这一份是谁写的：由 HEYI 撰写，介绍我们交付的一个客户项目。客户为一家 B2B SaaS 企业，未获具名授权前按其要求匿名。量化数据取自客户生产环境的只读统计，统计区间与每一项的口径写在文末「口径与说明」里。
这一份里有什么
- 客户的内容生产为什么必须靠那几个人
- 五件挡在前面的事，其中一件是上一代系统出过的事故
- 六条方案：从范文反推规范，护栏只提示不拦截
- 7 周 257 篇，而没有一篇自动发出去
- 这个案例最该讲的一句
- 每一个数字的口径，以及我们不说什么
01 场景
写内容的人必须同时懂产品、懂行业、懂客户、还懂合规——这种人注定成为瓶颈。
客户是一家 B2B SaaS 企业。使用方是客户自己的市场团队，面向企业决策角色持续产出营销内容。
这类内容要同时满足三件事：够专业——读者是行业老手，一句外行话就失去信任；够准确——产品能力与客户数据会被客户当面核对；能持续——官网、公众号、行业媒体、搜索落地页常年要新内容。
交付是一套 Web 应用，共 7 个业务模块。本文覆盖其中素材、规范、文章三条主线——运营在同一处完成素材维护、写作规范管理、内容生成与人工审核。
- 素材结构化：产品、功能模块、案例拆成可逐项引用的变量。
- 范文反推写作规范：丢进几篇自己认可的稿子，系统抽出写法。
- 选材生成：正文、摘要、搜索三件套、配图一次到位。
- 护栏初筛：三道自动核对，把可疑点标出来交给人。
- 人工把关：审过才算数。这一步不能跳。
- 可对外取用：取用之后回头与范文基线对账。
六个环节按业务顺序自上而下读。第五步不能跳——统计区间内的 257 篇，没有一篇绕过它。最后一步之后还会回头对账，把落实得不好的地方反过来改进第二步的写作规范。
02 挑战
客户上一代文章生成器，是因为内容质量差、误植第三方企业名被投诉而停用的。
01 「怎么写才算好」，一份都写不下来
团队里写得最好的那几篇，好在哪里？体裁、语气、开篇手法、论证方式、段落节奏——全在资深同事的手感里。他一忙，内容产出就停摆；新人接手，质量立刻掉一档。这不是没人愿意写文档，是这类知识本身很难被自觉地说清楚——让人写「我是怎么写的」，写出来的往往是套话。
02 上一代生成器出过事
客户此前上线过一个文章生成器，因为内容质量差、误植第三方企业名被投诉，最终停用。这件事把问题的性质讲透了：在这个场景里，「能生成」从来不是难点。一次投诉的代价，远大于多产出几十篇文章的收益。
03 素材是大段自由文本，AI 只能整段吞进去
产品特性、案例描述原本都是一整段自由文本。模型拿到的是一大坨文字，取用哪一句全凭它自己判断——写作规范里想精确引用「这个产品的核心卖点」或「这个案例的客户证言」，做不到。
04 护栏自己会误报，报到没人再看
这一条最反直觉。一份好的写作规范里必然写着「禁用『最』『第一』等绝对化用语」——如果广告法检查直接扫全文，每次都会稳定报出一条假的违规；文章里写「第一段」「第一部分」也照样中。误报几次之后，审核的人就不看提示了，护栏于是从安全措施退化成界面噪音。
05 编造数字光靠叮嘱压不住
在提示词里写「不得编造数据」是没有用的，模型照样会写出「效率提升 80%」这种素材里根本不存在的数字。而这类数字一旦发出去，就是要被客户当面核对的。
03 方案
从范文反推出写作规范，让护栏只提示、不拦截——判断权留在人手里。
01 先把素材讲清楚：三类变量
素材从「一整段自由文本」拆成 35 个可以精确引用的变量，逐项填写，写作规范里用占位符点名取用某一项。关键决定：变量值以变量编号为键存储——运营给变量改个名，不影响任何存量数据，规范也不会因为改个字就失效。
02 从范文反推写作规范
丢进 3 到 5 篇自己认可的稿子，系统三步走：逐篇抽出「结构档案」（体裁、语气、开篇手法、每段的作用与字数、论证方式、结尾引导、刻意回避的写法）；跨篇求同存异，严格过半的范文都有的写法才算共识（3 篇要 2 次、5 篇要 3 次），只在个别篇出现的标为「可选」交人工判断；然后合成写作规范并自动体检。
