场景实践 · 内容生产

批量写内容:模型写草稿,人做事实核查

模型能把写作速度提升数倍,但它也会把不确定的内容写得很像真的。流程里必须有一道机器不参与的核查。

四步流程

  1. 选题扩展:给一个主话题,让模型按「人群 × 场景 × 疑问」交叉生成 30 个角度,人工挑 5 个;
  2. 结构草稿:每个选题先出大纲(小标题 + 每节要点 3 条),大纲通过再写正文;
  3. 事实核查:数字、日期、政策、人名、引用——逐项标注来源,无来源的删掉;
  4. 定稿:人工调整语气与开头,统一品牌表述。

选题扩展的提示词

systemtext
围绕「<主题>」生成 30 个内容角度。
约束:
1. 每个角度写清读者是谁、他遇到的具体问题、本文能给出的答案;
2. 角度之间不要重复,不要用"XX 指南""XX 全解析"这类同质标题;
3. 不要输出提纲与正文,只输出角度列表;
4. 不确定的信息不要写进去。

同质化是怎么来的

  • 同一提示词反复跑 → 结果高度相似,改成「每次给定 3 个已有角度,要求避开」;
  • 所有选题都用「是什么-为什么-怎么办」→ 按平台与受众换结构;
  • 让模型一次性写完 10 篇 → 后几篇质量明显下降,一篇一次调用。
平台对 AI 生成内容有标识要求,发布前确认所在平台的最新规则; 涉及医疗、金融、法律的内容不要由模型单独定稿。

常见问题

怎么避免批量生成的标题千篇一律?

把已生成的角度回传并要求避开,同时限制禁用句式;一篇一次调用,不要一次生成多篇。

AI 生成内容需要标注吗?

各平台规则不同且仍在更新,发布前应核对平台当前的 AI 内容标识要求。