最近，我让 ChatGPT 写一首宋词，词牌名为《念奴娇》，内容写南京的历史，并感叹这里曾经兴起过许多短命王朝和偏安政权。

原本以为，这是一项很适合大模型的任务。

网上有大量宋词作品，《念奴娇·赤壁怀古》更是家喻户晓的经典。词牌的字数、句式、平仄和押韵，也有现成的词谱可以参考。既然大模型能够阅读、分析和生成大量文字，写一首符合基本格律的《念奴娇》，似乎不应该特别困难。

然而，实际的创作过程却让我看到了大模型在古典诗词创作中的一些问题。

一、第一稿：有古典意境，却不像一首合格的宋词

ChatGPT最初写出的作品，使用了钟山、秦淮、石头城、六朝宫阙等意象，也写到了孙吴、东晋、宋齐梁陈、南唐和明朝。

从主题上看，它抓住了金陵历史的核心：山川依旧，王朝更迭，繁华易逝。

但仔细检查后，问题逐渐显现。

首先，作品没有严格按照选定的《念奴娇》词谱组织句式。其次，平仄和韵脚没有经过逐字核验。更重要的是，作者在发现这些问题之后，并没有立即给出真正经过校验的作品，而是不断解释、承认问题，再继续修改。

这暴露出一个值得重视的区别：

写出具有古典风格的文字，不等于掌握了古典诗词的创作规则。

大模型能够生成「钟山如壁」「秦淮呜咽」这样的句子，但这些句子是否合乎词牌要求，是另一个问题。

二、第二个问题：模仿经典，容易落入现成表达

在后续修改中，我指出了作品里的「人道是」「遥想」等表达。

这两个词组很容易让人联想到苏轼的《念奴娇·赤壁怀古》。

当然，传统文学创作允许借鉴前人，古典诗词中也有大量沿用已久的表达方式。但如果一首号称原创的作品，在关键位置直接沿用名篇中辨识度很高的词语，就会削弱作品自身的面貌。

尤其是大模型，它很容易生成训练材料中常见的表达方式。熟悉的词组能够迅速营造出古典氛围，却也可能让作品落入惯常套路。

真正有价值的创作，不应只是把熟悉的词语重新排列，而应该在继承传统的基础上，形成自己的意象和表达。

写金陵，可以写秦淮烟树、乌衣旧巷、荒台衰草、残宫夕照，也可以写长江潮水拍打空城。关键是让这些景物共同构成一种情绪，而不是简单复制苏轼的表达习惯。

三、第三个问题：有历史叙述，却缺少寓情于景

最初的几稿还有一个明显缺陷：历史事件写得太多，景物描写不足。

作品急于交代六朝兴亡、南唐偏安和明朝兴起，结果像一份压缩的历史提纲。读者知道发生过什么，却很难感受到时间流逝、繁华消散和故国兴亡带来的情绪。

而优秀的怀古词，往往不是直接告诉读者历史有多么悲凉，而是让读者从景物中体会这种悲凉。

例如，暮色中的钟山、烟树深处的渔灯、荒废宫苑里的衰草、晚潮反复拍打的残城，都可以成为历史的见证。

景物本身没有感情，但经过恰当的选择和组织，就能承载作者的情感。

这就是所谓的寓情于景。

我后来特别指出，作品中的「秦淮」反复出现，下阕又连续围绕「月」展开，意象缺少变化。修改时应当让景物形成层次：先写山水与江潮，再写旧巷、宫苑和残墙，最后借秋水或暮角收束全篇。

真正的怀古，不是把历史讲完，而是让历史在眼前的景物中重新浮现。

四、最值得反思的问题：为什么字数正确，仍然可能不合格律？

这是整个创作过程里最有技术含量的一点。

《念奴娇》不是任意长短句的组合，而是有相应的字数、句式、平仄和韵脚要求的词牌。

以苏轼《念奴娇·赤壁怀古》为例，通行文本采用一种特殊句读。若选定这一体式，就必须按照它的句式框架来安排文字，不能只把全词凑够一百字，就认为完成了填词。

即使上下阕的总字数正确，也可能出现以下问题：

• 某个五字句被写成四字句，另一个句子却多出一字。
• 上下阕的句式顺序与所选词谱不一致。
• 某些字的平仄不符合相应位置的要求。
• 韵脚看起来读音相近，按照传统词韵却未必同部。
• 修改了某一句的措辞，却没有重新检查整首词的格律。

