长文写作智能体：选题、资料、结构、事实、风格和发布流程
摘要
长文写作智能体不应被理解为自动扩写器，而是一个围绕选题判断、资料研究、结构设计、事实核验、风格控制和发布复盘工作的知识生产系统。本文把长文写作拆成可追踪的状态流，讨论智能体怎样判断题目是否值得写、怎样建立证据库、怎样把资料转化为论证结构、怎样在事实与表达之间保持边界。文章强调好文章不是字数堆积，而是问题、证据、方法、取舍和读者路径同时成立。
关键词
长文写作智能体；选题；资料研究；结构设计；事实核验；风格控制；发布流程；知识生产
研究问题与方法
本文的研究问题是：智能体怎样参与长文生产而不把写作退化为模板化填充。方法上采用编辑流程分析，把写作视为从问题假设到公开文本的连续决策：每一段都应回答它依赖什么证据、服务哪个读者问题、承担什么论证功能。评估时同时检查事实正确性、结构张力、风格一致性和发布后的反馈。
图中最关键的回边在事实核验到结构设计：当证据不支持原论点时，智能体应调整结构，而不是用修辞掩盖。长文质量可以用下面的取舍表约束。
| 决策点 | 应优先保护 | 可以牺牲 |
|---|---|---|
| 选题 | 问题价值和读者收益 | 热点跟随速度 |
| 资料 | 原始证据和可追溯性 | 材料数量 |
| 结构 | 论证递进和节奏 | 固定模板 |
| 风格 | 一致、克制、可读 | 花哨表达 |
长文写作智能体不是把“请写一篇一万字文章”交给模型，然后等待一段看似完整的文字。真正可用的长文写作系统要像一个严谨编辑部：先判断选题是否值得写，再拆出读者问题，检索和整理资料，设计结构，写作正文，逐条核验事实，统一表达风格，处理引用，最后进入发布和复盘流程。它既要会写，也要会查、会问、会删、会改、会保留证据。
长文写作的难点不在字数，而在连续性和责任。短回答可以只解决一个局部问题，长文要跨越多个概念、多个来源和多个论证层级。只要中间有一个环节失控，文章就会变成堆砌：开头很大，段落重复，观点游移，事实不明，引用模糊，风格忽冷忽热，结尾只剩口号。读者看到这样的文章，往往不是觉得模型能力差，而是觉得作者没有真正理解主题。
如果把长文写作智能体当成生产工具，就必须把“生成正文”降级为流程中的一个步骤。选题、资料、结构、事实、风格和发布都要有明确状态。每个阶段都要能回答三个问题：当前依据是什么，下一步要解决什么，失败时怎么回退。这样做并不是让写作变慢，而是避免把大量时间浪费在返工、补证据和修补逻辑上。
本文从工程和编辑两个角度讲解长文写作智能体。目标读者是中文学习者、内容工程实践者、知识库产品负责人、AI 应用开发者和希望用智能体稳定产出高质量文章的人。这里的“长文”不特指新闻报道、论文或营销稿，而是泛指需要系统论证、充分资料和可发布质量的教程、研究综述、产品文档、项目复盘、行业分析和深度指南。
引言：长文写作智能体应该解决什么问题
长文写作可以拆成六类能力。第一类是选题能力：判断一个主题是否有真实读者、是否有足够资料、是否有明确角度、是否能提供新增价值。第二类是资料能力：找到可靠来源，记录出处，区分事实、观点和案例。第三类是结构能力：把杂乱资料变成读者能跟随的路径。第四类是写作能力：把结构写成自然、准确、有节奏的正文。第五类是核验能力：检查事实、数字、引用、时效和逻辑。第六类是发布能力：把文章变成可阅读、可维护、可追踪效果的页面。
很多人失败在把这些能力混成一次提示。模型会顺着提示给出完整文本，但它没有机会停下来验证资料是否可靠，也没有机会根据读者目标重排结构。一次性长文常见问题包括：引用不存在，事实过期，标题和正文脱节，前文承诺后文没有兑现，几段内容换词重复，后半部分开始变空，最后塞入一堆泛化建议。这些不是靠“写得更详细”就能解决的问题，而是流程没有分层。
生产级长文写作智能体应当把文章当作一个可审计对象，而不是一次聊天结果。文章对象至少包含标题、读者画像、写作目标、核心问题、资料清单、大纲、事实清单、正文版本、引用映射、风格规则、发布状态和复盘数据。每个对象都可以被查看、修改和验证。这样编辑者不是在一大段文字里摸索，而是在一个清楚的写作状态机里推进。
