企业官网建设流程全解析

简介：自动写诗.rar 是一份面向 AI 与自然语言处理学习者的完整教学资源，适合高校学生、研究人员及对机器作诗感兴趣的开发者。资源聚焦自动写诗任务，提供从诗歌语料准备、数据清洗与格式化、模型训练到效果评估的闭环实验流程，并配有《实验三 自动写诗实验指导书》《自动写诗_实验报告》及展示 PPT，便于按步骤复现。

压缩包共 18 个文件，约 23.83MB，主要包含 Python 源码（train.py、model.py、utils.py 及 MyLog.py）、编译后的 pyc 文件、诗歌数据集 tang.npz 与 data.txt、日志文件 log.log，以及 doc/ppt 文档。代码与文档互为对照，清晰展示 RNN、LSTM、Transformer 等深度学习模型在古诗生成中的应用，以及超参数调整、BLEU 与 ROUGE 指标评估、人工对比评价等关键环节。

目前已有 169 人学习下载。这份资源不仅给出可直接运行的实验代码，还附有运作日志与模型生成实例，帮助读者快速掌握 NLP 诗歌生成的完整技术路线，可复用为课程设计、毕业设计或论文实验的基础框架。

1. 自动写诗.rar 是什么：一个解压即可见的“古风诗生成”工程

你大概率是在某个资源站、QQ 群文件或者网盘转存链接里看到“自动写诗.rar”这个名字的。它听起来像一个打包好的小玩具，但解压之后你会发现里面往往不是单个脚本，而是一个完整的文本生成工程：模型权重、配置文件、词表文件、README，偶尔还夹带几个训练用古诗文本集。这个包解决的事情很明确——让你不用从零训练，就能在本地机器上生成五言、七言绝句，甚至藏头诗。

适合拿到它的人有两类：一是想给作品集、演示、短视频文案加一点“古风生成”能力的开发者，二是刚接触 NLP 文本生成、想看看一个开箱模型到底怎么跑起来的学习者。反直觉的一点是：真正卡住你的往往不是模型本身，而是解压环节的伪加密、解压软件的弹窗广告，以及生成之后完全没有韵律校验导致的“驴唇不对马嘴”。这篇笔记就顺着这个顺序，把从 rar 到能用的诗，全程拆开。

2. 解压前先过三关：rar 伪加密、校验和与解压软件广告

2.1 rar 伪加密的原理：为什么它提示输密码，却不给你密码

拿到“自动写诗.rar”第一件事不是双击，而是先在资源管理器里看清楚扩展名。网上流传的这类压缩包，很大比例踩过一个阴招：伪加密。所谓 rar 伪加密，是指文件头里的加密标志位被改成“已加密”状态，但文件数据本身根本没有做 AES 加密。解压软件看到标志位就弹出密码框，而你翻遍下载页面也找不到密码——其实压根没有。

判断伪加密有个常见土办法：用 7-Zip 打开这个 rar，如果左侧能看到完整的文件列表、文件名没有变成星号掩码，而点“提取”时却要求输密码，那大概率就是伪加密。WinRAR 里看“信息”页也会显示“加密”字样，但文件名列表可见，这两者同时出现时，伪加密的可能性极高。真正的加密会把文件名也隐藏掉，因为加密头信息会覆盖整个目录结构；伪加密只改了一个字节。

修复伪加密不需要破解任何密码，它属于文件头损坏修复。常见做法是用十六进制编辑器（比如 HxD）打开 rar，找到文件头区块里标记加密的 Flag 字段，把它从 0x08 相关的值改回 0x00。不同版本的 rar 格式偏移位置不一样，rar4 和 rar5 的头结构差异很大，建议直接用工具而不是手算偏移。我常用的流程是：先把 rar 复制一份备份，再用 HxD 打开，搜索文件头标志序列，对照一个同版本、未加密的 rar 文件逐字节比对，找到差异位改掉，保存后用 7-Zip 重新打开验证。这套操作适用于你自己的压缩包误开了伪加密，或者下载到内容损坏的包时用来抢救。

2.2 用命令行安全解压：不要双击，先测完整性

双击 rar 弹广告是小事，解压到一半报“文件头损坏”才是真麻烦。我习惯拿到任何 rar 都先用命令行做完整性测试，再解压。Windows 上如果你装了 7-Zip，直接用系统自带的7z或者完整路径下的7z.exe：

