Нейросеть для написания больших текстов: план API
Нейросеть для написания больших текстов не заменяет план и фактчекинг. Надёжный процесс делит материал на проверяемые разделы, хранит словарь терминов, передаёт модели только нужные факты и проверяет каждый ответ до следующего вызова. Relay даёт доступ к текстовым моделям через API, а редактор решает, что считать фактом, как связывать главы и можно ли публиковать результат.
Коротко
Большой текст собирают из утверждённого плана и отдельных разделов.
В каждом запросе фиксируют цель, факты, термины и формат выхода.
Перед публикацией проверяют факты, стыки глав, повторения и расход по журналу.
Как использовать нейросеть для написания больших текстов
Начните с читательского вопроса. Первый раздел отвечает на него прямо, следующие объясняют действия, ограничения, примеры и проверку. Не делите текст только по желаемому числу символов. Раздел полезен, когда у него есть одна задача и свой набор источников. Для руководства это может быть «подготовить ключ», «сделать запрос», «разобрать ошибку». Для исследования разделите метод, результаты и ограничения.
Для каждого блока заведите карточку: тезис, факты с источниками, термины, что запрещено утверждать и критерий готовности. Если карточка пустая, не просите модель заполнить её общими словами. Сначала найдите подтверждение или уберите раздел. Такой порядок убирает дефект большого черновика: гладкий текст, который не с чем сверить.
План должен содержать и переходы. После раздела о проблеме читатель ожидает способ действия, после примера он ждёт проверку результата. Запишите одну фразу, которую новый раздел продолжает. Потом проверьте её при сборке, чтобы главы не выглядели отдельными ответами на похожий промпт.
Как удержать факты и термины между вызовами
Сделайте редакционный пакет, который передаётся с каждым запросом: утверждённый план, словарь терминов, список уже раскрытых тезисов и данные текущего раздела. Он короче полного черновика, но содержит правила, которые нельзя потерять. Если термин в документации называется API-ключом, не разрешайте модели менять его на «код доступа» ради разнообразия.
Не включайте в пакет все старые ответы без разбора. Туда попадают только вычитанные фрагменты и краткое резюме. Сырой ответ может содержать ошибку, которая затем начнёт повторяться из главы в главу. В конце каждого раздела редактор обновляет реестр: что уже объяснено, какие примеры использованы, какие вопросы ещё открыты.
Если материал опирается на закрытые документы, сначала определите, можно ли передавать их во внешний API. Уберите лишние персональные данные и секреты, но не меняйте смысловую связь между фактами. Маскировка имени не спасает от раскрытия, когда контекст всё равно однозначно указывает на человека.
Как передать задачу через API
Выберите модель в каталоге и сверьте её карточку перед запуском. Сохраните пример как section.cjs и запустите node section.cjs в окружении с пакетом openai и переменной RELAY_API_KEY. Пример использует CommonJS; асинхронный вызов находится внутри main, поэтому верхнеуровневый await не нужен.
const OpenAI = require('openai').default
const client = new OpenAI({
apiKey: process.env.RELAY_API_KEY || 'sk-demo-not-a-real-key',
baseURL: 'https://relay-llm.ru/v1',
maxRetries: 0,
})
const brief = `
Раздел: Проверка первого запроса.
Факты: ключ передают в Authorization; базовый адрес содержит /v1.
Термины: API-ключ, Chat Completions.
Формат: два абзаца и список проверки.
Запрет: не добавляй цену, сроки и неподтверждённые возможности.
`
async function main() {
const response = await client.chat.completions.create({
model: 'claude-sonnet-5',
max_tokens: 1600,
messages: [{ role: 'user', content: brief }],
})
const choice = response.choices[0]
if (choice.finish_reason === 'length') {
throw new Error('Раздел обрезан: уменьшите задание или увеличьте max_tokens')
}
console.log(choice.message.content)
}
main().catch((error) => {
console.error(error.message)
process.exitCode = 1
})Вместо демонстрационного ключа используйте секрет среды исполнения. Не пишите ключ в исходный код, клиентскую страницу или тестовые данные. Если переменной нет, код использует нерабочий демонстрационный ключ. Для Python и curl формат запроса описан в документации Chat Completions.
