Back to Details

diverse-content-gen

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Diverse Content Generation using Verbalized Sampling

基于Verbalized Sampling（VS）的多样化内容生成

Overview

概述

This skill teaches agents how to use Verbalized Sampling (VS) - a research-backed prompting technique that dramatically increases output diversity (1.6-2.1× improvement) without sacrificing quality.
The Problem: Standard aligned LLMs suffer from "mode collapse" - they generate overly similar, safe, predictable outputs because of typicality bias in training data.
The Solution: Instead of asking for single instances ("write a blog post"), VS prompts the model to verbalize a probability distribution over multiple responses ("generate 5 blog post ideas with their probabilities").
Core Principle: Different prompt types collapse to different modes. Distribution-level prompts recover the diverse base model distribution, while instance-level prompts collapse to the most typical output.
本技能将指导Agent如何使用Verbalized Sampling（VS）——这是一种有研究支持的提示词技术，可在不牺牲质量的情况下大幅提升输出多样性（提升1.6-2.1倍）。
存在的问题： 经过对齐的标准大语言模型（LLMs）存在“模式坍缩”问题——由于训练数据中的典型性偏差，它们生成的内容过于相似、保守且可预测。
解决方案： 不同于要求生成单个实例（如“写一篇博客文章”），VS技术会提示模型针对多个输出结果描述其概率分布（如“生成5个博客文章创意及其对应概率”）。
核心原理： 不同类型的提示词会导向不同的输出模式。分布级提示词能够还原基础模型的多样化分布，而实例级提示词则会坍缩为最典型的输出结果。

Workflow Decision Tree

工作流决策树

Detect user intent, route to appropriate reference:
User Request PatternRoute ToDescription
"Generate diverse [content]"
references/vs-core-technique.md
Learn VS basics, prompt templates, execution
"Write 5 blog posts / captions / ideas"
references/task-workflows.md
Task-specific workflows pre-configured
"Need higher quality" or "too wild"
references/advanced-techniques.md
VS-CoT, VS-Multi, parameter tuning
"Save to file" or "batch process 50 items"
references/tool-integration.md
VS + File tools, batch workflows
"VS outputs too similar" or errors
references/troubleshooting.md
Common pitfalls and solutions
"Which model works best?"
references/research-findings.md
Benchmarks, model compatibility
Default workflow: Load 
vs-core-technique.md
first, then load additional references as needed.
检测用户意图，路由至对应参考文档：
用户请求模式路由至描述
“生成多样化的[内容]”
references/vs-core-technique.md
学习VS基础原理、提示词模板及执行方法
“写5篇博客文章/文案/创意”
references/task-workflows.md
已预配置的特定任务工作流
“需要更高质量”或“内容过于天马行空”
references/advanced-techniques.md
VS-CoT、VS-Multi、参数调优
“保存到文件”或“批量处理50个内容”
references/tool-integration.md
VS与文件工具结合、批量工作流
“VS输出内容过于相似”或出现错误
references/troubleshooting.md
常见问题及解决方案
“哪个模型效果最好？”
references/research-findings.md
基准测试、模型兼容性
默认工作流： 先加载
vs-core-technique.md
，再根据需要加载其他参考文档。

When to Use This Skill

何时使用本技能

Trigger Scenarios

触发场景

Use VS when user requests:
  • "Give me multiple variations/options/ideas"
  • "I need diverse [content type]"
  • "Brainstorm several approaches to..."
  • "Generate different angles for..."
  • "Avoid repetitive/similar outputs"
Use VS for these content types:
  • Creative writing (blog posts, stories, poems, scripts)
  • Marketing (campaign ideas, taglines, ad copy, social captions)
  • Product content (descriptions, feature bullets, value props)
  • Ideation (brainstorming, exploration, strategy options)
  • Open-ended QA (tasks with multiple valid answers)
DON'T use VS for:
  • Single-answer factual questions
  • Tasks requiring deterministic output
  • When user explicitly wants "the best" single answer
  • Real-time low-latency applications
当用户提出以下请求时使用VS：
  • “给我多种变体/选项/创意”
  • “我需要多样化的[内容类型]”
  • “头脑风暴几种不同的方案...”
  • “生成...的不同角度”
  • “避免重复/相似的输出内容”
VS适用于以下内容类型：
  • 创意写作（博客文章、故事、诗歌、脚本）
  • 营销内容（活动创意、标语、广告文案、社交媒体文案）
  • 产品内容（描述、特性要点、价值主张）
  • 创意构思（头脑风暴、探索、策略选项）
  • 开放式问答（存在多个有效答案的任务）
请勿在以下场景使用VS：
  • 单一答案的事实性问题
  • 需要确定性输出的任务
  • 用户明确要求“最佳”单一答案时
  • 实时低延迟应用场景

