optimize: refine LLM prompts for conciseness and reduce verbosity; reduce max_tokens to 1000

platform/backend/app/core/modelscope_client.py

@@ -76,34 +76,34 @@ def expand_content_with_llm(
     context: str = ""
 ) -> str:
     """扩写大纲章节，返回包含 ## 标题的完整 Markdown"""
-    prompt = f"""你是一个专业的内容创作者。请将以下大纲扩展为完整的文章章节。
+    prompt = f"""你是一个专业的内容创作者，风格精炼、直接、切中要点。请将以下大纲扩展为完整的文章章节，要求如下：
 
-# 选题信息
-- 标题：{topic.get('title')}
-- 领域：{topic.get('field')}
-- 核心观点：{topic.get('core_concept', '')}
-- 受众痛点：{topic.get('audience_pain', '')}
-- 独特视角：{topic.get('unique_angle', '')}
+### 选题信息
+标题：{topic.get('title')}
+领域：{topic.get('field')}
+核心观点：{topic.get('core_concept', '')}
+受众痛点：{topic.get('audience_pain', '')}
+独特视角：{topic.get('unique_angle', '')}
 
-# 当前章节
+### 当前章节
 ## {section_title}
 {section_content}
 
-# 要求
-- 以 `## {section_title}` 作为章节标题开头
-- 字数：300-500 字
-- 风格：客观、专业、易懂
+### 输出要求
+- 以 "## {section_title}" 开始
+- 字数：200-300 字（精炼为主）
+- 语言：直白、有冲击力，避免空洞套话
 - 使用 Markdown 格式
-- 包含具体数据或案例（如果有）
-- 保持与整体文章调性一致
+- 每个论点配具体案例或数据支撑
+- 确保与整体文章调性一致
 
-直接输出完整的 Markdown 章节（包括 ## 标题和正文段落）。"""
+直接输出完整 Markdown 章节（包括标题和正文）。"""
     
     if context:
         prompt = f"# 参考资料\n{context}\n\n{prompt}"
     
     try:
-        result = call_llm(prompt, temperature=0.8, max_tokens=2000)
+        result = call_llm(prompt, temperature=0.8, max_tokens=1000)
         return result.strip()
     except Exception as e:
         return f"## {section_title}\n\n（LLM 调用失败：{e}，请手动补充）"

platform/backend/app/core/nvidia_client.py

@@ -102,28 +102,28 @@ def call_llm(
 
 def expand_content_with_llm(topic: dict, section_title: str, section_content: str, context: str = "") -> str:
     """扩写大纲章节，返回包含 ## 标题的完整 Markdown"""
-    prompt = f"""你是一个专业的内容创作者。请将以下大纲扩展为完整的文章章节。
+    prompt = f"""你是一个专业的内容创作者，风格精炼、直接、切中要点。请将以下大纲扩展为完整的文章章节，要求如下：
 
-# 选题信息
-- 标题：{topic.get('title')}
-- 领域：{topic.get('field')}
-- 核心观点：{topic.get('core_concept', '')}
-- 受众痛点：{topic.get('audience_pain', '')}
-- 独特视角：{topic.get('unique_angle', '')}
+### 选题信息
+标题：{topic.get('title')}
+领域：{topic.get('field')}
+核心观点：{topic.get('core_concept', '')}
+受众痛点：{topic.get('audience_pain', '')}
+独特视角：{topic.get('unique_angle', '')}
 
-# 当前章节
+### 当前章节
 ## {section_title}
 {section_content}
 
-# 要求
-- 以 `## {section_title}` 作为章节标题开头
-- 字数：300-500字
-- 风格：客观、专业、易懂
+### 输出要求
+- 以 "## {section_title}" 开始
+- 字数：200-300 字（精炼为主）
+- 语言：直白、有冲击力，避免空洞套话
 - 使用 Markdown 格式
-- 包含具体数据或案例（如果有）
-- 保持与整体文章调性一致
+- 每个论点配具体案例或数据支撑
+- 确保与整体文章调性一致
 
-直接输出完整的 Markdown 章节（包括 ## 标题和正文段落）。"""
+直接输出完整 Markdown 章节（包括标题和正文）。"""
     if context:
         prompt = f"# 参考资料\n{context}\n\n{prompt}"
 
@@ -132,7 +132,7 @@ def expand_content_with_llm(topic: dict, section_title: str, section_content: st
             prompt,
             model="google/gemma-3n-e4b-it",
             temperature=0.20,
-            max_tokens=2000,
+            max_tokens=1000,
             top_p=0.70,
             frequency_penalty=0.00,
             presence_penalty=0.00

platform/backend/app/core/qnaigc_client.py

@@ -71,34 +71,33 @@ def call_llm(
 
 def expand_content_with_llm(topic: dict, section_title: str, section_content: str, context: str = "") -> str:
     """扩写大纲章节，返回包含 ## 标题的完整 Markdown"""
-    prompt = f"""你是一个专业的内容创作者。请将以下大纲扩展为完整的文章章节。
+    prompt = f"""你是一个专业的内容创作者，风格精炼、直接、切中要点。请将以下大纲扩展为完整的文章章节，要求如下：
 
-# 选题信息
-- 标题：{topic.get('title')}
-- 领域：{topic.get('field')}
-- 核心观点：{topic.get('core_concept', '')}
-- 受众痛点：{topic.get('audience_pain', '')}
-- 独特视角：{topic.get('unique_angle', '')}
+### 选题信息
+标题：{topic.get('title')}
+领域：{topic.get('field')}
+核心观点：{topic.get('core_concept', '')}
+受众痛点：{topic.get('audience_pain', '')}
+独特视角：{topic.get('unique_angle', '')}
 
-# 当前章节
+### 当前章节
 ## {section_title}
 {section_content}
 
-# 要求
-- 以 `## {section_title}` 作为章节标题开头
-- 字数：300-500字
-- 风格：客观、专业、易懂
+### 输出要求
+- 以 "## {section_title}" 开始
+- 字数：200-300 字（精炼为主）
+- 语言：直白、有冲击力，避免空洞套话
 - 使用 Markdown 格式
-- 包含具体数据或案例（如果有）
-- 保持与整体文章调性一致
-- 所有数据和时间必须基于2025年及以后，避免引用2024年以前的具体事件或统计数据。如果信息不足，请使用'近期'、'最新'等模糊表述，不要编造旧数据。
+- 每个论点配具体案例或数据支撑
+- 确保与整体文章调性一致
 
-直接输出完整的 Markdown 章节（包括 ## 标题和正文段落）。"""
+直接输出完整 Markdown 章节（包括标题和正文）。"""
     if context:
         prompt = f"# 参考资料\n{context}\n\n{prompt}"
 
     try:
-        result = call_llm(prompt, temperature=0.8, max_tokens=2000)
+        result = call_llm(prompt, temperature=0.8, max_tokens=1000)
         return result.strip()
     except Exception as e:
         return f"## {section_title}\n\n（LLM 调用失败：{e}，请手动补充）"