多轮对话数据怎么构造？连续剧本的写法

单轮对话像教模型接一句话，多轮对话像教它演一部连续剧——多轮对话数据怎么构造，关键是把上下文承接写清楚。大模型的多轮能力不是单轮数据的简单叠加，它需要模型记住前几轮说过什么、对方立场有没有变、话题岔开后怎么拉回来，这些都要在数据里预先演练。

单轮和多轮差在哪

单轮样本是一问一答的孤立对，模型只学这一次交互的映射。多轮样本是一条完整对话，里面有指代、有省略、有话题切换，后一轮的问题往往依赖前几轮的信息。比如用户先说预算三千，隔两轮后问那款够吗，模型必须回翻上文才知道那款指什么。

这个差别决定了数据构造的工作量。单轮数据可以批量凑，多轮数据得一段段写，每条都要自洽。更麻烦的是评估：单轮答非所问一眼能看出，多轮答非所问可能是第三轮才露馅，所以微调后的模型评估对多轮场景要整段对话一起测。

一条多轮样本的骨架

一条合格的多轮样本通常有四个部件。开头要有场景交代：谁在什么渠道为了什么事发起对话，这决定了后续的语气和用词。中间每一轮都要有真实感，用户会跑题、会改主意、会追问细节，不能全是整齐的问和答。轮次之间要有承接，回答里自然带上前文信息，下一轮的问题才有落脚点。结尾要有收束，问题解决或者明确结束。

写的时候有个实用技巧：先编剧本再填对话。把这场对话的目的、冲突点、用户情绪变化列成大纲，再逐轮展开，比直接一句句写更容易保证连贯。涉及固定格式输出的，还要在样本里保持格式一致，模型才会把格式当成对话的一部分记住。

四个部件缺一不可，每一件都有可判断的合格线。

上下文断层是最常见的毛病

新手写的多轮数据，最常见问题是上下文断层。典型表现是第三轮的回答无视第一轮给出的条件，或者用户突然换了一个完全没交代过的话题。人写的时候觉得顺，是因为脑子里有隐含设定，但数据里没写出来，模型学到的就是可以无视上文。

防断层的办法是每写完一条就通读检查：任意抽一轮，遮住后面的内容，看这一轮的回答是否依赖了没出现过的信息；再遮住前面的，看这一轮是否丢掉了已建立的约束。两个方向都通得过，这条样本才算立得住。显式保留约束，是连续剧本式写法的核心。

多轮数据的质检看什么

质检通常抓四件事。一看连贯，指代和省略是否有依据。二看一致，模型在前两轮承认过的条件，后面不能自相矛盾。三看话题管理，用户岔开话题时，回答是生硬拽回还是自然承接，两种都可以，但不能前言不搭后语。四看格式稳定，如果这个场景要求固定输出结构，每一轮都要守规矩。

量上有个经验值：覆盖核心场景的前提下，每个场景十几条完整对话，比一百条残缺对话管用。腾讯元宝和 Kimi 在长文档、多轮任务上被讨论得多，背后都是大量多轮数据反复打磨的结果。还有个隐性门槛是标注成本，一条自洽的多轮对话，写加校的时间往往是单轮样本的好几倍，排产时要把这部分工时算进去。拒答与边界样本在多轮里尤其难写，因为拒绝一次之后，用户可能换着花样追问三轮，语气还得保持前后一致，这属于风格与能力的迁移要管的问题。

对照表：单轮数据一对一、可批量凑；多轮数据一段一剧本、要自洽。质检抓连贯、一致、话题管理、格式稳定四件事。立不住的样本，比没有样本更糟。

聊聊多轮数据的常见疑问

• 轮次越多越好吗？不是，超过目标场景常见长度的轮次，边际作用下降，还容易引入无关闲聊噪声。
• 多轮数据能拿单轮数据拼吗？不能直接拼，随机拼接会产生大量矛盾和无依据指代，模型会学到错误的承接习惯。
• 怎么知道多轮能力练出来了？拿训练里没出现过的完整对话测试，重点看第三轮以后的承接质量，而不是首轮表现。