这说明，格律检查不能停留在整体印象上，而必须落实到每一句、每一个字。

尤其需要注意，传统诗词的平仄依据古代声调体系，不能简单使用现代普通话的一、二、三、四声来代替。入声字在现代普通话中的读音已经发生变化，押韵也需要依据所选用的词韵体系进行判断。

因此，创作《念奴娇》应当采用明确的工作流程：

第一步，选定具体词谱和范词。

第二步，确定上下阕的字数、句式与停顿。

第三步，围绕主题填入景物、历史和情感。

第四步，逐字核对平仄与韵脚。

第五步，修改措辞后重新检查格律。

最后，还要从文学角度检查意象是否重复、历史评价是否准确、情感是否自然。

这比单纯要求模型「写一首宋词」更可靠。

五、这次交互说明了大模型的什么局限？

我认为，至少可以看到三个方面。

1. 生成能力不等于校验能力

大模型能够生成大量看起来合理的文本，但不代表它会自动验证每一条形式规则。

对于格律诗词，模型可能生成一首有古典韵味的作品，却没有逐字检查平仄。这不是同一件事。

2. 发现错误，不代表能够立即修正错误

在这次对话中，我多次承认作品存在问题，也解释了修改方向，但后续版本仍有未解决的句式和格律问题。

这表明，能够用语言描述一条规则，与能够稳定执行这条规则，并不是完全相同的能力。

3. 流畅的解释容易掩盖实际质量不足

如果不主动核对，模型很容易用一段听起来专业的解释，让一首实际上尚未合格的作品显得已经接近完成。

因此，对于有明确技术标准的任务，不能只看模型怎么解释，还应检查它最终交付的结果。

这不只适用于诗词，也适用于数学证明、程序开发、数据分析和其他需要严格验证的工作。

六、AI能否真正写好宋词？

我不认为这次失败就足以证明大模型无法写好宋词。

更合理的判断是：大模型具有语言生成、意象联想、典故运用和文本修改方面的优势，但这些优势不一定自动转化为稳定的格律创作能力。

如果把词谱作为明确约束，让模型逐句生成、逐字核验，并借助可靠的词谱资料进行复查，创作质量有可能明显提高。

但不能因为模型能够谈论格律，就认为它已经掌握了格律；也不能因为作品读起来流畅，就认为它符合词牌要求。

对于《念奴娇》这样的词牌，最终应当以实际核验为准，而不是以作者的自我评价为准。

结语：让作品接受规则的检验

这次写《念奴娇·金陵怀古》的过程，给我最大的启发，不是AI究竟能不能写诗，而是我们应该如何判断AI写出来的作品是否合格。

一首好的怀古词，既要有山水景物，也要有历史纵深；既要有自己的语言，也要尊重词牌的基本规则。

钟山、秦淮、石城和长江，可以成为金陵兴亡的见证。但要让这些意象真正构成一首优秀的宋词，还需要准确的句式、合适的平仄、统一的韵脚，以及情景交融的艺术处理。

AI可以帮助创作，但不能以流畅代替准确，以解释代替验证，以古典风格代替古典格律。

对于任何有明确规则的创作任务，这都是值得记住的一点。

——————最后输出如下——————

念奴娇·金陵怀古（修订稿）

钟山凝翠，正斜阳、半照长江城阙。 十里秦淮，烟树暗，几点渔灯明灭。 野渡横舟，荒台衰草，风卷残红叶。 石城如故，晚潮空拍残堞。

六代繁华何处？旧巷归燕，夕照楼台。 朱户苔深，歌舞散，断础埋荒陌。 故苑莺稀，宫墙影冷，暮角穿云裂。 兴亡如梦，唯余秋水呜咽。