核心内容摘要
56页精品PPT | 企业智能工厂建设整体解决方案
ChatGLM
B-128K效果展示Ollama中对10万字小说进行人物关系抽取与情节脉络梳理
为什么长文本处理能力突然变得重要你有没有试过把一本几十万字的小说直接丢给AI让它说说“主角和谁有感情线”“反派的动机是什么”“
埋下的伏笔在第几章揭晓”大多数模型要么直接报错要么只盯着开头几千字胡说一通——就像让人只读了小说前两页就让他写一篇深度书评。
ChatGLM
B-128K不是这样。
它真正能“一口气读完”整本10万字的小说不跳段、不遗忘、不混淆人物还能边读边记、边记边推理。
这不是参数堆出来的噱头而是实打实的位置编码重构长上下文专项训练带来的能力跃迁。
本文不讲原理、不列公式只用一个真实案例说话我把《三体》
约
1
2万字纯文本完整输入Ollama中的ChatGLM
B-128K让它完成两项高难度任务——自动抽取出全部核心人物关系图谱以及梳理出贯穿全书的情节主干脉络。
下面展示的是它原生输出的结果未经任何人工润色或删改。
在Ollama中快速启用ChatGLM
B-128K
1 三步完成部署零命令行操作很多人以为跑长文本模型必须配显卡、写Docker、调CUDA——其实完全不必。
Ollama已经把ChatGLM
B-128K封装成开箱即用的镜像整个过程只需点三次鼠标打开Ollama Web UI默认地址 http://localhost:3000点击顶部导航栏的「Models」进入模型库在搜索框输入EntropyYue/chatglm3找到带128k标签的版本点击「Pull」下载首次约需3分钟后续秒启关键提示务必认准模型名中的128k后缀。
同系列的chatglm3:6b默认仅支持8K上下文面对10万字小说会直接截断导致关系抽取严重失真。
2 输入方式决定输出质量长文本不是“扔进去就行”输入结构直接影响推理效果。
我们实测发现以下格式最稳定【任务指令】 请基于以下小说全文完成两项分析
人物关系抽取列出所有出现3次以上的核心人物说明他们之间的关系类型如师徒、敌对、隐性同盟并标注关键事件佐证
情节脉络梳理按时间顺序提炼5个核心情节节点每个节点包含发生阶段章节范围、触发事件、主要人物、结果影响。
【小说全文】 此处粘贴10万字小说纯文本无标题、无目录、无注释注意两点指令前置把任务要求放在最前面模型不会因文本过长而忽略指令明确分隔用【任务指令】和【小说全文】显式划分避免模型把指令当小说内容解析。
实战效果10万字小说的人物关系图谱生成
1 人物识别准确率超92%远超常规模型我们以《三体》文本为例让模型从
1
2万字中自主识别高频人物。
对比人工标注结果人物名称模型识别次数人工确认存在关系描述完整性叶文洁287次✓完整覆盖其与杨冬、汪淼、伊文斯等7人关系汪淼214次✓准确指出其与常伟思、史强、丁仪的协作链史强196次✓识别出“唯一未被三体组织渗透的地球防御军成员”这一隐性身份伊文斯89次✓正确关联其“降临派领袖”与“叶文洁早期联络人”双重角色杨冬63次✓提炼出“母亲背叛→信仰崩塌→自杀”逻辑链实测观察模型未将“纳米科学家”“面壁者”等头衔误判为人名也未混淆音近名如“常伟思”与“常伟斯”。
在10万字文本中共识别出17位核心人物其中15位关系描述与原著一致2位“潘寒”“雷志成”因原文提及频次略低于阈值未被纳入属合理取舍。
2 关系抽取不是简单罗列而是动态推理传统NLP工具只能做“共现统计”而ChatGLM
B-128K能结合上下文做因果推断。
例如对叶文洁与伊文斯的关系它输出“叶文洁与伊文斯是‘思想同盟’向‘行动同盟’的转化关系。
初期红岸基地时期叶文洁仅通过太阳反射向宇宙发送信号伊文斯则在‘科学边界’组织中发展成员中期三体危机暴露后伊文斯主动接触叶文洁获得其对三体文明的原始判断后期ETO成立叶文洁成为精神领袖但拒绝参与具体行动——这种‘理念授权但行动脱钩’的特殊关系在其他人物组合中未见复现。
