第1649篇：内容创作平台的AI辅助写作——从灵感生成到全文润色的产品工程
2026/4/30大约 12 分钟
第1649篇：内容创作平台的AI辅助写作——从灵感生成到全文润色的产品工程
说一件真实发生的事。
去年有个做自媒体创作工具的朋友找我，说他们要做AI写作功能，目标是"用户输入一个标题，AI自动生成5000字爆款文章"。他很兴奋，觉得这是降维打击。
我问他："生成的文章，读者觉得有价值吗？"
他愣了一下。
这个问题其实是整个AI辅助写作产品的核心命题。一键生成文章技术上做到了，但生成的内容是否有真正的信息量、观点深度、作者个人风格？大概率没有。而缺乏这些的文章，在越来越成熟的读者面前越来越没价值。
所以我们最终选了另一个方向：不是替代写作，而是辅助写作。帮作者更快写出更好的文章，而不是帮平台生成没有灵魂的内容填充物。
这个方向不那么性感，但更扎实，也真正创造了价值。
产品定位决定技术架构
这个区分非常重要，"替代写作"和"辅助写作"在产品架构上是完全不同的。
替代写作路线： 输入题目 → 大模型全文生成 → 输出文章 辅助写作路线： 作者写作全流程 → AI在每个环节介入 → 提升效率和质量
我们选了后者。具体拆解每个环节：
每个环节的AI介入程度是不同的，这样设计有几个好处：
- 作者始终是内容主导者，保持了原创性
- 每个环节可以独立开发和迭代
- 作者可以选择性使用某些功能，不是all-or-nothing
创意阶段：选题和热点分析
很多创作者最难的不是写，而是不知道写什么。选题决定了内容的天花板。
@Service
public class TopicInspirationService {
@Autowired
private ChatClient chatClient;
@Autowired
private TrendingTopicsService trendingService;
/**
* 基于作者领域和当前热点生成选题建议
*/
public List<TopicSuggestion> generateTopicSuggestions(
AuthorProfile author,
int count) {
// 获取近期热点（来自搜索指数、热搜等数据）
List<TrendingTopic> trends = trendingService.getForDomain(
author.getDomain(), 24 // 最近24小时
);
String trendStr = trends.stream()
.map(t -> String.format("「%s」（热度：%d，趋势：%s）",
t.getKeyword(), t.getHotScore(), t.getTrend()))
.collect(Collectors.joining("\n"));
String prompt = """
你是一位资深内容策划，请为以下作者生成选题建议：
【作者信息】
领域：%s
已有粉丝：%d（平台：%s）
近期爆款文章：%s
写作风格：%s
【当前热点话题】
%s
请生成%d个选题，每个选题包括：
1. 标题（有吸引力，但不是标题党）
2. 核心观点（这篇文章想说什么，20字）
3. 目标读者（谁会对这个话题感兴趣）
4. 角度亮点（为什么作者写这个有优势或不同视角）
5. 与热点的关联度（如何借助热点提高传播）
注意：
- 选题要符合该作者的领域和风格，不要推荐明显不符合的
- 至少2个是结合当前热点的
- 至少1个是深度长线选题（不追热点，但有持久价值）
以JSON数组返回。
""".formatted(
author.getDomain(),
author.getFollowerCount(),
author.getPlatforms(),
author.getRecentTopArticles(),
author.getWritingStyle(),
trendStr,
count
);
String response = chatClient.prompt()
.user(prompt)
.call()
.content();
return parseTopicSuggestions(response);
}
/**
* 竞品文章分析：同类选题别人怎么写的
*/
public CompetitorAnalysis analyzeCompetitors(String topic) {
List<Article> similarArticles = contentSearchService.findSimilar(
topic, 10 // 找最近10篇同类
);
String articlesStr = similarArticles.stream()
.map(a -> String.format("标题：%s\n阅读量：%d\n摘要：%s\n",
a.getTitle(), a.getPageviews(), a.getSummary()))
.collect(Collectors.joining("---\n"));
String prompt = """
请分析以下同类文章，帮助作者找到差异化角度：
话题：%s
已有文章：
%s
请分析：
1. 已有文章的主要角度覆盖了什么
2. 哪些角度被遗漏了（空白点）
3. 哪种角度的文章表现最好（从阅读量判断）
4. 如果要写这个话题，最有差异化的3个切入角度
""".formatted(topic, articlesStr);
String response = chatClient.prompt()
.user(prompt)
.call()
.content();
return parseCompetitorAnalysis(response);
}
}构思阶段：大纲生成和结构优化
