从选题到发布：用大模型构建内容创作全流程

在内容创作过程中，最耗时的并非撰写某一段落，而是反复切换于选题、资料搜集、框架搭建、修改与发布之间。大模型可将重复性工作规范化，但其生成内容仅为初稿，选题价值、事实准确性、引用合规性及发布责任仍需人工把关。

本篇以一篇技术文章为例，解析一套可复用的内容创作流程，涵盖选题、资料、成文、校对与发布等环节。每个步骤均提供可直接套用的提示词模板。

第一步：先明确读者与问题，再评估选题

不要一开始就让工具“写一篇爆款文章”。先回答三个问题：文章给谁看？要解决什么问题？手上有哪些可靠材料？

例如，面向刚开始使用 AI 的职场用户，可将选题从“AI 改变办公”收窄为“如何用 AI 整理会议纪要，并避免补写事实”。确定范围后，文章才能更易为读者提供具体帮助。

请基于以下读者信息和已有资料，提出 5 个技术文章选题。

读者：[目标读者]
希望解决的问题：[具体问题]
已有资料：[关键词、案例、文档链接或笔记]

要求：
1. 每个选题说明目标读者、核心问题和文章可交付的具体价值；
2. 不使用“颠覆”“爆款”等夸张词；
3. 无法由已有资料支撑的方向标记为“需补充资料”。

工具适合帮助发散和归类，但“读者是否真的关心这个问题”仍应由内容负责人判断。

第二步：建立资料卡，避免把猜测写成事实

资料阶段的目标不是堆链接，而是留下可追溯的依据。对行业数据、产品能力、案例结论和时间敏感信息，至少记录来源、发布日期、获取时间和可引用范围。

请把以下资料整理成“资料卡”。

每条资料包含：
1. 核心事实或观点；
2. 来源名称与链接；
3. 发布日期或获取日期；
4. 可用于文章的段落；
5. 需要人工复核的内容。

不得补充资料中未出现的数字、案例或结论。

资料：
[粘贴已确认的资料]

如果引用产品文档或新闻，应在发布前再次检查原始页面。对于可能更新的价格、版本、政策和功能信息，不能依赖模型的历史回答。

第三步：先出大纲，再生成可核对的初稿

直接生成长文，常见问题是结构松散、重复表达，或把资料中的推测写成结论。更稳妥的做法是先确定大纲，再按章节生成初稿。

请根据以下选题和资料卡，生成技术文章大纲。

选题：[文章主题]
目标读者：[目标读者]
资料卡：[粘贴资料卡]

要求：
1. 大纲包含引言、核心步骤、示例、注意事项和总结；
2. 每节写明要解决的问题和将使用的资料；
3. 事实与观点分开标记；
4. 不使用资料卡中没有依据的案例。

大纲确认后，再要求模型按单节输出。这样更方便检查逻辑，也便于在资料不足时及时补充，而不是在全文完成后大幅返工。

第四步：发布前做一次“五项核对”

生成初稿后，不要只检查语病。建议在提交前逐项核对：

1. 事实：数字、日期、产品名称、人物和案例是否有原始材料支撑；
2. 引用：转载、图片、图表和观点是否获得授权或已按要求标注来源；
3. 表达：标题是否准确，是否存在标题党、绝对化承诺或无法验证的结论；
4. 隐私：是否包含客户资料、联系方式、合同内容、账号信息或未公开的内部数据；
5. 发布信息：摘要、关键词、封面和所属社区是否与文章主题一致。

可以让工具协助做格式检查，但要把范围说清楚：

请检查以下文章草稿，并以清单形式输出：
1. 可能缺少来源支撑的事实性表述；
2. 数字、日期和专有名词；
3. 可能包含夸张承诺、引流或营销化表达的句子；
4. 可能涉及隐私或敏感信息的位置。

只指出风险，不要改写或补充事实。

把流程沉淀成自己的模板

真正能提升效率的，并非一次性生成整篇文章，而是将验证过的选题表、资料卡、大纲和校对清单保存下来。下次写作时只需替换主题和材料，即可减少重复沟通，将更多时间用于选题判断、事实核验和表达打磨。

大模型善于整理归纳与提供初稿，而人则负责决定内容方向、核实事实与选择发布方式。两者分工明确，内容流程方能高效且稳健。

关键词： AI 内容创作、内容工作流、大模型写作、选题策划、资料核验