Почему ответ обрывается, хотя контекст ещё помещается
Контекстное окно и предел ответа решают разные задачи. В контекст должны поместиться инструкции, факты, история и будущий ответ. max_tokens задаёт предел генерации, а не число слов. Большое окно само по себе не обещает длинный результат. Допустимые значения проверьте в карточке модели.
В примере finish_reason: "length" останавливает сборку, чтобы обрезанная глава не попала в публикацию. Сохраните полученный фрагмент отдельно. Разбейте задание на меньшие части или увеличьте лимит в пределах модели и повторите только этот раздел. Если продолжаете с места обрыва, передайте последний вычитанный абзац и явно запретите повторять его.
Как обработать ответ и проверить формат
Сначала проверьте форму: есть ли заявленные абзацы, список и все обязательные поля. Потом проверьте содержание. Каждое число, имя и причинную связь сопоставьте с карточкой раздела. Если ответ ввёл новый факт, не оставляйте его только потому, что он делает текст убедительнее. Удалите фразу или добавьте подтверждение в исходные материалы и повторите только затронутый блок.
Затем отредактируйте язык. Уберите повторы определений, расплывчатые фразы и абзацы без нового действия или факта. Проверьте стык с соседними главами. Один раздел не должен обещать то, что другой отменяет. Полезно завести список неизменяемых терминов и прогонять по нему финальную сборку.
Большой текст нуждается в финальном чтении целиком. Разделы могут быть точны по отдельности, но повторять одну мысль или менять тон. Читатель должен понимать, какой шаг сделать после каждого блока, а не видеть последовательность внутренних запросов к модели.
Как учитывать вход и выход в бюджете
Расход складывается из входного пакета, ответа модели и повторов после правок. Не оценивайте его по количеству страниц в редакторе. Смотрите конкретные вызовы в журнале кабинета, там видны модель, токены и стоимость. Если перед запуском нужно оценить размер запроса, используйте документацию Count Tokens и учитывайте, что фактический ответ ещё не известен.
Сокращайте не фактами, а дублями. Вместо десяти раз пересылать полный черновик, отправляйте утверждённое резюме и материалы текущей главы. Не удаляйте условия и исключения: они часто предотвращают ошибочные обобщения. Актуальные параметры модели и цены смотрите в каталоге и на странице цен.
Как собрать финальную версию
После последнего раздела объедините только отредактированные блоки. Проверьте заголовки, внутренние ссылки, единый словарь и все источники. Затем отдайте текст человеку, который отвечает за публикацию. API не знает требований вашей площадки, юридических ограничений, корпоративного стиля и даты, когда факт перестал быть актуальным.
Храните вместе с итогом план, карту источников и версии промптов, но не секреты. При обновлении статьи это позволит понять, какие факты затрагивает новый документ и какой блок надо перепроверить. Обновляйте только разделы, которые зависят от изменённого факта. Затем ищите его прежнюю формулировку по всему файлу: она могла попасть во введение и FAQ.
Как нейросеть для написания больших текстов продолжает главы?
Передавайте следующему вызову план, словарь и краткое содержание вычитанных глав. Новый API-вызов не получает предыдущий ответ автоматически; нужный контекст добавляет ваше приложение.
Как сохранить единые термины?
Передавайте словарь терминов в каждом запросе и обновляйте его только после редакторского решения.
Как оценить будущий расход?
Проверьте размер входа через Count Tokens, затем смотрите фактические вызовы в журнале. Цены сверяйте в каталоге.
Можно ли публиковать черновик сразу после ответа?
Нет. Редактор проверяет факты, цитаты, связность разделов и требования площадки до публикации.