选题定了，怎么写是下一个难题。大纲生成要有逻辑性，不是简单地列几个标题：
@Service
public class OutlineGenerationService {
@Autowired
private ChatClient chatClient;
public ArticleOutline generateOutline(
String topic,
String coreArgument,
ArticleType articleType,
int targetWordCount,
String authorNotes) {
String prompt = """
请为以下文章生成详细大纲：
【文章基本信息】
话题：%s
核心观点：%s
文章类型：%s
目标字数：%d字
【作者补充说明】
%s
请生成：
1. 文章整体结构建议（为什么选择这种结构）
2. 各节标题和内容要点（每节列出3-5个要写的点）
3. 开头建议（用什么方式开头更有吸引力）
4. 结尾建议（如何有力收束）
5. 需要哪些支撑素材（数据、案例、引用等）
文章类型说明：
- OPINION：观点型，需要有鲜明立场和论证
- HOW_TO：方法型，需要清晰可操作的步骤
- STORY：故事型，需要有情节起伏
- ANALYSIS：分析型，需要数据和逻辑
以JSON格式返回大纲结构。
""".formatted(
topic, coreArgument,
articleType.getLabel(),
targetWordCount,
authorNotes != null ? authorNotes : "无"
);
String response = chatClient.prompt()
.user(prompt)
.call()
.content();
return parseOutline(response);
}
/**
* 大纲优化：作者写了草稿大纲，AI帮改进
*/
public OutlineImprovement improveOutline(
String draftOutline,
String targetAudience,
String mainPoint) {
String prompt = """
请优化以下文章大纲：
【目标读者】%s
【核心观点】%s
【作者草稿大纲】
%s
请指出：
1. 大纲的逻辑是否清晰（问题出在哪）
2. 结构是否适合目标读者
3. 是否有重复或可以合并的部分
4. 是否有重要内容缺失
5. 给出优化版大纲
""".formatted(targetAudience, mainPoint, draftOutline);
String response = chatClient.prompt()
.user(prompt)
.call()
.content();
return parseOutlineImprovement(response);
}
}写作阶段：实时辅助功能
这是产品里最复杂的部分，因为要嵌入写作编辑器，实时响应作者的动作。
功能1：智能续写（作者卡壳时）
@Service
public class SmartContinuationService {
@Autowired
private ChatClient chatClient;
/**
* 根据已写内容续写下一段
* 要模仿作者的写作风格
*/
public String suggestContinuation(
String writtenContent,
String outline,
AuthorStyleProfile styleProfile) {
// 分析已写内容的风格特征
String styleAnalysis = analyzeWrittenStyle(writtenContent);
String prompt = """
请续写以下文章的下一段，要求完全匹配作者的写作风格：
【文章大纲（参考）】
%s
【作者已写内容】
%s
【作者风格特征（从以上内容分析）】
%s
【作者历史风格偏好】
句子长度：%s
用词风格：%s
常用表达方式：%s
请续写100-200字，要求：
1. 语气和风格要与已有内容完全匹配
2. 内容要自然衔接，不要重复已有内容
3. 要推进文章的主题
4. 如果有好的举例或数据可以自然加入（但要有根据，不要编造）
直接返回续写内容，不要说明和前缀。
""".formatted(
outline,
writtenContent,
styleAnalysis,
styleProfile.getSentenceLengthPreference(),
styleProfile.getVocabularyStyle(),
styleProfile.getCommonExpressions()
);
return chatClient.prompt()
.user(prompt)
.call()
.content();
}
}功能2：段落扩写
作者有时候列了一个要点，但不知道怎么展开：
public String expandParagraph(
String briefPoint,
String articleContext,
int targetLength) {
String prompt = """
请将以下简短观点扩写为完整段落：
原始观点：%s
文章背景：%s
扩写要求：
- 目标长度：%d--%d字
- 可以加入具体例子或类比说明
- 要有论据支撑（可以举例说明，但不要凭空编造具体数据）
- 语言风格要自然，不要太学术
直接返回扩写内容。
""".formatted(
briefPoint, articleContext,
targetLength, targetLength + 100
);