它还要处理不确定性。一个选题可能资料不足，一个来源可能互相矛盾，一个概念可能没有统一定义，一个观点可能只适合特定场景。普通生成模型倾向于把不确定性抹平，长文写作智能体则要把不确定性显式记录：哪些事实已确认，哪些只是行业观点，哪些结论需要限定范围，哪些数字不能引用，哪些问题需要继续查证。高质量长文不是永远说得很肯定，而是在该肯定的地方有证据，在该保留的地方说清边界。
长文写作智能体也不是替人偷懒的自动作文机。它更像写作工作台，把复杂劳动分解、记录和放大。人仍然要决定选题价值、判断资料权重、确认观点立场和承担发布责任。智能体的价值在于让这些判断有材料、有结构、有检查，而不是让作者凭感觉在空白文档里来回改。
选题：先判断值不值得写
选题是长文质量的第一道门。一个不值得写的题目，即使正文再长，也只是对已有内容的重复。选题要同时看读者需求、信息缺口、资料供给、作者能力和发布目标。缺少读者需求，文章无人关心；缺少信息缺口，文章没有新增价值；缺少资料供给，文章容易空泛；缺少作者能力，文章只会摘抄；缺少发布目标，文章无法判断成功。
长文写作智能体可以先把选题拆成几个问题：读者是谁，读者现在卡在哪里，已有内容通常怎么回答，已有回答哪里不足，本文准备提供什么更清楚的解释，读者读完后能做出什么决定。比如“长文写作智能体”这个题目，如果只写“AI 可以帮你写文章”，就没有深度；如果聚焦“如何把选题、资料、结构、核验和发布流程工程化”，就有明确价值。
选题还要判断类型。教程型长文重在概念、步骤和可操作路径；评测型长文重在标准、数据和对比；复盘型长文重在背景、决策、结果和教训；观点型长文重在论证、反例和边界；文档型长文重在准确、完整和可维护。类型不同，结构和资料也不同。智能体不能用同一套模板处理所有文章。
一个实用方法是建立选题卡。选题卡包含题目、目标读者、核心问题、文章类型、读者收益、可能争议、已有资料、差异化角度、风险点和预期发布位置。选题卡不是形式主义，它能提前暴露很多问题。例如一个题目看起来热门，但目标读者说不清；另一个题目资料很多，但文章只能复述；还有的题目角度很尖锐，但缺少可靠证据。选题卡能让作者在动笔前就知道风险。
还要做搜索结果观察。不是为了追逐流量，而是了解读者已经能看到什么。Google Search Central 强调有用、可靠、以人为先的内容，重点不是为搜索引擎堆字数，而是让读者获得完整、可信、有价值的信息。写长文前看现有结果，可以判断哪些解释已经充分，哪些问题没人讲清，哪些页面只有概念没有实践，哪些内容过期。智能体可以把这些观察整理成“不要重复的内容”和“应该补足的内容”。
选题阶段也要防止伪深度。题目越大，越容易写成百科堆砌。例如“AI 写作全指南”很大，但难以落地；“长文写作智能体如何做事实核验和发布流程”更窄，却更容易形成可执行内容。好的选题不是越宏大越好，而是有足够边界。边界清楚，资料才可管理，结构才可设计，读者才知道这篇文章解决什么。
资料检索：先建立证据库，再写正文
长文写作智能体必须先检索资料。没有资料的长文只是在复述模型记忆，容易过时和失真。资料检索不只是找几个链接放在文末，而是建立一个证据库：每条资料要记录来源、作者或机构、发布日期或更新时间、核心内容、适用范围、可信等级、可引用位置和可能偏差。写作时，正文中的关键事实应能回到这个证据库。
资料来源可以分为几类。官方文档适合确认产品能力、流程和政策；论文适合确认研究结论、方法和限制；标准和法规适合确认正式定义和合规要求；权威机构报告适合确认行业数据和风险框架；新闻报道适合确认事件过程，但需要多源交叉；社区经验适合发现真实问题，但不能直接当作普遍事实；个人博客适合获取实践细节，但要检查作者背景和可复现性。