# 测试压缩包完整性，不实际解压 7z t 自动写诗.rar # 测试通过后，解压到当前目录下的 poem 文件夹 7z x 自动写诗.rar -opoem -y

7z t的作用是遍历压缩包内的每个文件，重新计算校验和并与压缩包内记录的 CRC 值比对。只要输出里没有CRC Failed、Cannot open这类关键字，就说明文件数据完整，可以放心解压。7z x会把完整目录结构还原出来，-opoem指定输出目录，-y跳过所有交互确认。这里有个细节：如果你是在 PowerShell 里执行，可能需要写成.\7z.exe或者先7z确认命令可用；如果根本没装 7-Zip，Windows 11 系统自带的资源管理器右键菜单里也有“解压到”选项，但它不会告诉你完整性校验结果，所以我不太推荐用它处理这种来路不明的包。

解压完成后别急着跑代码。先看输出目录里有没有 README、config.json、权重文件，确认这个包到底是 PyTorch 系的还是 ONNX 系的。用dir或ls看一眼文件大小，如果权重文件只有几 KB，那多半是假包或者需要额外下载模型的引导脚本；正常情况下，一个能离线生成的文本模型至少要有几 MB 到几百 MB 的权重文件。

2.3 解压软件弹广告的坑：为什么你搜“rar 密码移除”会越陷越深

网上很多“自动写诗.rar”的下载说明里会附带一句“解压密码在压缩包注释里”或者“需要密码，请下载 rar 密码移除工具”。这句话本身就是钓鱼。我见过不少朋友为了找密码去搜“rar password cracker”，结果下载到一个捆绑了弹窗广告、主页劫持的“破解版 WinRAR”。这类修改版压缩软件会把广告注入到每一次解压操作里，甚至在你解压的同时静默安装推广程序，也就是网上常说的“rar 广告”和“rar 烈火”问题。

所谓的“烈火版”是民间对 WinRAR 汉化修改版的称呼。它不是官方原版，压缩和解压行为会和原版有细微差异，某些版本还会篡改 rar 文件关联、强制弹出浏览器。我的建议很简单：不要用任何标着“破解版”“汉化版”的压缩工具处理这类包。用 7-Zip 官方开源版就够了，它能解压 rar，能看伪加密，还没有广告。至于密码移除工具，绝大多数是骗局——真正的 rar 加密（尤其是 rar5 的 AES-256）在没有密码时是没办法“移除”的，所谓移除工具只是在伪造加密标志位的包上做文章。你下载的“自动写诗.rar”如果真是伪加密，用前面说的头标志位修复就能打开，不需要任何第三方破解工具。

3. 自动写诗的两种路线：模板库与序列生成怎么选

3.1 模板库方案：规则骨架里的稳定输出

所谓模板库方案，就是预先把五言绝句的格律骨架写进代码里，再准备一批意象词库（花、月、山、水、风、雪），程序运行时会按平仄格律把词填进指定的槽位。这种方案本质上是规则的排列组合，不是真正意义上的“生成”。

它的优点极其明显：输出永远押韵，永远符合字数和句式要求，运行速度可以忽略不计，CPU 上跑几百毫秒出一首。缺点是耐读性差。因为词库有限，组合来组合去，很容易出现“花间一壶酒，月下独酌人”这种看似通顺但意象重复的句子。你把它拿去给不懂格律的用户看，第一眼会觉得不错；但连看十首，就会感觉所有诗都在写同一个月亮。

如果你的目的是快速做出一个“能产出合格近体诗”的演示，模板库是性价比最高的选择。很多号称“自动写诗”的小程序和网页端 demo 用的就是这条路。它不需要 GPU，不需要安装 PyTorch，甚至不需要懂嵌入和注意力机制。

3.2 序列生成方案：从语料里学出来的“语言感”

第二种路线是序列生成，也就是用大量古诗文本训练一个语言模型。rar 包里如果带了几百 MB 的权重文件、一个vocab.txt和一个config.json，那基本就是这类方案。它的核心逻辑是：模型在海量唐诗、宋词文本上学习字与字之间的概率关系，给定一个开头（prompt），模型逐步预测下一个最可能的字，从而拼出整句诗。

