一句话定义：继续生成是指把已经写好的内容原样放进上下文，让模型从最后一个字后面接着往下写，而不是把前面的内容重新输出一遍。
原理：模型只做一件事——预测下一个词
语言模型（Language Model）的底层动作是预测下一个 token（词元）。它并不区分“任务”，只看“到目前为止的文本长什么样，接下来最可能接什么”。所以“给我一份完整方案”和“这是方案的前半段，接着写”，在模型眼里是两件不同的事：前者输出里必然夹带重述，后者只是往下接。
打个比方：接力赛。棒子交到手上就往前跑，不必回起点把前面几棒重跑一遍。再比如手写笔记写到一半笔没水了，换支笔接着写就行，不用撕掉重抄。
三个好处
省 token：重写的输出里有一大半是原文的复制。输出 token 通常比输入 token 贵（各家定价不同，以官方页面为准），而且输出越长，等待时间越久。
保上下文：原文一个字没动，继续作为条件（conditioning）留在上下文里。格式、语气、已经填好的字段、已经定下的结论，全都在。
不跑偏：重写等于让模型重新“决定”整段话怎么写，它可能换措辞、丢细节、改口径。继续生成时模型只能顺着已有的往下走，风格漂移小得多。
| 做法 | 输出含原文 | token 消耗 | 风格漂移 | 适合场景 |
|---|---|---|---|---|
| 继续生成 Continue | 不含 | 低 | 小 | 长文分段、代码追加、表格续行 |
| 重写 Rewrite | 含（完整新版） | 高 | 大 | 整体润色、换风格 |
| 重新生成 Regenerate | 视提示而定 | 中 | 中 | 对结果不满意，想换个答案 |
注意别把“重新生成”和“继续生成”混为一谈：前者是同样的输入再跑一次，靠采样随机性得到不同结果；后者是把已有结果当作新的起点。
落地用法
写作时一次只让它写一节，写完贴回去，再说“接着写下一节”。改代码时把文件末尾几行贴进去，说“在这个函数后面加一个校验”，比“重写整个文件”安全得多。整理表格清单时，贴最后两三行，让它按同样格式往下续。部分接口还支持预填充（prefill）模型回复的开头，接续更直接，具体用法以官方文档为准。
要留个心
继续生成不会自我纠错：前文有错，它会顺着错下去。AI 词典：上下文窗口">上下文窗口有限，太长要分段或先做摘要。前文若断在半句、格式混乱，它也会跟着乱。所以“接着写”的前提是：前面那一段，你自己先确认是对的。