智能体检索资料时应优先找一手来源。比如讲 OpenAI Evals，应优先看 OpenAI Evals 仓库和官方文档，而不是只看二次解读；讲 RAG 评测，应优先看 RAGAS、DeepEval、LangSmith、TruLens 等工具文档和相关论文；讲事实核验，应优先看新闻机构标准、大学写作中心、搜索质量指南和可信度研究。一手来源不一定永远正确，但它能减少信息链条中的误读。
检索过程要记录查询路径。一个长文写作智能体如果只给最终资料列表，作者无法判断是否查得全面。更好的做法是保存检索意图：本轮检索要回答什么问题，使用了哪些关键词，发现了哪些主要来源，排除了哪些低质量来源，还有哪些问题没找到可靠答案。这样后续核验时，可以知道某个事实是经过主动查证还是顺手看到。
资料还要做分层摘要。第一层是来源摘要，说明资料主要讲什么。第二层是可引用事实，提取可以直接支持正文的定义、数据、步骤和结论。第三层是限制条件，记录资料适用范围、时间、样本、版本和作者立场。第四层是冲突点，记录不同来源的差异。没有限制条件的摘要很危险，因为模型容易把局部经验写成普遍规律。
引用管理要从检索时开始，而不是写完再补。Purdue OWL 关于避免抄袭的建议强调，做笔记时就要保持引用习惯，把来源和摘录绑定。长文智能体也应如此：每条笔记要带链接、标题、访问时间和原文位置。引用不是为了文末好看，而是为了写作时知道哪句话能用、哪句话只能改写、哪句话需要避免。
检索资料时还要警惕“看起来权威”。Stanford Web Credibility Guidelines 提醒网页可信度和可验证信息、组织真实性、专业性、联系方式、更新维护等有关。一个页面排版专业、Logo 很大、语言自信，不代表内容可靠。智能体应评估来源本身：是否有明确发布机构，是否能追溯作者，是否提供原始数据，是否更新，是否有商业利益，是否有引用链，是否能被其他来源印证。
资料整理：区分事实、解释、判断和素材
资料进来以后，不能直接塞进正文。长文写作智能体要把资料整理成不同用途。事实是可以被核验的陈述，例如某个工具支持哪些评测方式，某篇论文提出了什么方法，某个官方页面怎么定义某个概念。解释是对事实的组织和说明，例如为什么离线评测和线上反馈要结合。判断是作者基于事实做出的观点，例如“只看平均分会掩盖长尾风险”。素材是案例、比喻、反例和场景，用来帮助读者理解。
四类内容混在一起，会让文章失去责任边界。模型可能把解释写成事实，把判断写成行业共识，把素材写成真实案例。比如“很多团队都这样做”如果没有来源，只能作为经验判断，不能写成统计事实。又比如“某框架最适合生产环境”如果没有对比条件，也只是观点。智能体要给每条资料打标签，写作时才能控制语气。
资料整理还要建立主题地图。一个长文通常包含多个主题，例如长文写作智能体包含选题、检索、结构、事实核验、风格、发布、复盘等。每个主题下有哪些资料，哪些资料支撑定义，哪些支撑流程，哪些支撑风险，哪些支撑实践建议，都要清楚。主题地图能避免写作时东拉西扯，也能发现资料缺口。
对冲突资料要单独处理。不同来源可能对同一概念有不同定义，不同工具可能使用不同指标名，不同时间的文档可能前后变化。智能体不应自动选择看起来最顺的一方，而应标记冲突，提示作者确认。若正文必须处理冲突，可以写明“在某类框架中常这样定义，在另一类实践中常这样使用”。这比强行统一更诚实。
资料整理还要识别时效性。AI 工具、模型能力、API 接口、搜索规则和评测框架都可能变化。文中如果写“目前支持”“最新版本”“现在最佳”，就必须有更新时间和来源。对时效敏感内容，智能体应提示使用绝对日期或版本号，避免读者半年后看到仍以为有效。教程网站尤其需要可维护性，不能把所有结论写死。
结构设计：先设计读者路径，再写段落
长文结构不是标题列表，而是读者路径。读者从不知道到知道，从疑惑到能判断，从概念到实践，需要一条清楚的路。结构设计要回答：文章先解决什么误解，再建立什么概念，再给出什么方法，再说明什么风险，最后让读者如何行动。没有路径的长文，哪怕每段都对，也会让读者累。