Quick Start (30-Second Version)

快速入门（30秒版）

For agents who need VS immediately:
供需要立即使用VS的Agent参考：

1. Detect Need

1. 检测需求

User wants multiple variations → Use VS
用户需要多种变体 → 使用VS

2. Basic VS Prompt Template

2. 基础VS提示词模板

Generate {k} responses to: {user_request}

Return JSON format with key "responses" (list of dicts).
Each dict must include:
• text: the response string only
• probability: estimated probability (0.0-1.0)

Give ONLY the JSON object, no extra text.
Generate {k} responses to: {user_request}

Return JSON format with key "responses" (list of dicts).
Each dict must include:
• text: the response string only
• probability: estimated probability (0.0-1.0)

Give ONLY the JSON object, no extra text.

3. Standard Parameters

3. 标准参数

  • k = 5 (candidates per call)
  • temperature = 0.8
  • threshold = 0.10 (optional, for more diversity)
  • k = 5（每次调用生成的候选内容数量）
  • temperature = 0.8
  • threshold = 0.10（可选，用于提升多样性）

4. Process Output

4. 处理输出

python
import json
data = json.loads(llm_output)
candidates = data["responses"]
python
import json
data = json.loads(llm_output)
candidates = data["responses"]

Present to user ranked by probability

Present to user ranked by probability


**For detailed instructions:** Load `references/vs-core-technique.md`

---

**如需详细说明：** 加载`references/vs-core-technique.md`

---

Progressive Learning Path

进阶学习路径

Recommended loading sequence:
推荐加载顺序：

Level 1: Basics (Required)

第一级：基础（必学）

  1. Start here: 
    references/vs-core-technique.md
    • VS theory and why it works
    • Copy-paste ready prompt templates
    • Step-by-step execution workflow
    • Output parsing and presentation
  1. 从这里开始：
    references/vs-core-technique.md
    • VS理论及工作原理
    • 可直接复制使用的提示词模板
    • 分步执行工作流
    • 输出解析与展示

Level 2: Task-Specific (Choose based on use case)

第二级：特定任务（根据使用场景选择）

  1. Load: 
    references/task-workflows.md
    • Blog post ideas workflow
    • Social media captions workflow
    • Campaign/strategy ideas workflow
    • Story/narrative generation workflow
  1. 加载：
    references/task-workflows.md
    • 博客文章创意工作流
    • 社交媒体文案工作流
    • 活动/策略创意工作流
    • 故事/叙事生成工作流

Level 3: Advanced (On-demand)

第三级：进阶（按需加载）

  1. When needed:
    • Higher quality needed: 
      references/advanced-techniques.md
      (VS-CoT, VS-Multi)
    • File operations: 
      references/tool-integration.md
      (Write, batch processing)
    • Issues/errors: 
      references/troubleshooting.md
      (Pitfalls & fixes)
    • Model selection: 
      references/research-findings.md
      (Benchmarks)
  1. 有需要时加载：
    • 需要更高质量： 
      references/advanced-techniques.md
      （VS-CoT、VS-Multi）
    • 文件操作： 
      references/tool-integration.md
      （结合文件工具、批量处理）
    • 问题/错误： 
      references/troubleshooting.md
      （常见问题及修复方案）
    • 模型选择： 
      references/research-findings.md
      （基准测试）