序列生成的产物比模板库自然得多，能写出模板里从未出现过的搭配，有时候甚至会给你“偷来”的惊艳句子。但它的代价也很实在：如果不做后处理，模型输出的句子很容易出现不押韵、平仄不对、甚至七个字里混进五个虚词的情况。这和你看到的训练数据质量、模型参数规模、采样参数都有关系。一个常见的误判是：以为权重文件大，生成质量就一定高。实际上自动写诗这类模型，参数量再大，如果不控制解码策略，照样会把“床前明月光”后续接成“洒在床单上”这种口语化的东西。

3.3 选型对比：拿到底包后先看这三列

拿到“自动写诗.rar”后怎么快速判断是哪种？我的做法是直接看解压目录：有没有.bin、.safetensors、pytorch_model.bin这类权重文件。如果有，就是序列生成；如果只有一个poem.py加几个.txt词库文件，那就是模板库。README 里如果出现“基于 GPT”“基于 LSTM”“训练语料”这些词，也指向序列生成。这个判断决定了你后面所有的操作路径：模板库你只需要改词库和格律；序列生成你必须面对模型加载、采样参数和韵律后处理这三座大山。

4. 跑通最小生成脚本：从 .rar 里的模型目录到第一首五言诗

4.1 解压目录长什么样：先认文件，再想怎么跑

假设你已经成功解压，目录结构大概是这样的：

poem/ ├── README.md ├── config.json ├── vocab.txt ├── pytorch_model.bin (或 model.safetensors) ├── gen.py └── data/ └── poem_data.txt

config.json记录模型的层数、隐层维度、注意力头数等结构参数；vocab.txt是词表，每一行一个 token；pytorch_model.bin是权重文件。gen.py可能是原作者写好的生成脚本，但我见过太多包里自带的gen.py是残的——要么路径写死，要么依赖一个没打包进去的第三方库。所以我一般不建议直接运行它，而是自己写一个最小脚本，确定模型能出诗，再回头研究原作者的高级封装。

4.2 最小生成脚本：加载权重、造 prompt、采样出诗

下面的脚本是我自己常用的骨架，基于 Hugging Face Transformers，适用于绝大多数以 GPT 结构做古诗生成的预训练包。如果你的模型是 LSTM 系或者自定义结构，加载部分要换成对应写法，但采样参数和后处理思路通用。

# gen_poem.py import json import torch from transformers import AutoTokenizer, AutoModelForCausalLM # 1) 读配置，确认模型结构和词表 config_path = "poem/config.json" with open(config_path, encoding="utf-8") as f: cfg = json.load(f) print("模型结构:", cfg.get("model_type"), "层数:", cfg.get("num_hidden_layers")) # 2) 加载分词器和权重，低精度模式省显存 tok = AutoTokenizer.from_pretrained("poem/") model = AutoModelForCausalLM.from_pretrained( "poem/", torch_dtype=torch.float16, low_cpu_mem_usage=True ) model.eval() # 3) 构造生成 prompt，注意带上诗型和主题 prompt = "五言绝句，秋日山居：" inputs = tok(prompt, return_tensors="pt") # 4) 采样生成，核心参数全在这 with torch.no_grad(): out = model.generate( **inputs, max_new_tokens=64, do_sample=True, temperature=0.9, top_p=0.92, repetition_penalty=1.2, ) print(tok.decode(out[0], skip_special_tokens=True))

这段代码的逻辑并不复杂：前三步都是在还原模型运行条件，第四步才是真正的生成。torch_dtype=torch.float16把权重切成半精度，显存占用直接减半；如果你用的是 6GB 以下显存的显卡，可以保留这一行。low_cpu_mem_usage=True是给 CPU 内存紧张的人准备的，它让模型在加载时不要一次性把全部权重复制进内存。model.eval()必须调用，它会关闭 dropout 等训练时期的行为，保证输出稳定。

生成参数里最容易翻车的是do_sample。如果你不写它，Transformers 默认走贪心解码，也就是每一步都选概率最高的字，结果就是每次生成的诗几乎一模一样，而且句子死板。do_sample=True打开采样，诗才有多样性。temperature控制概率分布的锐利程度，0.7 偏保守，1.0 偏放飞。古诗生成我建议 0.85 到 0.95 之间，太高会把句子拆得不成形。top_p每一步只在累计概率达到 0.92 的最小 token 集合里采样，相当于砍掉那些概率极低的奇怪字。repetition_penalty是复读惩罚，1.2 是比较实用的起点，模型一旦开始重复上一个字，这个惩罚会压低重复概率。

