AI 辅助写作：把证据核对放进编辑流程

AI 可以帮助选题、列提纲、整理资料和改写表达，但它不能替作者确认所有事实。写作流程中最重要的一步，是把“模型生成的句子”和“有材料支撑的结论”分开。

如果还关心搜索流量，也应先想清楚读者的问题，而不是先要求生成几十篇包含同一关键词的文章。

从材料和读者问题开始

先列出目标读者、要解决的问题，以及手头已有的代码、日志、截图、文档和亲身记录。模型可以扩展选题，但“可能有人会搜”只是线索，不是已经测得的搜索量。

关键词研究需要真实数据时，应提供相应工具导出的查询词、展示或点击数据，并注明时间范围。不要让模型根据常识编造搜索量或竞争难度，再按那些数字决定选题。

可以先这样提问：

读者：遇到接口空值字段缺失问题的开发者。
材料：我提供的现象、配置、版本和参考说明。
请先列出读者需要回答的问题，再给文章提纲。
把“材料能证明的事实”和“需要进一步确认的问题”分开。
不要估算搜索量，不添加不存在的测试或日志。

先确认问题、解释、步骤和结论的顺序，再生成初稿。代码示例需要有适用版本和必要上下文，经历只能使用实际发生过的记录；不要为了让文章显得丰富而补一个“某公司效果提升”的故事。

初稿之后按事实逐条核查：数字怎么算的，时间是否准确，引用是否存在，技术结论有没有适用条件。语言润色放在事实检查之后，避免把错误句子打磨得更可信。

如果缺资料，应该收窄文章范围，而不是用同义改写和重复总结凑篇幅。

可以把文章交给助手，要求它检查标题是否准确、摘要是否与正文一致、章节是否清楚、代码和步骤是否缺失，以及有没有真正相关的内链。

请检查这篇文章：
1. 标题承诺的问题，正文是否回答？
2. 哪些结论缺来源或条件？
3. 哪些步骤无法仅凭正文执行？
4. 哪些段落重复，哪些术语需要解释？
5. 可链接到我提供的哪几篇相关文章？不要编造站内 URL。
只根据提供材料提出建议，不编造访问量、排名或网页检测结果。

标题中自然使用读者理解的术语即可，不需要固定关键词密度。段落和小标题服务于阅读，内链服务于继续解决问题，不是为了堆积搜索信号。

比较其他网站时，先取得有权访问的页面，记录观察到的标题、内容范围、更新方式和具体缺口。只有一个 URL，没有浏览或抓取结果，不能声称已经分析其关键词、外链和页面速度。

技术问题更需要测量：页面是否返回错误状态、移动端是否溢出、链接是否失效、图片是否过大，都应使用实际检查结果。AI 适合解释报告和帮助排优先级，不适合凭网址猜出一份“检测报告”。

长文改成摘要、短视频脚本或其他平台版本时，保留相同事实和必要条件。压缩不等于删掉风险提示，翻译也不应把推测变成确定结论。发布频率和篇数应由内容价值决定，而不是由生成速度决定。

配图可以先让助手提出结构和说明，再检查版权、图中文字和数据。技术文章中的架构图、流程图应与实际内容对应，不能因为视觉上好看就暗示已经实现。

评论和私信适合先分类、生成候选回复，再交由人确认。涉及隐私、投诉、付款或账号问题时转人工；不要为了“全天候互动”自动作出承诺或公开个人资料。

“能否检测 AI”不是可靠的内容策略，也无法据此承诺文章一定收录或排名。不同搜索引擎的政策不能互相代替。

以 Google 为例，其 AI 生成内容说明与有帮助的内容指南强调内容质量和面向读者的价值，反对以操纵排名为目的的自动化。这是 Google 的说明，不能改写成百度的官方承诺。

保留原始材料、初稿和人工修改记录，比较事实错误、漏项、核查时间与返工量。网站效果则按页面和时间范围观察展示、点击及读者反馈，不把短期波动全部归因于某次 AI 改写。

能长期留下来的，不是“生成了多少字”，而是读者读完后是否真的理解问题、少走弯路，并且能查到重要结论的依据。