Flash-Lite 主打輕快省資源,但在
長篇脈絡理解與
多層次邏輯推理上,容易出現忽略細節或前後矛盾的狀況。若暫時不打算付費升級,可以透過以下技巧來彌補模型能力的不足:
- 拆解複雜任務(Prompt Chaining):避免一次丟入數萬字文件要求完整產出,改為分段進行,例如先要求「條列各段核心綱要」,再針對單一章節做「深入細節摘要」。
- 提供標準範例與結構:輕量模型非常依賴具體規範,在提問時附上一小段理想格式(如欄位名稱、指定列點風格),能大幅降低模型胡言亂語的機率。
- 預先過濾無效資訊:餵入文字前先手動刪除免責聲明、重複版權等雜訊,把有限的注意力資源集中在核心內容上。
善用結構化引導,輕量模型依然能勝任多數日常文書與資料整理工作。