三段式受控写作：refs→outline→content 的工程实现

三段式受控写作：refs→outline→content 的工程实现

AI材料柜为什么要这么设计？

一、引子：为什么 AI 写作需要"受控"

1.1 从"自由发挥"到"受控写作"的转变

早期用大语言模型写作，最常见的使用方式是把一个任务丢给模型，让它"自由发挥"。需求理解、资料检索、结构安排、遣词造句，全凭模型当下的判断。这种方式对短文案、碎片化内容很友好，但当我们要写一篇有据可查、结构严谨、前后一致的长文档时，问题就暴露出来了：模型可能"跑偏"到与主题无关的内容上，可能在不同段落间自相矛盾，更麻烦的是——它可能会一本正经地编造出不存在的"事实"。

于是"受控写作"的概念应运而生。核心理念很简单：与其把写作的每一个环节都交给模型的"灵感"，不如给写作过程装上明确的约束——先定好可用的素材范围，再定好整体的结构骨架，最后才在既定的骨架里逐段落笔。约束不是限制创造力，而是把不确定性收敛到可控的范围内，让产出既可预期、又可复核。

1.2 三段式模型：引用（refs）→ 大纲（outline）→ 正文（content）

正是基于这一理念，产生了三段式受控写作模型，它把一次完整的写作组织成三个相互承接的阶段：

• refs（引用）：写作前先圈定一批参考材料，构成"引用池"，作为后续一切操作的信息边界；
• outline（大纲）：基于引用池生成整体结构骨架，先搭出文章的"骨架"；
• content（正文）：在大纲的框架下，基于引用逐段生成"血肉"。

三个阶段层层递进、彼此约束：大纲不能脱离引用池凭空设计，正文也不能跳出大纲的结构随意发挥。这本质上是一个先收窄信息范围、再固定结构、最后填充内容的工程化过程。接下来，我们逐一拆解每一段的实现原理。

二、第一段：refs——先圈定，再约束

2.1 引用池的由来与价值

三段式的第一步，是圈定引用。在写作开始前，用户先从自己的知识库里挑选一批相关材料，把它们组成一个"引用池"（refs）。之后的所有 AI 操作——大纲生成、正文续写、质量检查——都只在引用池内检索信息。

这样做有三个显而易见的好处：

• 范围可控：AI 不会引入无关材料，内容更聚焦，从源头上杜绝"跑偏"；
• 检索高效：在有限集合内检索，速度远快于全库搜索，把大海捞针变成筐里挑菜；
• 引用可溯：每一段生成的内容都能追溯到具体的引用原文，可复核、可追溯。

可以说，圈定引用这一步，本质上是在写作正式开始前就为整个任务划定了一个"信息边界"——边界之外的材料，无论多优秀，都不会被自动引入；边界之内的材料，才是所有生成的唯一依据。

2.2 refs.md：一份轻量可读的引用清单

这个"圈定"动作在底层对应一个独立的引用上下文，系统为它维护一份清单，就是 refs.md。

refs.md 本质上是一份引用清单：每一条记录对应一篇被圈定的材料（标题 + 文档 id + 分区）。它轻量、明文、可读，用 Markdown 链接的形式把材料挂进当前工作集。用户可以随时打开它，看清楚当前"圈了什么"；AI 在写作时，也只需以这份清单为检索范围即可。

由于它是纯文本的 Markdown，refs.md 天然具备版本可控、diff 友好、可人工审阅等优点，让"引用管理"这件事变得透明——你不是在对着一个黑盒，而是在维护一份看得见、摸得着的清单。

2.3 "严格"纪律：引用合法性校验

光有一份清单还不够，关键在"严格"二字。系统在生成大纲、正文时，会对输出中的引用做合法性校验：凡是在输出里出现、却不在 refs.md 清单中的引用，都会被识别为非法引用并拦截。