常见结构有几种。教程结构适合“概念说明、前置条件、步骤拆解、常见问题、实践清单”；指南结构适合“判断标准、方案选择、实施路径、风险控制、维护方式”；评测结构适合“目标、样本、指标、流程、结果、局限”；复盘结构适合“背景、目标、方案、执行、结果、教训”；论证结构适合“问题、观点、证据、反例、边界、结论”。长文写作智能体应根据选题类型推荐结构，而不是固定生成十个小标题。
大纲要分三层。第一层是主线，说明文章从哪里到哪里。第二层是章节，说明每章解决什么问题。第三层是段落意图，说明每段承担什么功能：定义、解释、举例、对比、警示、步骤、总结。段落意图很重要，因为它能防止重复。若连续三段都在“强调重要性”，就说明结构松散；若某章只有概念没有操作，就需要补步骤或案例。
结构还要安排证据密度。开篇可以少量引用，用来建立问题；核心概念需要可靠来源；实践流程需要步骤和反例；风险部分需要标准、案例或论文；结尾可以回到行动建议。不是每句话都要引用，但关键事实和强判断要有证据。智能体可以在大纲阶段标注“本节需要来源”“本节需要案例”“本节需要作者判断”，避免写完后才发现证据不足。
长文结构要避免“百科式横向铺开”。例如写长文写作智能体，如果按“什么是选题、什么是资料、什么是结构、什么是事实核验”平铺，读者会觉得像词条。更好的结构是围绕真实流程展开：先判断值不值得写，再建立证据库，再设计读者路径，再写作和核验，再发布和复盘。流程结构让读者知道为什么此刻读这一节。
结构设计还要考虑扫描阅读。中文长文读者常常先看标题和小节，判断是否值得读完。每个二级标题应表达具体问题，不要全是抽象名词。段落开头要有明确推进，不要每段都从“此外”“同时”“需要注意的是”开始。长文越长，越需要标题承担导航功能。
正文写作：先写清楚，再写漂亮
正文写作的第一目标是清楚。清楚不是简单短句，而是让读者知道每句话在回答什么问题。长文智能体写正文时，应遵循“结论、解释、证据、例子、边界”的基本节奏。先说这一段想表达什么，再解释为什么，再给证据或例子，最后说明适用范围。不是每段都完整包含五项，但核心章节最好有这个意识。
开篇要尽快建立问题。不要用空泛趋势开头，例如“技术潮流正在改变写作方式”。这样的句子太常见，不能帮助读者进入主题。更好的开篇是指出具体误解：长文写作不是一次性生成，而是一套选题、资料、结构、核验和发布流程。读者立刻知道文章会解决什么。
正文要控制抽象层级。一个章节如果一直讲原则，读者会累；一直讲步骤，读者会不知道为什么。好的写法是在原则和操作之间切换。例如讲资料检索，先说明为什么要建立证据库，再说明资料来源分类，再说明如何记录来源，再给出风险。这样读者既理解原因，也知道怎么做。
模型写长文常见问题是段落同质化。每段都用类似结构：先说重要性，再列几点，再总结。这会让文章显得机械。智能体应在写作阶段使用段落角色：有的段落负责提出问题，有的负责拆解误区，有的负责给方法，有的负责举反例，有的负责连接上下文。段落角色不同，语言自然会有变化。
还要避免过度口号化。比如“要打造真正高质量的内容生态”“要帮助创作者提高效率”“要实现智能化写作闭环”这些话听起来宏大，但信息很少。面向教程网站的长文应多写可执行判断：资料不够时先不写，强判断要有来源，冲突资料要标记，引用从笔记阶段绑定，发布后要复盘搜索词和读者反馈。
正文写作也要有删改机制。第一稿通常会过长、重复、顺序不稳。智能体可以生成“删改清单”：哪些段落只是换句话重复，哪些小节偏离标题，哪些概念没有定义，哪些结论没有证据，哪些例子可以删。好的长文不是一次写出来，而是通过多轮结构性修改收敛出来。
事实核验：把每个关键结论追到来源
事实核验是长文写作智能体和普通生成器最大的区别之一。核验不是读一遍觉得顺，而是把关键事实拆成可检查的声明，然后逐条追到来源。关键事实包括定义、数字、时间、功能、版本、引用、因果关系、比较结论、风险描述和操作步骤。越是看起来普通的事实，越容易被忽略。