Quick Reference Card

快速参考卡

Copy this for quick lookup:
ParameterDefault ValueWhen to Adjust
k (candidates)5Use 3 for quick, 10 for exploration
Temperature0.7-1.0Combine with VS for extra diversity
Probability threshold0.10 (optional)Lower (0.01) for more creative outputs
Troubleshooting shortcuts:
  • Outputs too similar? → Lower threshold OR increase k OR load 
    advanced-techniques.md
  • Quality too low? → VS-Multi workflow (see 
    advanced-techniques.md
    )
  • JSON parsing errors? → Emphasize "ONLY JSON" OR use regex extraction
  • Not sure which model? → Load 
    research-findings.md
Quality checklist before presenting:
  • Diversity achieved (different angles/styles)
  • Quality maintained (baseline standards)
  • User intent matched
  • Clean formatting (no JSON artifacts)
可复制用于快速查阅：
参数默认值调整时机
k（候选内容数量）5快速生成用3个，深度探索用10个
Temperature0.7-1.0与VS结合使用以提升多样性
概率阈值0.10（可选）降低至0.01以获得更具创意的输出
故障排除快捷方式：
  • 输出内容过于相似？ → 降低阈值或增加k值，或加载
    advanced-techniques.md
  • 内容质量过低？ → 使用VS-Multi工作流（详见
    advanced-techniques.md
    ）
  • JSON解析错误？ → 强调“仅返回JSON”或使用正则表达式提取
  • 不确定用哪个模型？ → 加载
    research-findings.md
展示前的质量检查清单：
  • 已实现多样性（不同角度/风格）
  • 质量达标（符合基线标准）
  • 匹配用户意图
  • 格式整洁（无JSON残留）

Resources

资源

This skill uses progressive disclosure for optimal token efficiency:
本技能采用渐进式披露方式，以优化Token使用效率：

references/

references/

Documentation loaded on-demand based on agent needs:
  • vs-core-technique.md - Core VS concepts, prompt templates, execution steps
  • task-workflows.md - Pre-configured workflows for common content types
  • advanced-techniques.md - VS-CoT, VS-Multi, parameter tuning, refinement
  • tool-integration.md - Combining VS with file tools, batch processing
  • troubleshooting.md - Common pitfalls and solutions
  • research-findings.md - Performance benchmarks, model compatibility data
Pattern: Agent loads SKILL.md first (routing), then loads specific references as needed during execution.
根据Agent需求按需加载的文档：
  • vs-core-technique.md - VS核心概念、提示词模板、执行步骤
  • task-workflows.md - 针对常见内容类型的预配置工作流
  • advanced-techniques.md - VS-CoT、VS-Multi、参数调优、内容优化
  • tool-integration.md - VS与文件工具结合、批量处理
  • troubleshooting.md - 常见问题及解决方案
  • research-findings.md - 性能基准测试、模型兼容性数据
模式： Agent先加载SKILL.md（用于路由），然后在执行过程中按需加载特定参考文档。

Examples in Context

场景示例

Example 1: Simple Brainstorming

示例1：简单头脑风暴

User: "Give me 5 tagline ideas for a coffee shop"
Agent workflow:
  1. Detect: "5 ideas" → VS needed
  2. Load: 
    vs-core-technique.md
    (if not already loaded)
  3. Execute: VS prompt with k=5
  4. Parse & present: 5 diverse taglines
用户： “给我5个咖啡店的标语创意”
Agent工作流：
  1. 检测：“5个创意” → 需要使用VS
  2. 加载：
    vs-core-technique.md
    （若尚未加载）
  3. 执行：使用k=5的VS提示词
  4. 解析并展示：5个多样化的标语

Example 2: Production Content

示例2：生产级内容

User: "Write 10 blog post ideas about AI, I need them saved to a file"
Agent workflow:
  1. Detect: "10 ideas" + "saved to file" → VS + file tools
  2. Load: 
    vs-core-technique.md
    + 
    tool-integration.md
  3. Execute: VS with k=5, make 2 calls
  4. Process: Format as markdown
  5. Write: Use Write tool to save file
用户： “写10个关于AI的博客文章创意，我需要保存到文件中”
Agent工作流：
  1. 检测：“10个创意” + “保存到文件” → VS+文件工具
  2. 加载：
    vs-core-technique.md
    + 
    tool-integration.md
  3. 执行：使用k=5的VS，调用2次
  4. 处理：格式化为markdown
  5. 保存：使用Write工具保存到文件

Example 3: Quality Refinement

示例3：质量优化

User: "These are good but need more polish for production use"
Agent workflow:
  1. Detect: Quality improvement needed
  2. Load: 
    advanced-techniques.md
  3. Execute: VS-Multi workflow (initial VS → user selects → refine)
  4. Deliver: Polished output
Ready to start? Load 
references/vs-core-technique.md
to begin using VS.
用户： “这些内容不错，但需要更精细化以用于生产环境”
Agent工作流：
  1. 检测：需要提升质量
  2. 加载：
    advanced-techniques.md
  3. 执行：VS-Multi工作流（初始VS生成→用户选择→优化）
  4. 交付：精细化后的输出内容
准备开始了吗？ 加载
references/vs-core-technique.md
即可开始使用VS。