如何让Gemini不再短小，生成万字长文

今天在进行小说写作教程的分享时，一位群友提出了一个非常典型的疑问：

“为什么我的Gemini输出内容大幅缩短了？与0325版本相比，一次生成的字数少了很多，经常只有两三千个token，而以前似乎能轻松达到上万Token的规模。”

这个问题在实际使用中相当普遍。平时需要进行超长文本输出的场景并不多，我们更习惯于让模型进行简洁回复，以便随时进行指导和修正。但必须承认，在创作小说时，确实存在需要一次性生成万字完整长文的需求——只有在关键描写的段落中，才能获得更大的扩展与精炼空间。

Gemini在不同使用环境下，其输出长度的“表现”时常会发生变化。这并不意味着官方削弱了模型的输出能力。实际上，模型的基础性能参数通常不会轻易更改，但服务器的当前算力状况、模型内部结构经过迭代后，其整体“行为特征”会有所改变。然而，用户在使用时的配置方式却保持不变，两者结合后，自然会产生截然不同的结果。

既然如此，我们只能不断微调输入的提示词，努力适应模型的新“风格”。那么，应该进行怎样的设置，才能让Gemini再次“发挥强劲性能”呢？

快速要点：

• 开启输出token选项，将max_output_tokens设置为接近上限的65000。
• 检查客户端的具体参数（如果可能），确保stopSequences为空数组。
• 指定清晰、具体且详尽的长篇提纲，为每个部分指定尽可能长的Tokens数。
• 指示AI在达到输出上限时，只需持续输出直至极限停止，不要进行任何收束或总结。
• 启用流式输出。
• 设置较高的思维链预算。
• 排除AI输出Markdown等特殊格式的可能性；降低AI输出敏感词的几率，防止触发敏感词截断。
• 采用较高的温度与创意值（直接关系不大，保守起见可设为中等，如0.7；若希望最大程度增加字数和创造性，可设为高值，如1）。
• 递归续写法，有可能突破65535个tokens的限制（该方法尚未经过充分测试）。

为什么输出内容变短了？问题根源在哪里

以Gemini 2.5 Pro近期版本0506或0605为例。Gemini 2.5 Pro API的硬件指标相当“强大”——官方在Vertex AI与Google AI Studio的型号页面中均明确标注：单次输入可达1,048,576个tokens，单次输出上限为65,535个tokens。换算一下：六万五千余个token至少约等于250,000–260,000个汉字，足以一口气写出一部中等篇幅的网络小说章节。

但为什么常见的大模型实际输出远没有这么长？

1. 前端或SDK保护机制——Gemini网页版和许多第三方客户端为避免浏览器卡死，将响应长度硬性限制在几千词左右；社区中已有多次提问确认了这一点。
2. 安全与预算策略——Gemini 2.5 Pro新增了“可配置思考预算”（configurable thinking budgets），Google会根据负载与安全策略在内部截断生成，即使将maxOutputTokens设置到最大，也可能在触发安全或预算阈值时提前结束。
3. finish_reason=MAX_TOKENS——当模型触顶或被stop_sequences拦截时，返回值中的finish_reason会注明。它不会像早期模型那样直接报错，而是给出一个合法但被截断的候选文本。

决定“单次输出长度”的直接变量

提示：temperature、topP、topK只影响选词的随机程度，与文本篇幅长短的关系较小。

让Gemini持续输出长文的三步法

第一步：开启流式输出接口

改用streamGenerateContent（或SDK中的stream=True）。在进行长文本生成时，边输出边接收能有效规避HTTP超时问题，同时也不会占用过大的内存。

在Cherry studio中的流式输出选项：

如图所示，在generation_config中直接拉满设置：

{ "maxOutputTokens": 65000, "stopSequences": [], "temperature": 0.9 }

如果项目开启了“thinking budget（思考链长度）”，同时将budget调整到large，以避免内部提前收束。

第二步：进行结构化指示，禁止收束，持续写作

Gemini 2.5 Pro的官方上限是65,535个tokens；将stopSequences设为空数组即可完全取消软性截断。剩下的工作就交给提示词：通过系统角色给模型一道“死命令”——沉浸式写作，直到撞上硬性上限才允许收笔。

{
  "contents": [
    {
      "role": "system",
      "parts": [
        {
          "text": "你正在编写一部长篇幻想小说的第一卷。保持同一叙事视角与文风，专注于场景与细节描写，不要进行总结，不要提前收束。除非输出达到模型的最大限制，否则绝不结束。"
        }
      ]
    },
    {
      "role": "user",
      "parts": [
        {
          "text": "第一卷大纲如下：\n——王都春祭，少年侍卫莱昂意外拾得封印之剑；\n——祭典爆发混战，王女被掳，莱昂被迫踏上追踪之旅；\n——沿途遭遇盗贼同盟、隐士炼金术师、古代遗迹；\n——终章在黑曜塔顶与掳走王女的白银龙骑士决战。\n请以沉浸式镜头，从春祭清晨的市集喧嚣写起，完整展开第一卷全部剧情。"
        }
      ]
    }
  ],
  "generationConfig": {
    "maxOutputTokens": 65000,
    "stopSequences": [],
    "temperature": 0.7
  }
}