事实清单可以在正文生成后自动提取。比如一篇文章说“LangSmith 支持离线和线上评测”“RAGAS 常用于评估回答忠实度和上下文相关性”“Google 强调以人为先内容”，这些都是可核验声明。智能体应为每条声明标注来源链接，找不到来源则标为待确认。待确认事实不能直接发布，除非改写成经验判断或删除。
核验要区分直接支持和间接支持。直接支持是来源明确写了这件事；间接支持是来源提供了相关背景，但结论由作者推导。比如官方文档说明某平台支持线上评测，这是直接支持；由此推导“线上评测适合发现生产环境长尾问题”，需要结合经验和其他来源。正文中可以写推导，但不能把推导伪装成官方结论。
数字和时间尤其要谨慎。模型很容易编出百分比、发布时间、版本号和排名。除非来源清楚，否则不要写具体数字。若必须写数字，要保留单位、统计口径、样本范围和日期。行业报告中的数字也不能脱离上下文，比如某项调查来自特定地区、特定样本或特定年份。长文智能体应把数字当作高风险事实处理。
事实核验还要处理引用准确性。引用不能只链接到首页，而要尽量链接到具体页面。文末参考资料可以列出来源，正文中关键结论也应让读者知道依据在哪里。对于教程文章，如果来源是官方文档，最好说明它支撑的是哪个方面：提示工程、网页搜索、结构化输出、评测、事实核验、搜索质量或引用规范。这样读者能按需继续阅读。
核验中发现错误，不要只改错字。要追问为什么会错。是资料过期，还是大纲误导，还是模型把两个概念合并，还是来源只支持一部分结论。原因不同，修法也不同。若模型把“评测框架”写成“自动保证正确”，就需要改掉整段逻辑；若只是工具名称大小写错误，局部修正即可。
风格统一：让文章像同一个人写的
长文写作智能体很容易出现风格漂移。前半部分像教程，后半部分像营销；某些段落过于学术，某些段落又像口播；有的章节称“读者”，有的称“用户”，有的称“创作者”；有的地方用“必须”，有的地方用“可以考虑”，语气没有标准。风格统一不是追求华丽，而是让文章可信、稳定、易读。
风格规则要在写作前定义。面向中文教程网站，可以采用解释型、实践型、克制型风格：先讲清概念，再给方法和边界；少用夸张词；避免内部行话；避免无意义的宏大叙事；用读者能执行的判断替代空话。面向社区实践帖，则可以更有现场感，但仍要保持准确和清楚。
术语也要统一。比如“长文写作智能体”“写作系统”“写作工作台”可以都出现，但要知道它们的关系。若同一概念一会儿叫“资料库”，一会儿叫“证据库”，一会儿叫“引用池”，读者会困惑。智能体应维护术语表：核心术语、推荐写法、禁止写法、首次解释和后续简称。术语表特别适合系列教程，因为不同文章之间也要一致。
句式要有节奏。中文长文如果全是长句，会难读；全是短句，又显得碎。一般可以用短句提出结论，用中长句解释原因，用列表或分段处理复杂信息。不要让一个段落承载太多并列项。若一句话出现多个“以及”“同时”“并且”，往往需要拆开。
风格统一还包括删除内部语言。面向最终读者的文章，不应出现开发过程、工具内部状态、草稿备注、占位符和自我说明。读者只需要看到完整内容、清晰引用和可执行方法。智能体在发布前要做一次“读者视角检查”：有没有解释给作者看的话，有没有暴露生成过程的话，有没有只有项目成员才懂的缩写，有没有不该进入页面的标记。
统一风格不等于磨平观点。长文需要有判断，但判断要基于证据和场景。比如可以明确说“一次性生成长文不适合生产级内容”，因为前文已经解释了资料、结构和核验问题；但不要空泛说“所有不会用智能体的人都会被淘汰”。强判断要给理由，克制不是没立场。
发布流程：发布前后都要有质量门
长文完成正文后，还没有结束。发布流程决定文章能不能被读者顺利阅读、能不能被搜索引擎理解、能不能在未来维护。发布前至少要做内容检查、格式检查、引用检查、页面检查和元信息检查。发布后要看真实读者反馈、搜索表现、停留和转化，并根据反馈修订。
内容检查看文章是否兑现标题承诺。标题说“选题、资料、结构、事实、风格和发布流程”，正文就必须覆盖这些部分。若某个标题只出现一次，没有展开，就要补充或改标题。标题和正文不一致会损害信任，比标题不够吸引更严重。