这一步保证了"圈了什么、才能用什么"的纪律。它像一道护栏：即便模型"灵机一动"想引一段清单之外的内容，也会被系统拦下。正是这道护栏，让"文档互为素材"建立在真实、可控的基础上，而不是让 AI 任意发挥。受控写作的"受控"二字，很大程度上就体现在这道严格校验上。

三、第二段：outline——先搭骨架，再写血肉

3.1 基于引用池生成大纲

圈定引用之后，就进入第二阶段：大纲生成。这一步的目标，是从引用池中提炼出文章的整体结构骨架。

系统会先做需求理解（解析用户意图，确定写作目标、受众和格式）和资料检索（在引用池中检索相关内容），再做结构分析（分析类似文档的结构模式，提取常见框架），最后基于检索结果与结构分析生成初步大纲。整个过程严格限定在引用池内进行，保证大纲的每一个章节都能在材料中找到依据，而不是凭空搭建。

3.2 结构分析与章节管理

大纲不是简单的标题罗列，而是一棵层次分明的章节树：从一级章节到二级、三级小节，每个节点的标题、层级、顺序都清晰可辨。这棵树就是文章的"骨架"。

结构分析会参考同类文档的常见框架，帮助模型生成更符合行业惯例的结构；而章节管理则让用户能够对结构进行优化——调整顺序、增删小节、合并拆分，直到骨架令人满意为止。正因为大纲以明确的树形结构存在，后续的正文生成才能有的放矢、有条不紊。

3.3 大纲：正文生成的"共享决策"

大纲阶段的产出不会在进入正文阶段后失效，而是作为"共享决策"被传递下去。大纲阶段确定的引用池、结构骨架，会通过共享的上下文管理器传递到正文阶段，保证前后一致。

这意味着正文生成不是另起炉灶，而是在既定骨架内逐节落笔。每一节的标题、层级、先后顺序都已经由大纲锁定，正文只负责在这个框架内填充内容。这种"先定骨架、再写血肉"的方式，从根本上保证了文章结构的稳定与整体的一致性——不会出现写着写着结构就散掉的问题。

四、第三段：content——逐段受控生成

4.1 基于大纲与引用逐段生成

三段式的最后一步，是正文生成。系统基于已确认的大纲和引用池，逐段生成正文，支持续写、改写、扩写等多种方式。

与一次成稿不同，正文是逐段生成的：每生成一节，都会先加载该节的引用内容和已有内容，再在骨架框架内落笔。这样既保证了每一节的内容都有据可依，也避免了长文档"写到后面忘了前面"的上下文断裂问题。逐段生成、逐段落盘，让整篇文档的每一部分都处于可控、可改、可追溯的状态。

4.2 上下文管理器：写作的"记忆中枢"

逐段生成之所以能保持一致，靠的是上下文管理器——工作流编排的"记忆中枢"。它维护着写作过程中的全部关键状态：

• 用户意图（写作目标、风格偏好）；
• 文档结构（章节树、标题层级）；
• 已生成内容（每个章节的正文）；
• 引用材料列表（当前圈定的材料）；
• 当前操作位置（正在编辑的章节）。

正因为有了这样一个统一的"记忆中枢"，大纲阶段的决策才能无缝传递到正文阶段，不同章节之间的语言风格、术语口径才能保持一致。它把一次复杂的多阶段写作，串联成了一个有记忆、连贯的整体。

4.3 工具调用层的标准化接口与可观测性

正文生成依赖一系列与外部系统交互的工具，它们通过标准化的接口被封装起来。每个工具调用都有明确的名称、参数和返回值规范。例如：

• load_ref_content：加载指定材料的全文；
• search_in_refs：在引用池中检索内容；
• generate_section：生成指定章节的内容；
• validate_format：校验文档格式。