三个关键决定。抽的是写法，不是内容：范文里的客户名与业务数字属于事实，一律剔除——写作规范本身是防编造数字的白名单来源之一，把事实放进去等于给编造开后门。论证手法只能从 11 个固定词里选：让模型自由描述时，同一个手法每篇措辞都不同（实测「清单化列举／清单化归因／清单化拆解」被算成三个），跨篇票数永远凑不满，共识判定直接失效。字数、小标题数、段落数、配图数一律自己算，不问模型：这些是硬数字，而且后续还要拿它们跟实际出稿对账；字数还要取整到百位再给区间，把统计出的「528 字」原样透给模型，它会照抄成「528 字左右」这种精确到个位的荒谬要求。
03 生成即完整
选好产品与写作规范，一次产出标题、副标题、正文、摘要、搜索用的标题/关键词/描述、配图——打开就能审，不用再逐项补。同一主题一次最多 5 篇不同写法：后续篇目的指令里带上本批已完成篇目的标题与小标题，明确要求换角度，而不是只丢一句「请差异化」让模型自己猜。只带标题层级、不带正文，够它判断哪些角度被占用了，又不会把上下文撑爆。
04 配图：模型出标记，系统回填
提示词里只给模型一份可配对象清单（产品名、模块名、案例名），不给任何图片地址。模型在正文相应位置写一个标记，出稿后由系统换成真实素材。让模型做语义判断，让系统做事实填充——插图位置该由懂上下文的模型决定，而「这个名字对应哪张图」必须是确定性的。匹配不上就删掉标记并写进审核提示，绝不硬塞不相关的图。
05 护栏：三道自动核对，只提示不拦截
另有 9 类取材与配置缺口提示，例如规范要求引用案例但库里没有匹配、配图标记对不上素材、占位符取不到值、所选模块超出单篇上限。
三个关键决定。只提示、不拦截、也不替人补：规范要求引用案例但一条都不匹配时，系统不会拿别的产品线凑数，而是明确告知「本文未引用案例，建议人工补充」——宁可让人看到缺口，也不要悄悄用不相关的素材填上。宁可漏报，也不要满屏误报：检查前先剔掉被禁的词本身（禁止句不是违规使用）、「第一」排除序数与篇章量词、数字只认带单位的、URL 与文件名里的数字先去掉。AI 自己的产出不能给数字背书：同一主题带进来的「上一篇标题」刻意不计入数字白名单。
06 每一篇都留得下痕迹
每篇文章存下这一篇实际发给模型的完整提示词（占位符已填充为真实素材值）、当时读了哪几份参考资料、配图是怎么选中的、用的哪个写作规范及版本。出稿不满意时能直接翻出「当时到底喂了什么进去」，而不是对着结果猜。
| 素材分类 | 变量数 | 逐项填写，写作规范里用占位符点名取用 |
|---|---|---|
| 产品 | 16 个 | 一句话介绍、产品定位、目标客户、核心痛点、核心卖点、客户收益、竞品对比……形如 {{产品.核心卖点}} |
| 功能模块 | 10 个 | 模块说明、核心功能、适应场景、对应痛点、客户价值、营销金句……形如 {{功能模块.客户价值}} |
| 案例 | 9 个 | 客户行业、客户规模、背景与挑战、决策难点、解决方案、客户收益、客户证言……形如 {{案例.客户证言}} |
三类素材共 35 个变量。拆开之后，写作规范才能点名要「这个案例的客户证言」，而不是把整段素材丢给模型让它自己挑。
| 自动核对 | 怎么判 |
|---|---|
| 编造数字 | 从「写作规范 + 素材 + 参考资料」三类有据来源抽出所有带单位的数字构成白名单，正文里出现白名单之外的即报 |
| 产品串台 | 正文提到了本次没选的其他产品名或简称即报 |
| 广告法与第三方名 | 绝对化用语、第三方企业名词表命中即报 |
三道都只标出可疑点，不拦截发布。挡住一篇的代价是人多看一眼，误报几次的代价是这套提示从此没人看——所以宁可漏报。
04 成果
7 周 257 篇，日均约 9.5 篇；其中 52% 被护栏标出交人工核对，而没有一篇由系统自动发出。
- 改造前 · 内容产出：一两天 一篇——相当于日均 0.5 到 1 篇，且写法只在资深同事的手感里
- 上线后 · 内容产出：日均 9.5 篇——7 周 257 篇，覆盖 27 个产出日，单日峰值 60 篇
量级差约 10 到 19 倍——按改造前 0.5 至 1 篇这个区间算，不是单点值。数据取自客户生产环境的只读统计，区间见文末「口径与说明」。
01 效率