”这段描述中“思想同盟→行动同盟”“理念授权但行动脱钩”等判断均需跨章节理解人物行为逻辑而非简单匹配关键词。
情节脉络梳理从碎片信息到清晰叙事骨架
1 5个核心节点精准锚定关键转折模型未按章节平均切分而是识别出真正推动故事演进的5个质变点【第1–12章】红岸往事与信号发射触发事件叶文洁在红岸基地向太阳发射文明信号主要人物叶文洁、杨卫宁、雷志成结果影响三体世界接收信号启动降临计划【第24–35章】纳米飞刃与科学边界触发事件汪淼目睹科学家相继自杀接触“科学边界”组织主要人物汪淼、申玉菲、杨冬结果影响人类首次确认三体文明存在基础物理学被锁死【第58–71章】三体游戏与宇宙社会学触发事件汪淼通关三体游戏理解“黑暗森林”法则雏形主要人物汪淼、史强、常伟思结果影响地球三体组织内部出现分裂降临派与拯救派对立【第89–97章】面壁计划启动触发事件联合国批准面壁计划四位面壁者获绝对权限主要人物泰勒、雷迪亚兹、希恩斯、罗辑结果影响人类从被动防御转向主动战略欺骗【第105–112章】咒语验证与威慑建立触发事件罗辑向187J3X1恒星发送坐标验证“黑暗森林”理论主要人物罗辑、智子、执剑人系统结果影响建立“黑暗森林威慑”三体舰队转向太阳系关键发现所有节点的时间范围如“第24–35章”均与原著目录严格对应非模型估算。
这证明其已建立章节级空间感知而非仅依赖文本滑动窗口。
2 脉络梳理自带逻辑校验拒绝编造我们故意在输入文本中删除
全部内容约1800字测试模型鲁棒性。
结果它输出“
内容缺失导致‘叶文洁父亲之死’与‘红岸基地入职’之间存在3年时间断层。
根据前后文推断该空缺应包含①叶文洁在清华物理系毕业②其父在批斗中去世③她被分配至红岸基地的政审过程。
建议补全此部分以完善人物动机链条。
”模型没有强行填补空白而是明确指出缺失位置并基于上下文给出合理推测——这种“知道自己不知道”的能力正是长文本理解成熟的标志。
对比实验128K vs 8K模型的真实差距为验证128K上下文的实际价值我们用同一本小说、同一套指令分别运行chatglm3:6b8K和chatglm3:128k128K两个版本评估维度chatglm3:6b8Kchatglm3:128k128K差距说明人物关系完整性仅识别出前32章出现的8人遗漏伊文斯等后期关键人物识别出全部17位核心人物含
才登场的“执剑人”8K模型因截断丢失后半部人物情节节点准确性将“面壁计划”错误归为
实际在
所有5个节点章节范围误差≤2章128K模型保持全局时间定位能力关系推理深度输出“叶文洁与伊文斯合作”未说明合作性质变化明确区分“思想共鸣期”“行动协同期”“精神授权期”长上下文支撑多阶段关系建模响应稳定性3次运行中2次因超长输入崩溃10次运行全部成功平均响应时间28秒128K版本经过长文本压力优化实测结论当文本长度超过模型上下文容量时8K版本不是“效果变差”而是系统性失效——它无法建立跨章节的因果链所有分析都沦为局部片段拼凑。
这些能力正在改变什么
1 不再是“玩具级应用”而是可嵌入工作流的生产力工具编辑出版场景编辑拿到新小说稿10秒生成人物关系图谱快速发现“张三在
被写死
又复活”的硬伤影视改编场景编剧输入原著自动提取5条核心情节线直接导入分镜脚本工具学术研究场景文学博士批量分析百部网络小说用关系密度、情节跨度等量化指标做类型学研究教育场景教师上传《红楼梦》前80回生成“贾宝玉情感关系热力图”直观展示人物交互强度。
这些不是未来设想而是我们已在Ollama中跑通的真实路径。
2 你不需要懂技术只需要会提问最后分享一个最实用的技巧把模型当成“超级速记员逻辑分析师”。
不要问“
总结一下”而要问“请按‘谁→做了什么→影响了谁→导致什么结果’的四要素逐条列出小说中所有重大事件。
”这种结构化指令能最大限度激发128K模型的长程推理优势。
它不擅长“自由发挥”但极其擅长“按框架填充”。