格式检查看标题层级、段落长度、列表、代码块、链接和图片。长文应避免一屏全是密密麻麻的长段，也避免小标题过多导致碎片化。教程文章可以用清晰二级标题组织，不一定需要复杂排版。链接应能打开，中文标点要统一，英文术语大小写要稳定。
引用检查看文末资料是否足够、是否可靠、是否与正文相关。参考资料不是越多越好，而是要覆盖主要论点。写长文写作智能体，资料应覆盖提示工程、工具检索、结构化输出、内容质量、引用规范、可信度评估和事实核验。若参考资料全是泛泛博客，文章可信度会下降。
页面检查看移动端、桌面端和站内导航。长文在移动端尤其容易显得压迫，标题太长、段落太长、链接太密都会影响阅读。目录、锚点、摘要和推荐阅读可以帮助读者定位。教程站点还要考虑系列关系：这篇文章和上下篇如何连接，是否需要补充内部链接。
发布后要记录版本。长文不是一次性资产，而是会过期的知识产品。AI 工具文档变化快，评测框架更新快，搜索质量指南也会调整。文章应保留更新日期和修订说明，至少在内部记录哪些来源需要定期复查。若一个关键来源更新，智能体应提示重新核验相关段落。
工作流设计：从状态机到人机协同
一个务实的长文写作智能体可以设计成九个状态：选题卡、资料检索、资料整理、大纲设计、初稿写作、事实核验、风格编辑、发布检查、效果复盘。每个状态都有输入、输出和质量标准。状态之间可以回退，例如事实核验发现资料不足，就回到资料检索；风格编辑发现结构重复，就回到大纲设计；发布检查发现标题承诺太大，就回到选题卡。
选题卡的输出是明确写作任务，不是文章。资料检索的输出是证据库，不是正文。资料整理的输出是主题地图和事实笔记。大纲设计的输出是章节路径和段落意图。初稿写作的输出是可编辑正文。事实核验的输出是事实清单和修订建议。风格编辑的输出是统一后的文章。发布检查的输出是可发布版本。效果复盘的输出是下一次修订和选题建议。
人机协同要安排在关键决策点。选题是否值得写、冲突资料如何处理、观点是否足够负责、哪些事实可以省略、哪些表达符合品牌或站点风格，这些应由人确认。模型可以提出建议和备选方案，但发布责任不能交给模型自动承担。越是面向公众、教育、法律、健康、金融和企业决策的长文，越需要人工审阅。
智能体也应支持多轮改写，但每轮改写要有目标。不要让模型“再优化一下”，这类指令往往只会换词。更有效的改写目标包括：减少重复、增强证据、调整章节顺序、降低口号化、补充反例、统一术语、压缩开头、让结论更具体。每次改写后，都要检查有没有引入新事实错误。
状态机还要记录版本差异。长文经过多轮修改后，作者可能忘记某个段落为什么存在。保存版本说明能帮助回溯：这一版补了来源，这一版删了重复，这一版调整了结构，这一版修正了事实。版本记录也适合多人协作，避免不同编辑互相覆盖判断。
工具能力：检索、结构化输出和引用映射
工程上，长文写作智能体至少需要几类工具。第一是联网检索和网页读取，用来获取资料。第二是文档存储和笔记工具，用来保存来源、摘录和摘要。第三是结构化输出，用来生成选题卡、资料表、事实清单和发布检查表。第四是文本编辑和版本管理，用来保存正文变化。第五是质量检查，用来发现重复、链接、错别字、事实缺口和风格漂移。
OpenAI 的网页搜索工具文档和结构化输出文档提供了两个关键思路：模型可以在回答中使用外部工具获取新信息，也可以按预定义结构输出稳定字段。长文写作系统可以把这两者结合：检索阶段返回资料条目，整理阶段返回事实卡片，大纲阶段返回章节对象，核验阶段返回声明和来源映射。结构化不是为了把写作变机械，而是为了让复杂内容可检查。
工具调用还要有来源约束。检索结果不能直接进入正文，应先进入候选资料池。候选资料经过可信度评估后，才进入证据库。证据库中的资料再被用于写作和核验。这个过程看起来多一层，但能防止模型把搜索结果摘要中的错误直接写进文章。
引用映射是长文写作智能体的核心数据结构。它记录正文中的结论和来源之间的关系。简单系统可以在段落后标注来源；复杂系统可以把每个事实声明与资料 ID 绑定。发布时，读者看到的是自然文章；维护时，作者能看到每个关键结论的依据。未来来源失效或更新时，也能定位受影响段落。