统计区间内 AI 生成 257 篇，覆盖 27 个产出日，日均约 9.5 篇，单日峰值 60 篇。定时批量生成累计运行 51 次，无人值守产出。生成即完整——标题、正文、摘要、搜索三件套、配图一次到位，原本正文之外的这几项都要另开一轮人工补。
02 风险
52% 的稿件（134 篇）被护栏标出可疑点交人工核对——这个比例说明护栏在真实工作，不是装饰。编造数字、产品串台、广告法用语三道自动核对，结果全部落在审核提示里可逐条看。无免审直发：257 篇全部经人工过目后才取用，没有一篇由系统自动对外发出。
03 体验
16 位使用者在同一套系统内完成素材维护、规范管理、生成与审核。老师傅的手感变成了可交付物：21 份写作规范可读、可改、可做版本管理、可直接交给新人——改造前可复用的文本是 0 份。规范还会自己变好：出稿能回头与范文基线对账，看落实了多少、哪几节偏了、该怎么改。
04 稳定性与交付规模
持续使用约 7 周，27 个产出日全量在系统内运转。长文生成改用流式调用，绕开网关对长连接约 2 分钟的超时判定；单篇范文分析失败不拖累其余，但会如实报出哪几篇没抽出来——静默少一篇会让共识偷偷变样。交付体量供参考：约 10500 行前后端代码、约 230 个业务接口、24 张业务数据表、25 个页面、7 个业务模块。
05 这个案例最该讲的一句
客户上一代生成器不是因为写不出来而停用，是因为误植了第三方企业名。
所以这套系统里几个决定都朝同一个方向：护栏只提示不拦截，判断权留在人手里；素材匹配不上时宁可留缺口也不拿别的凑数；AI 自己的产出不给数字背书。为了让提示保持可信，我们还专门治理了误报——被禁的词本身不算违规使用，「第一段」不算绝对化排名。
52% 被标出、257 篇无一篇自动发出，这两个数字比产量更能说明我们怎么做事。
能生成从来不是难点，不出事才是。
52% 的稿件被护栏标出交人工核对。257 篇里，没有一篇由系统自动发出。
口径与说明
- 客户身份：客户为一家 B2B SaaS 企业。未获书面授权前不具名，也不披露产品名、素材内容与范文原文。
- 量化数据：257 篇、27 个产出日、日均约 9.5 篇、单日峰值 60 篇、21 份写作规范、52%（134 篇）、16 位使用者、定时批量运行 51 次，均取自客户生产环境的只读统计，统计区间 2026-07-16 至 09-02（约 7 周）。
- 对比基线：「一两天写一篇」即日均 0.5 至 1 篇，是客户改造前的实际情况。「10 到 19 倍」按这个区间算出，不是单点值。
- 我们不提供的数据：阅读量、留资、搜索排名这些传播效果数据不在本案例的统计范围内，没有数据支撑，所以不说。
- 关于「替代」：本方案无免审直发，人工把关是方案的组成部分。我们不讲替代内容团队，也不讲无人化生产。
- 关于护栏：护栏只提示、不拦截，最终判断在人。我们不承诺「不会出错」或「绝不编造」。
- 交付规模（约 10500 行代码、约 230 个接口、24 张表、25 个页面、7 个模块）来自交付时的代码与接口清单，用于判断项目体量，不作为工作量或报价依据。
- 关于界面截图：系统界面含客户素材与范文原文，本文未使用截图。需要看界面时，我们用演示数据现场演示。
关于这个案例的常见问题
这个AI系统能完全替代人工写作吗？
不能。系统生成的所有内容都需人工审核，257篇稿件中52%被护栏标出交人工核对，没有一篇由系统自动对外发出。人工把关是方案的必要环节。
系统如何防止编造数据？
通过三道自动核对：从写作规范、素材和参考资料中提取数字白名单，正文出现白名单外的数字即报；产品串台和广告法用语也会被标出。但护栏只提示不拦截，最终判断权在人。
写作规范是怎么来的？
从3到5篇客户认可的范文反推而来。系统逐篇抽出结构档案，跨篇求同存异，严格过半范文都有的写法才算共识，合成规范后可交付新人使用。改造前可复用的规范为0份。
系统如何处理素材不足的情况？
宁可留缺口也不拿不相关的素材凑数。例如规范要求引用案例但无匹配时，系统会明确告知'本文未引用案例，建议人工补充'，而不是自动替换其他内容。
这个系统比人工写作快多少？
改造前客户日均产出0.5到1篇，上线后日均约9.5篇，量级差约10到19倍。数据取自客户生产环境的只读统计，统计区间为2026-07-16至09-02（约7周）。