return chatClient.prompt()
.user(prompt)
.call()
.content();
}功能3：写作中的实时建议（类似grammar check但更智能）
这个功能需要在前端编辑器中做实时检测，用WebSocket推送建议：
@Service
public class RealTimeWritingAdvisor {
// 每隔30秒或作者停止打字后触发
public List<WritingAdvice> analyzeCurrentParagraph(
String currentParagraph,
String articleContext) {
List<WritingAdvice> advices = new ArrayList<>();
// 快速规则检测（不调用大模型）
advices.addAll(quickRuleCheck(currentParagraph));
// 只有规则检测发现问题，才调用大模型深度分析
if (needsDeepAnalysis(currentParagraph)) {
advices.addAll(deepAnalysis(currentParagraph, articleContext));
}
return advices;
}
private List<WritingAdvice> quickRuleCheck(String text) {
List<WritingAdvice> advices = new ArrayList<>();
// 检查句子过长（超过100字）
String[] sentences = text.split("[。！？]");
for (String sentence : sentences) {
if (sentence.length() > 100) {
advices.add(WritingAdvice.builder()
.type(AdviceType.SENTENCE_TOO_LONG)
.message("这句话较长，考虑拆分为两句")
.severity(Severity.LOW)
.build());
}
}
// 检查重复词语
if (hasRepeatWords(text)) {
advices.add(WritingAdvice.builder()
.type(AdviceType.WORD_REPETITION)
.message("发现重复用词，建议换个表达")
.severity(Severity.LOW)
.build());
}
return advices;
}
}润色阶段：这是最容易踩坑的地方
全文润色是个很容易做错的功能。
最常见的错误：让AI直接改写全文，结果作者的个人风格全没了，变成千篇一律的"AI腔"。这是最糟糕的结果。
正确的做法是：AI提出修改建议，作者决定是否采纳。
@Service
public class ArticlePolishingService {
@Autowired
private ChatClient chatClient;
/**
* 不直接改文章，而是生成修改建议列表
*/
public PolishingSuggestions generatePolishingSuggestions(
String articleContent,
AuthorStyleProfile authorStyle,
PolishingFocus focus) {
String focusInstruction = switch (focus) {
case READABILITY -> "重点关注：长句拆分、逻辑连接词、段落过渡";
case ENGAGEMENT -> "重点关注：开头吸引力、金句提炼、结尾收束";
case ACCURACY -> "重点关注：表述是否准确、是否有歧义、数据/引用是否需要核实";
case STYLE -> "重点关注：风格一致性、是否有段落风格突兀";
default -> "全面审查";
};
String prompt = """
请审阅以下文章，给出具体的修改建议（不要直接改写）：
【审阅重点】
%s
【作者风格偏好】
%s
【文章内容】
%s
请以"段落编号 + 具体问题 + 修改建议"的格式列出建议。
要求：
1. 只指出真正值得改的问题，不要为改而改
2. 修改建议要具体，不要说"可以写得更好"这种废话
3. 保留作者的个人风格，不要把所有独特表达都"纠正"掉
4. 最多提10条建议，宁缺毋滥
以JSON数组格式返回，每条包含：
{
"paragraphRef": "相关段落的开头几个字",
"issueType": "问题类型",
"issue": "具体问题描述",
"suggestion": "修改建议",
"priority": "HIGH/MEDIUM/LOW"
}
""".formatted(
focusInstruction,
formatStyleProfile(authorStyle),
articleContent
);
String response = chatClient.prompt()
.user(prompt)
.call()
.content();
return parsePolishingSuggestions(response);
}
/**
* 标题优化：生成多个候选标题
*/
public List<TitleCandidate> generateTitleCandidates(
String articleContent,
String platform,
int count) {
String prompt = """
请为以下文章生成%d个候选标题：
发布平台：%s（不同平台读者口味不同）