工具能力还要服务编辑体验。作者不想在几十个 JSON 字段里写文章，也不想在一堆自动建议中迷路。好的写作工具应把复杂状态藏在合适位置：正文保持清爽，侧栏显示资料和事实，检查结果按风险排序，引用可点击，版本可回溯。智能体越强，界面越要克制。
评估长文写作智能体：不要只看成稿好不好看
评估长文写作智能体不能只看一篇成稿是否顺眼。顺眼可能只是语言流畅，不能代表资料可靠、结构合理和事实正确。评估要覆盖选题质量、资料质量、结构质量、事实正确性、引用完整性、风格一致性、读者价值和发布表现。
选题质量可以看是否有明确读者、明确问题和明确新增价值。资料质量可以看来源是否权威、是否多源交叉、是否记录时间和限制。结构质量可以看章节是否递进、标题是否兑现、段落是否重复。事实正确性可以抽样核验关键声明。引用完整性可以看强事实是否有来源。风格一致性可以看术语、语气和段落节奏。读者价值可以通过人工评审和真实反馈判断。发布表现则看搜索词、阅读完成度、收藏、分享、评论和后续问题。
评估也要建立样本集。可以选取不同类型题目：工具教程、概念解释、行业综述、项目复盘、对比评测、操作指南。每类题目用相同流程跑一遍，比较产出质量和返工成本。若智能体只擅长概念文章，不擅长复盘文章，就要调整结构模板和资料策略。
人工抽查不能省。长文涉及事实、表达和判断，自动指标只能发现一部分问题。人工评审可以使用量表：标题是否准确，开头是否建立问题，结构是否清楚，关键事实是否有来源，引用是否可信，是否有重复，是否存在夸大，是否有读者能执行的结论。评审意见应回流到提示、流程和检查规则。
线上反馈也很重要。读者搜索什么词进入文章，读到哪里离开，哪些段落被复制，哪些问题出现在评论或站内搜索，哪些链接被点击，都能说明文章是否真的解决问题。长文写作智能体如果能把线上反馈转成修订建议，就从“生成工具”变成“内容迭代系统”。
常见失败模式
第一种失败是资料不足却强行写。模型可以写出很多字，但缺少证据的长文越长越危险。解决方式是把资料门槛前置：没有足够可靠来源，不进入初稿写作。
第二种失败是大纲看起来完整，实际没有主线。十几个小标题并不等于结构清楚。解决方式是要求每个章节回答一个读者问题，并说明它与前后章节的关系。
第三种失败是引用堆在文末，正文没有证据对应。读者不知道哪条资料支撑哪个结论。解决方式是建立引用映射，让关键事实绑定来源。
第四种失败是风格漂移。不同章节像不同作者，术语和语气不统一。解决方式是写作前设定风格规则和术语表，发布前做统一编辑。
第五种失败是只做初稿，不做核验和发布检查。很多错误出现在后处理阶段没有执行。解决方式是把事实核验和发布检查变成必经状态，而不是可选项。
第六种失败是过度自动化。所有判断都交给模型，文章可能流畅但不负责。解决方式是在选题、冲突资料、强判断和发布前设置人工确认。
第七种失败是没有复盘。文章发出去以后，读者反馈没有回到流程，下一篇仍然犯同样错误。解决方式是把线上反馈、人工修改和搜索表现转成下一轮选题和修订数据。
一个可落地的最小方案
如果从零开始建设长文写作智能体，可以先做最小可用流程。第一步，建立选题卡模板，要求填写读者、问题、差异化角度和风险。第二步，建立资料表，记录来源链接、标题、机构、日期、摘要、可信等级和可引用事实。第三步，建立大纲表，每个章节写清读者问题、段落意图和所需证据。第四步，生成初稿，但限制模型只能使用资料表中的事实做强结论。第五步，提取事实清单，逐条核验来源。第六步，按风格规则编辑。第七步，发布前检查标题、链接、重复、引用和移动端阅读。第八步，发布后记录读者反馈。
这个最小方案不需要一开始就做复杂平台。Markdown、表格、搜索工具和版本管理就可以起步。关键是流程不能省。随着文章数量增加，可以逐步加入资料库、引用映射、自动链接检查、重复段落检测、术语表、风格检查和线上数据回流。
