它不需要做太多。
为 LLM 生成摘录的上下文意识可能很重要。例如，对于 bootstrap 文档主题，我希望有一个 bootstrap 模式的简单定义。对于 OP 是用户生成的问题的主题，摘录可能会用该网站用户可能理解的术语来重述问题。由高度技术性的用户发起的主题可能会有一个包含一些技术术语的摘录，以吸引合适的目标受众。