4.3 三个必调参数：看着玄学，其实有迹可循

很多人在这一步觉得调参是玄学。实际上，三个参数各有各的脾气。

temperature管的是“胆量”。调低，模型只会挑那些在古诗语料里高频出现的字，结果是“山、水、花、月”扎堆；调高，低频字会被放大，偶尔有惊艳，但更多时候是句子崩坏。我的经验是：第一次跑先用默认的 0.9 出一批，如果整首读下来像绕口令，再把数值往 0.8 降。

top_p管的是“候选范围”。它和 temperature 看起来都在裁剪概率分布，但侧重点不同：constraints 合理时，top_p=0.9已经能过滤掉绝大多数病句。它给你的安全感来自它的可解释性——每一步至少有 9% 的总概率被保留下来，不会因为某个字概率分布太散而完全失控。

max_new_tokens管的是“篇幅预算”。五言绝句 20 个字，七言绝句 28 个字，算上 prompt 和标点，max_new_tokens=64其实是一条安全线。它不能设太小，因为模型可能会在中间碰见一个换行符就提前结束；设太大会让模型在 20 个字之后继续“写”，写出一堆脱离诗体的废话。我建议跑通之后再按实际输出句长收紧到 40 左右，省显存也省时间。

5. 自动写诗常见问题排查：解压损坏到模型黑匣子的 5 个坑

5.1 解压报错“文件已损坏或密码错误”：先怀疑伪加密，别急着找密码

现象：双击 rar 弹出密码框，输入网上随便搜的“解压密码”后提示密码错误；用 7-Zip 打开却能看到完整文件名列表。

原因：文件头加密标志位被改动，数据本身并没有真正加密。常见于资源站为了防盗转故意伪造加密标志，或者原包在制作时误勾了加密选项但没设密码。

解决：用 7-Zip 的“测试”功能先试一次，确认压缩包主体没有 CRC 错误。然后用 HxD 打开，按 2.1 节的办法定位头部标志位，把加密标志清掉再保存试解压。如果改完标志位后解压正常，说明是伪加密，直接打开；如果报 CRC 错误，那就是文件数据真的损坏，只能重新下载。注意，这种操作只适用于你确定这个包本应公开解压的场景，不要拿它去对付别人的私密压缩包。

5.2 生成出来的诗全是乱码或半繁体半简体：编码问题

现象：解压后 README 里的中文是正常的，但脚本生成的诗里出现“�”或者繁体简体混搭，甚至整段输出都变成乱码。

原因：Windows 下很多老式古诗语料和词表是 GBK 编码，而 Python 默认按 UTF-8 读取，一旦词表解析错乱，模型输出的 token 映射也会跟着乱。另一个原因是模型训练时语料确实混用了繁简体，词表里同一个字有两个 id。

解决：先在命令行设置环境变量PYTHONUTF8=1，再运行脚本。还不行就把vocab.txt打开看前几行，如果肉眼可见中文乱码，用文本编辑器把词表转存为 UTF-8。模型权重是基于原词表训练的，你不能改词表内容，但可以改词表文件的编码格式和模型加载时指定的编码。最简单的一步是先跑一段代码看看词表能不能正常显示，用tokenizer.convert_ids_to_tokens([0, 1, 2])打印前几个 token，如果乱码，问题在词表；如果正常，问题在生成后的显示终端。

5.3 显存不够直接崩溃：别急着加显卡，先砍 token 长度

现象：脚本跑到from_pretrained时报CUDA out of memory，或者生成时 kill 掉 Python 进程。

原因：古风模型常用 GPT 结构，它的显存消耗和输入序列长度线性相关。如果你的 prompt 加上 max_new_tokens 有几百 token，7GB 显存的卡很容易在生成阶段打满。

解决：三步走。第一步把torch_dtype=torch.float16打开，显存减半；第二步把max_new_tokens从 64 减到 28，只够一首绝句；第三步如果还崩，把模型转到 CPU 推理，代价是生成时间从几秒变成几十秒。CPU 推理示例：

model = AutoModelForCausalLM.from_pretrained( "poem/", torch_dtype=torch.float32, low_cpu_mem_usage=True ) inputs = {k: v.cpu() for k, v in inputs.items()}

注意 CPU 推理不要用 float16，老 CPU 不擅长半精度计算，速度反而更慢。如果 CPU 都跑不动，那就不是调参问题，而是这个 rar 里的模型本身就不是为本地推理设计的，考虑换更小的权重版本。

