为了不让拜年文案像“电子挽联”，我把Qwen3拉去做了30分钟特殊训练

春节前两周，产品找我开了个短会。
“我们要做个马年祝福生成器，要那种……特别走心的，不能是百度搜出来那种。”
我心里咯噔一下，又要跟大模型较劲了。

果然，初版Demo翻车了。模型倒是听话，洋洋洒洒写满了吉祥话，可读出来总觉得哪里不对——太正了。客户收到会礼貌回复，朋友收到会回个表情包，恋人收到大概会以为被盗号了。
这是大模型的通病：它懂语法，但不懂气氛。

我们决定微调。但这篇文章我不想只讲“我们怎么训练了一个模型”，更想聊聊选型时踩的坑，以及为什么在小程序这个场景里，我们放弃了更“聪明”的Qwen3，甚至主动把它的大脑摘掉了一块。

选型困局：我们要快、要准、还要会“抖机灵”

项目第一个分歧就出在选基座上。

团队有同事推荐Llama-3-8B，理由是轻量、部署成本低，在小程序这种高频调用场景下延迟友好。也有同事坚持用Qwen2.5-32B，毕竟中文理解沉淀在那里。

我们拉了个表，把祝福语场景拆成三个维度：

• 创意性：能不能写出“祝你梯度下降永不陷于局部最优”这种梗
• 指令跟随：严格按用户选的风格（商务/科技/家常）输出，不能跑偏
• 推理速度：用户在小程序点完按钮，3秒内必须出结果

结果Llama-8B中文创意项先出局，它写不出“马年”和“Transformer注意力”的双关。Qwen2.5-32B稳，但太稳了，像老干部写贺词。

这时候Qwen3-32B发布了，官方主推的卖点是“支持深度思考（CoT）”。我们兴奋地测了一轮，结果发现：

它想得太多了。

一个“给老板拜年”的请求，它先在脑子里演了五轮职场伦理剧，生成延迟飙到8秒以上；而且CoT经常把“思考过程”泄露进最终文案，出现类似“考虑到对方是领导，所以此处应使用敬语”这种画外音，非常出戏。

最后我们做了一个反直觉的决定：
用Qwen3-32B，但在微调和推理时强制禁用CoT。

对，我们要它的中文基底，但不要它的“深度思考”。在这个场景里，直觉比逻辑重要，流畅比严谨重要。关闭CoT后，生成速度提升了近40%，而且文案终于像人话而不是论文摘要了。

这里其实暴露了一个普遍痛点：选模型不是选最强的，而是选最听话的。如果你手上正好有类似“特定场景化”的需求——比如让AI模仿你的口吻回评论、帮客服写不那么像机器人的话——靠提示词硬改底层模型很吃力。我们后期微调全跑在LLaMA-Factory Online上，不用配环境，传个Excel就能把“交往细节”这种字段对齐到模型参数里。即使没有代码基础，也能轻松跑完微调流程，在实践中理解怎么让模型“更像你想要的样子”。如果你正在找一个低门槛的微调平台，这个值得留意。

---

数据才是真正的“人情味”开关

模型选定了，最难的部分才开始。

开源数据集里找不到“给分手半年的前任写祝福”或者“给怼过你的甲方拜年”这种样本。我们只能自己造。

最开始我们尝试让GPT-4批量生成，结果发现一个问题：GPT-4写的祝福语太“完美”了，完美到没有个性。人类真正发出去的消息其实是有毛边的——语序微调、表情包乱入、甚至带点自嘲。

我们调整策略：先人工写种子数据，再用模型扩写，最后人工二轮清洗。

这里分享一个我们定义的“关系感知”字段结构，后来证明非常有效：

• 称呼：宝贝/张总/老王
• 关系：恋人/前同事/客户
• 交往细节：这栏最关键，是用户自己填的，比如“去年一起通宵赶过标书”
• 风格：只有四档——传统喜庆、轻松自然、商务得体、LLM科技风
• 场合：微信聊天还是当面说
• 篇幅：三档，50字以内专门给红包备注用

这套结构等于给模型画了一个框，告诉它：“别自由发挥，用户要什么你就给什么。”

训练时我们把每一对（用户请求 + 人工润色后的回复）拼成对话模板，喂进LLaMA-Factory Online做LoRA微调。2张H800A，6个epoch，30分钟搞定。

---

效果翻车与惊喜：那些Prompt调不出来的东西

微调后的模型有个很有意思的变化。

微调前，你输入“给同事、科技风、马年祝福”，它会输出：

“祝您在马年里算力充沛，模型收敛，事业一马当先。”

没毛病，但记不住。

微调后，同样的输入，它输出：

“祝咱们新年继续组队carry，你调参我debug，loss归零，马到成功！”

区别在哪？前者是描述祝福，后者是模拟说话。

我们测了几组对照，发现Qwen3-32B微调版在处理“交往细节”时表现明显更好。比如用户填了“我们去年合作过马术项目”，Qwen3-32B会把“马”和“项目复盘”自然串起来，而不是生硬地堆叠“马到成功”。

这可能得益于它预训练阶段积累的多轮对话能力，即使禁用了CoT，它对语境线索的敏感度依然高于2.5版本。

当然也有翻车案例。LLM科技风风格下，模型有时过度堆砌术语，生成过像“祝你embedding维度越来越高”这种连开发者都看不懂的句子。我们不得不在后处理阶段加了一个“术语密度检测”，超标就回退重写。

---

一点小反思

这个项目做下来，我最大的感受是：
AI不缺文采，缺的是分寸感。

我们不需要它写出惊世骇俗的句子，只需要它别把给恋人的消息写得像给客户的消息。这件事靠提示词很难固化，但靠几十条高质量样本的微调，效果立竿见影。

希望这个马年，你发出的每一句祝福，都刚好是对方想收到的那一句。