同一篇技术底稿分发到公众号、知乎与海外社交平台时，改动往往不只是长度。我们近期在《内容创作实验室》做了一组改写实验，把「风格适配」与「事实不变」拆成两条独立可控的链路。
做法上，先把底稿解析为事实单元：实体、数值、单位、结论强度（如「可」「建议」「已验证」）与限定条件，构成一份不可改写的锚点清单。改写模型只被授权调整语序、人称、句长与信息密度，不允许新增实体、改动数值或升级结论强度。风格侧不微调模型，而是用 2~3 段目标平台的历史文本做少样本示例，配合句长与段落长度的分布约束。改写成稿后，再由规则校验加小模型回扫，逐条比对锚点，输出不一致位置供人工确认。
- 进展：在 120 篇内部技术底稿、300 段抽检样本上，事实性错误率由 4.1% 降至 0.6%，风格一致性人工评分从 3.2 升至 4.1（5 分制）。
- 下一步：把数字与单位的本地化（如 mm 与 inch、小数位保留）纳入校验规则，并测试中英双语改写时的结论强度对齐。
评论