当团队规模变大，可以把角色拆开。选题负责人确认主题，资料负责人整理证据，作者负责正文，编辑负责结构和风格，事实核验者负责来源，发布负责人负责页面和复盘。智能体在每个环节提供辅助，但不遮蔽责任。这样长文生产才不会随着数量增加而失控。
最小方案的成功标准不是“能写出很长的文章”，而是“能稳定写出可核验、可维护、读者愿意读的文章”。字数只是结果，流程才是能力。
结语：长文写作是知识工程，不是字数工程
长文写作智能体的核心不是让模型一次吐出更多字，而是把写作变成可管理的知识工程。选题决定是否值得写，资料决定能否可信，结构决定读者能否跟上，事实核验决定能否负责，风格统一决定能否被读完，发布流程决定能否持续产生价值。
真正好的长文不是堆满术语，也不是把所有资料压缩成一篇。它应该让读者带着问题进入，带着判断离开；让关键结论有证据，让复杂概念有路径，让不确定性有边界。智能体能放大这种能力，但前提是它被设计成一个会检索、会整理、会核验、会编辑、会复盘的工作流，而不是一个只会生成段落的按钮。
当长文写作进入生产环境，最重要的标准很朴素：读者是否获得了真实帮助，作者是否能解释每个关键结论从哪里来，团队是否能在资料变化后维护文章。如果这三个问题有答案，长文写作智能体才真正开始有价值。
参考资料
- OpenAI：Prompt engineering guide，https://platform.openai.com/docs/guides/prompt-engineering
- OpenAI：Web search tool guide，https://platform.openai.com/docs/guides/tools-web-search
- OpenAI：Structured Outputs guide，https://platform.openai.com/docs/guides/structured-outputs
- OpenAI Agents SDK documentation，https://openai.github.io/openai-agents-python/
- Google Search Central：Creating helpful, reliable, people-first content，https://developers.google.com/search/docs/fundamentals/creating-helpful-content
- Google Search Quality Rater Guidelines，https://static.googleusercontent.com/media/guidelines.raterhub.com/en//searchqualityevaluatorguidelines.pdf
- Purdue OWL：Best Practices to Avoid Plagiarism，https://owl.purdue.edu/owl/avoiding_plagiarism/best_practices.html
- Stanford Web Credibility Project：Guidelines for Web Credibility，https://credibility.stanford.edu/guidelines/index.html
- Reuters Agency：Journalistic Standards and Values，https://reutersagency.com/about/standards-values/
- NIST：AI Risk Management Framework，https://www.nist.gov/itl/ai-risk-management-framework
- Lewis 等：Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks，https://arxiv.org/abs/2005.11401