文章核心内容摘要：
%s
生成要求：
- 覆盖不同风格：有直接型、有悬念型、有数字型、有故事型
- 避免标题党（不要承诺文章里没有的内容）
- 字数：15-30字为宜
- 每个标题注明类型和适合原因
以JSON数组返回。
""".formatted(
count, platform,
extractCoreSummary(articleContent)
);
String response = chatClient.prompt()
.user(prompt)
.call()
.content();
return parseTitleCandidates(response);
}
}个性化：学习作者风格
这是让产品有粘性的核心功能。AI要能学习并适应每个作者的个人风格，而不是给所有人一样的输出。
@Service
public class AuthorStyleLearningService {
@Autowired
private ChatClient chatClient;
/**
* 分析作者历史文章，提取风格特征
*/
public AuthorStyleProfile learnStyle(
Long authorId,
List<Article> historicalArticles) {
// 取最近10篇
List<Article> recentArticles = historicalArticles.stream()
.sorted((a, b) -> b.getPublishDate().compareTo(a.getPublishDate()))
.limit(10)
.collect(Collectors.toList());
String samplesStr = recentArticles.stream()
.map(a -> "文章：" + a.getTitle() + "\n片段：" +
a.getContent().substring(0, Math.min(500, a.getContent().length())))
.collect(Collectors.joining("\n---\n"));
String prompt = """
请分析以下作者的写作风格，提取可复现的风格特征：
文章样本：
%s
请分析：
1. 句式风格（长句还是短句？多用设问吗？）
2. 用词倾向（口语化还是书面语？专业词汇多吗？）
3. 结构习惯（喜欢用什么方式开头/结尾？）
4. 情感表达（克制还是直接？有没有幽默感？）
5. 常用表达模式（有哪些标志性的表达方式？）
6. 独特语气（读起来给人什么感觉）
这些特征将用于AI辅助时保持风格一致，请务必具体准确。
以JSON格式返回。
""".formatted(samplesStr);
String response = chatClient.prompt()
.user(prompt)
.call()
.content();
AuthorStyleProfile profile = parseStyleProfile(response);
profile.setAuthorId(authorId);
profile.setLastUpdated(Instant.now());
styleProfileRepo.save(profile);
return profile;
}
}成本控制与性能
内容创作产品的大模型调用很密集，成本控制是运营成功的关键。
我们的分级策略：
@Configuration
public class AiModelTierConfig {
// 不同功能用不同等级的模型
// 轻量功能用便宜小模型，核心功能用大模型
@Bean
public Map<AiFeature, ModelConfig> featureModelMapping() {
return Map.of(
// 简单功能：小模型
AiFeature.TITLE_GENERATION,
ModelConfig.of("gpt-3.5-turbo", 0.5),
AiFeature.TAG_SUGGESTION,
ModelConfig.of("gpt-3.5-turbo", 0.3),
AiFeature.QUICK_RULE_CHECK,
ModelConfig.of("gpt-3.5-turbo", 0.3),
// 核心功能：大模型
AiFeature.STYLE_CONTINUATION,
ModelConfig.of("gpt-4o", 0.7),
AiFeature.FULL_ARTICLE_POLISH,
ModelConfig.of("gpt-4o", 0.6),
AiFeature.OUTLINE_GENERATION,
ModelConfig.of("gpt-4o", 0.5),
// 风格学习：批处理，用性价比高的
AiFeature.STYLE_LEARNING,
ModelConfig.of("gpt-4o-mini", 0.4)
);
}
}还有一个重要的成本控制：对用户的AI功能使用做配额管理，不同会员级别有不同的每日用量。免费用户每天10次，付费用户不限次。
产品效果
运营3个月的数据：
- 日活跃创作者使用AI功能比例：68%
- 使用AI辅助的文章，完成率（开始写到发布）比不用AI高41%
- 作者反馈"AI改变了我的风格"的投诉率：2%（这个要严格控制，说明个性化做得还可以）
- 付费转化率：用了AI功能的用户，付费率是不用的3.2倍
最出乎意料的发现：用了AI写作辅助之后，作者的发文频率平均提升了2.3倍，但单篇文章阅读量没有下降。说明AI帮助作者降低了写作门槛，让他们能在保持质量的同时多产出。
这个结果验证了我们最初的产品方向：AI是放大器，不是替代者。