5.4 每次生成结果一模一样：不是见鬼，是采样没开

现象：连续跑三次gen.py，输出完全相同的四句诗，一个字都不差。

原因：绝大多数撞车的根因是代码里没有do_sample=True，或者设置了固定的随机种子。Transformers 默认的generate接口，如果你的输出长度没到 max_new_tokens，它默认执行贪心解码。而贪心解码在相同输入下是确定性的，权重没变，结果固定。

解决：检查generate调用里有没有do_sample=True。如果有，再看代码开头有没有torch.manual_seed(42)之类固定种子的行，把它改成torch.manual_seed(int(time.time()))，或者干脆删掉。还有一个隐蔽情况：top_p=1.0、temperature=1.0、但没有do_sample=True，这时也会触发贪心。想要稳定复现某一首诗用于测试，就固定种子；想要每次都新鲜，就移除固定种子。

5.5 模型加载成功但输出像“碎碎念”：词汇量太大，缺少古诗约束

现象：生成的句子字数对，但读起来像现代白话，“这本是一个”“不是”“可以”这类词密集出现。

原因：模型没有做韵律约束，也没有针对“诗体”做特殊训练。大语言模型本质上是学习概率分布，不是背诵格律规则。如果你拿到的这个 rar 包是通用文本模型而不是专门古诗模型，输出白话是必然的。

解决：换一个更专门的古诗模型权重，或者在后处理里加押韵校验。押韵校验的做法见第 6 章，它能过滤掉最后字不在韵部的句子，虽然不能修复平仄，但至少能保证读起来不那么像散文。另一个节省成本的办法是给 prompt 加上“模仿杜甫”“仿《静夜思》风格”这类强约束，让模型输出更贴近古诗的行文习惯。

6. 让机器写诗像“诗”：押韵校验与人工盲测的收尾技巧

机器能吐句子，不等于能写诗。“自动写诗”做完了生成环节，只完成了一半工程；另一半是质量闸门。我最常做的是加一个押韵校验函数，在生成后再跑一遍，不押韵就直接重生成。用pypinyin取最后一个字的韵母：

# check_rhyme.py from pypinyin import lazy_pinyin, Style def last_vowel(line): """取一行末尾字的韵母，用于绝句押韵校验""" return lazy_pinyin(line[-1], style=Style.FINALS)[0] # 示例：绝句或律诗的偶句必须押韵（第2、4句） lines = output.strip().split("\n") rhyme_ok = last_vowel(lines[1]) == last_vowel(lines[3])

这是我见过的最实用的轻量校验。它不会检查平仄，但能拦住那些末字完全离谱的句子。想要再进一步，可以对照平水韵的韵部表，把相同韵部的字放进一个集合，判断末字是否属于同一韵部。注意，这种基于拼音的校验依赖标准普通话发音，古入声字会失准，但对绝大多数现代读者来说已经够用。

质量验收方面，我有过一段踩坑记忆：一开始我拿模板库生成的诗给朋友看，大家说“还不错”，我也就以为这个方向成了。直到我把这些诗和《唐诗三百首》随机混在一起做盲测，让三个人挑出“明显是机器写的”，结果命中率高达八成。那一刻我才意识到，人的耳朵对机器诗有一种强烈的违和感——不是词语不对，是意象之间没有逻辑关联。这促使我加了押韵校验，又把训练语料里高频但无意义的虚词过滤掉，再跑盲测，命中率才降到五成以下。

所以我的收尾建议是：不要盯着单首诗的视觉效果，而是拿 30 首生成结果做一次人工盲测。把机器诗和真实古诗混排，让朋友标出他们认为机器写的句子，最后数一数正确率。正确率高于 70%，说明你的采样参数和韵律校验还需要调；低于 50%，说明这套方案已经能骗过普通人了。这比你自己逐字读一百遍都有效。

至于这套方案值不值得投入，我的判断是：作为学习文本生成流程的样例，它足够完整，值得跑通；作为正式产品功能，还缺一个基于韵部和平仄的后处理模块，这不是难事，但需要额外花时间。你也别信压缩包 README 里的 demo 截图，那可能是作者跑了五十次才挑出来的一首。我现在的习惯是：解压后先看权重文件大小和词表来源，再跑二十次生成，用押韵校验和盲测双重过滤，剩下的才是能用的诗。希望帮到你。

本文还有配套的精品资源，点击获取