设计提示词的要点：

1. 只传达一个指令——持续写作。排除任何总结概括；禁止在章节终点处进行收束。
2. 用户指令应给出清晰、线性的大纲。大纲越具体，模型越少进行无意义的绕圈，token更容易被剧情内容填满，而不是自我重复。
3. 场景化切入。从“春祭清晨的市集喧嚣”这类具体画面入手，模型会自然沿着时间线推进，持续消耗token。
4. 参数配合。stopSequences置空，temperature可设为中等或高值；streamGenerateContent采用流式输出。

以上是AI生成的一段完整提示词，使用Markdown格式也是可以的。还是以上述提示词为例，尽可能丰富每一章的具体章纲，并明确、清晰地设定段落收尾时应有具体场景和情节供AI展开的原则，以此进行优化。理想状态下，按照此格式调用，Gemini会从市集的炊烟一直写到黑曜塔顶的龙翼，过程中不会出现任何“继续？”的询问，直到65,000个token触顶后，以finish_reason = "MAX_TOKENS"自动断句。

第三步（探索进一步提升的可能性）：通过详细提纲控制与“接力提示词”确保不中断

接下来，是结合OpenAI和Gemini Deepresearch所得的一种新方法，该方法尚未经过充分测试，但值得一听，或许会有帮助。

首先，确保一个详细的大纲，为AI指定尽可能长的分块写作内容。使用下面的提示词模板驱动模型编写分块文本，每块恰好达到60K+ token触顶，当自动出现finish_reason="MAX_TOKENS"时立即进行续写：

你正在为一部长篇网络小说生成正文。保持统一的文风，并在每段末尾输出“【PART_END】”。当你到达输出上限时，在句末停止，不要写总结。



小说大纲如下……
现在从Chapter 1开始，尽情展开，不要省略任何细节。

代码侧逻辑示例（伪码）：

while True:
    response = model.stream_generate_content(messages, max_output_tokens=65000)
    sa ve(response.text)
    if response.candidates[0].finish_reason != "MAX_TOKENS":
        break
    messages.append({"role": "user", "content": "继续。"})

这种“检测finish_reason→追加‘继续’”的对话递归方式，可以无缝拼接多段65K token的输出，理论上只受账号每日tokens配额和账单的限制。

经验小结

• 在前期的设置方面，最大输出token参数max_output_tokens、高思维链预算、流式输出，是关键的可调项。
• 内容越具体，指令越清晰，敏感内容越少，就越不容易触发Gemini的安全截断机制。
• 将结构清晰、内容明确的长篇大纲、人物表、世界观提前嵌入提示词，能够减少模型“绕圈子”所导致的无谓token消耗。
• 如果担心单回合65K仍然不够，可以先让模型输出完整的分章目录，然后逐章进行调用，这样可以避免在中间被安全策略中断后找不到续写位置。
• 遇到突然出现空白或HTML blob的情况，大概率是Markdown代码块或表格被过滤了，可以尝试在提示词中禁用Markdown，改用纯文本格式。

在完成这些设置后，Gemini 2.5 Pro在实践中完全可以稳定输出20,000甚至100,000 token级别的长篇文本，停止点完全取决于你何时说“到此为止，可以了”。

最后分享一些经验之谈。由于Gemini等众多主流大模型都属于大语言模型，其输出的本质是概率计算和对人类语言形态的模拟——换句话说，当模型“觉得应该这样”时，它会按照自己“琢磨”出来的模糊形象去输出内容，而不是像计算机程序那样，接收到什么指令就执行什么指令。

对于大模型来说，要求其输出具体的8000个tokens或9000个tokens这样精确的数字是没有意义的。模型充其量能根据训练，判断这是一段较长的文字。要求其输出多少，实际上是在传递一个“大概意思”。因此，要尽可能实现长篇幅的一次性输出，不仅应该将指定的输出tokens设置得尽可能高，还应该兼顾合理性。只有提示词准确、清晰、具体、合理，结合长tokens的指令，才能更容易确保长文本输出。

大模型的输出，很多时候就是一种让它觉得“气氛到位了”的技巧。例如，要求AI“以王小明早晨起来给自己做了煎鸡蛋这段剧情，一次输出60000个tokens的小说”，显然不合理，AI也很难做到。而如果我们能详细描述王小明从小到大的人生经历、人物关系、雄心壮志，以及他吃了煎鸡蛋后就要上战场拯救世界的剧情，并以蒙太奇手法插入到早晨做煎鸡蛋的情节中，告诉AI王小明今天早晨煎鸡蛋这个场景，实际上只是他人生中最关键那一天中一个最具象征意义的片段……那么，实际的提纲就已经被扩展到了足以支撑十万字中篇小说的地步。这样一来，氛围到位，AI就很容易生成较长的文本了。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：如何让Gemini不再短小，生成万字长文要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题