同一个事件，两种写法
先看一个示意的例子。数据源给出一个已确认事件：第34分钟，甲队某位边锋射门得分，比分变为1比0，助攻来自中场球员。
写法一（槽位化模板）：“第{分钟}分钟，{球队}的{球员}破门，比分变为{比分}。”
填入之后是：“第34分钟，甲队的某位边锋破门，比分变为1比0。”
写法二（自由生成）：“上半场过半，甲队终于撕开了防线，边路的突击手抢在后卫身前一脚推射，皮球应声入网。”
第二句读起来明显更有画面感，但仔细看，它已经引入了几处输入里没有的信息：“终于撕开了防线”是评价，“抢在后卫身前”是对过程的描述，“一脚推射”指定了射门方式。如果数据里根本没有射门方式的记录，这些都是模型补出来的。补得对，观众觉得精彩；补得错，就是一次事实错误，而且很难被发现，因为它听起来太自然了。
这就是矛盾的根源：自然的表达需要细节，而细节往往是模型编的。
模板的价值在于“空位有类型”
模板常被贬为“机械”，但它有一个重要特性：每个空位都有明确的类型和取值来源。
- 分钟：来自比赛时钟，数字类型；
- 球队：来自比赛状态，只能取两支参赛球队之一；
- 球员：来自球员编号到标准名称的映射，只能取场上球员；
- 比分：来自当前比分快照。
这意味着模板生成的每一句话，都可以被逐格审计。一旦某个值缺失，系统就知道这个空位填不上，可以换一个不需要它的句式，而不是让模型自由发挥去填补。
所以我们把模板看作兜底层，不是嫌弃它，而是明白它的用途：任何时候自由生成出问题，都可以回到这里，用最朴素的话把事实说清楚。
自由生成需要“围栏”，而不是“禁令”
完全禁止自由生成，主播会变得单调；完全放开，又会出错。折中的做法是给它一个围栏：
- 输入受限：只提供当前比赛状态、刚确认的事件和一份允许提及的实体清单；
- 风格分离：把“说什么”和“怎么说”写成两份独立输入，前者是事实，后者是语气、句长、节奏要求；
- 不要求补充：明确告诉模型没有的信息不要补充，同时允许它用泛化的描述（比如“一次漂亮的配合”）代替具体细节；
- 输出可解析：让模型同时输出文本和它引用的事实字段，方便后面核对。
第三条特别重要。模型有一种倾向，总想把句子写得“完整”，所以需要用指令和示例去纠正它，让它接受“信息不够时就少说”。
生成之后：数值与实体校验
即使有围栏，仍然要在输出之后做校验，否则等于把责任全部押在提示词上。校验一般分成几类：
| 校验项 | 检查内容 | 不通过时 |
|---|---|---|
| 数值 | 文本中的比分、分钟、统计数字是否与快照一致 | 丢弃，回退模板 |
| 实体 | 出现的球员、球队是否在允许清单内 | 丢弃，回退模板 |
| 事件类型 | 文本描述的事件（进球、犯规、换人）是否与输入事件一致 | 丢弃，回退模板 |
| 时态与时间 | 是否把已发生的事说成正在发生，或反过来 | 修正或回退 |
| 倾向性表述 | 是否出现对球员或裁判的不当评价 | 拦截并交由人工规则处理 |
这里“数值”和“实体”是比较容易自动化的，因为它们可以通过文本抽取和比对完成。而“描述的过程是否真实”比较难，例如“一脚推射”这类细节，需要看输入里有没有对应字段。我们的做法比较保守：输入里没有的过程描述，一律视为越界。这会让文字略显平淡，但换来的是可以说明的边界。
一次校验失败的走查
仍以前面的进球为例，这是一个示意的流程，文本和字段都是举例：
- 事实层给出：分钟34，甲队，射门得分球员为“某位边锋”，比分1比0，助攻球员为“中场球员”，射门方式字段为空；
- 表达层生成候选：“第34分钟，甲队边锋一脚远射得手，中场球员送出助攻，甲队1比0领先。”；
- 校验层抽取：分钟34，一致；球队，一致；比分，一致；球员，一致；“远射”一词对应的射门方式字段为空，判定越界；
- 系统的处理：不放行这句，要求表达层重写，并明确“不要描述射门方式”；重写后的候选通过校验，播出；
- 如果重写连续失败，则回退到模板句。
这条流程里，校验层没有判断“远射”是否真实发生，它只判断“输入里是否有依据”。这种保守，正是我们希望的：不知道就不说，比说得漂亮更重要。
把事实层和风格层拆开
把上面的思路合起来，得到一个分层结构：
- 事实层：事件、状态、实体清单，全部来自结构化数据，带状态和时间戳；
- 约束层：规定哪些事实允许被引用，哪些不允许，哪些表述必须保守；
- 表达层：语言模型在约束内选择语气、句式、修辞，生成候选文本；
- 校验层：把候选文本拉回到事实层核对，通过才放行；
- 兜底层：校验失败时使用槽位化模板。
这个结构最大的好处是责任清晰。当某句话出问题，可以判断是事实层的数据问题、表达层的越界，还是校验层的漏检，而不是一句“模型又幻觉了”。
风格也是有边界的
有些风格上的做法看起来无害，实际上会悄悄影响事实：
- 夸张修辞：把“一次不错的射门”说成“教科书般的完美破门”，属于主观评价，是否允许应由编辑规则决定；
- 因果暗示：“因为换人，比赛出现转折”，暗示了因果关系，输入里如果没有对应依据，就属于过度解释；
- 预测性语句：“这个球基本奠定了胜局”，容易在后续比赛中被打脸。
我们倾向于把这些交给一份可配置的“风格与边界规则”，由编辑维护，而不是隐藏在提示词里。这样风格可以调，事实边界不动。赛后类内容对因果和转折的解释要求更高，这一点在 赛后复盘从转折点出发的写法 里有另外的讨论。
怎么评价一个主播文本好不好
如果只看“读起来自然”，很容易选错方案。更合适的做法是把评价拆成两条独立的线：
- 事实线：数值一致率、实体一致率、越界描述数量，这些是可以自动统计的；
- 表达线：重复度、句式多样性、语气匹配度，可以由编辑抽样评价。
两条线不应该被平均成一个分数。事实线有硬门槛，达不到就不能上线；表达线则是在事实达标的前提下持续优化。此处没有引用任何实测数字，这些是评测的设计思路，具体门槛需要在真实数据上标定。
还没有完全解决的地方
- 细节与安全的取舍：在不引入错误的前提下，怎样为文字增加足够多的信息量，仍然依赖丰富的结构化数据；
- 跨语言一致性：同一事实用不同语言表达时，术语和名字如何保持一致，是另一个独立的难题；
- 风格漂移：连续多场比赛之后，主播的语气会不会越来越模板化，需要长期观察。
总的来说，事实正确与表达自然并不是必须二选一的对立面，前提是把它们放到不同的层里，让各自的规则清楚、责任清楚。
