Simon Willison 分享新技巧：让 AI 先自由发挥再匹配标签

Simon Willison 在自己的博客上分享了一个打标签的新思路。他的博客有 1856 个标签，数量太大，无法一次性丢给大语言模型，让它从这些标签里挑出匹配项。直接让模型在这样大的候选集里做分类，既不现实也容易出错。

Doug Turnbull 提出了一个解决办法：先不让模型看现有的标签词汇表，而是让它根据自己的理解，为内容凭空想象出一些可能合适的标签。然后把这些模型生成的标签，拿去和真实标签库里做向量相似度匹配。模型想象出来的标签是模糊的，但通过向量搜索，可以找到真实存在且意思最接近的那些标签。

Turnbull 的示例提示词里还提到，要在提示中给模型展示一些现有标签的格式范例，比如层级结构是「家具 / 客厅家具 / 咖啡桌」，这样模型生成的想象标签会更符合实际形态，匹配效果也更好。Simon Willison 认为这是一个巧妙的方法，打算用它来处理自己博客里那些一直没来得及加标签的旧内容。