这种设计使得工具调用的执行过程完全可观测——每一步调用了什么工具、传了什么参数、返回了什么结果，都有完整日志，便于调试和优化。当某一段生成质量不佳时，开发者和用户都能沿着日志回溯问题出在哪个环节，而不是面对一个无法解释的黑盒。

五、背后的工程机制

5.1 工作流编排与"意图路由器"

三段式看似是一条"引用 → 大纲 → 正文"的流水线，但它的实现并非固定流水线。系统由一个 AI Agent 充当"意图路由器"，在每个决策点根据当前上下文（用户意图、已生成内容、引用材料）动态判断下一步该调用哪个工具。

举例来说：如果质量检查发现问题，Agent 可能直接路由回正文生成工具进行修改，而不是机械地走完所有步骤；如果用户临时补充了新的引用材料，Agent 也可能先回到引用阶段更新清单，再继续生成。这种动态路由让系统既保持了流程的整体性，又具备应对变化的灵活性——这正是工程化工作流与简单脚本流水线的本质区别。

5.2 RAG：让 AI 不靠"幻觉"写作

大语言模型有个众所周知的毛病——幻觉（hallucination）：面对知识盲区，它可能会一本正经地编造。解决思路之一就是 RAG（检索增强生成）：先检索，再生成。与其让模型凭空想象，不如先从可信的知识源里检索出相关片段，把真实内容作为上下文喂给模型，再让它基于这些上下文作答、创作。

在受控写作的体系里，这个"可信知识源"被进一步收窄为引用池。生成的每一步都围绕"文件即上下文"展开——只基于你圈定的材料生成，从机制上大大降低了模型"凭空编造"的概率。这也是三段式"受控"二字的深层含义：不仅约束范围，也约束信息的真实性来源。

5.3 质量检查与反馈回路

工程化的写作流程还需要一个质量检查环节，负责校验内容的连贯性与格式规范性。而且它不是"只查一次"的终点，而是一个可循环的反馈回路：

当质量检查发现问题时，Agent 会依据检查结果决定是否需要回到正文生成环节进行修改，修改后再检查，直至通过。这种"生成 → 检查 → 修正 → 再检查"的闭环，让写作质量不是靠运气，而是靠机制来保障。配合前面提到的可观测日志，每一个修正动作都有迹可循。

六、总结：受控写作的工程价值

6.1 从单篇到"文档互为素材"的知识复利

三段式受控写作的工程价值，远不止于"写好一篇文档"。因为有了引用池、有了 refs.md 清单、有了可追溯的引用，每一次写作产出的文档，都可能成为下一次写作的素材。

被圈定的旧文档，通过"引用 → 大纲 → 正文"的流程，一步步变成了新文档的骨架与血肉。日积月累，你的文档库不再是孤立的文件集合，而是一个互相引用、持续复用的知识网络。每写一篇新文档，都会调用过往积累的素材；而每产出的一篇新文档，又为这个知识网络补充了新的养料。这就是"文档互为素材"的知识复利效应。

6.2 工程化的收益与落地建议

把写作工程化的核心收益，可以归纳为三点：

• 可预期：结构先定、范围先圈，产出的骨架和边界从一开始就清楚，不会"写着写着就跑偏"；
• 可复核：每一段内容都能追溯到引用原文，校验纪律严格，杜绝"无中生有"；
• 可复用：引用清单、大纲、正文都是明文可读的产物，既是本次写作的成果，也是未来写作的素材。

落地建议方面，不必一步到位。可以从"先圈定引用、再生成大纲"这件小事做起，让每一次写作都遵循"引用 → 大纲 → 正文"的节奏；逐步建立自己的引用池，把散落的文档纳入可检索、可复用的体系；再配合质量检查与反馈闭环，让写作质量得到机制的保障。

写作这件事，看似充满"灵感"，但真正能稳定产出高质量长文档的，恰恰是把灵感装进工程化框架的"受控"。三段式受控写作，就是把这种受控落成了一套可复现、可追溯、可持续的工程方法。