在内容创作实验室的近期实验中，我们尝试把「选题」这一最依赖经验的环节拆成可验证的步骤，而不是让模型直接生成成稿。目标很朴素：让编辑在半小时内拿到一份能开工的提纲，而不是十条看上去都不错的空泛标题。
当前做法分三段：先用行业语料与站内历史数据做候选主题召回，再用规则层过滤掉与既有选题高度相似的条目（相似度阈值 0.82），最后由模型补全受众、核心论点、可信来源与需人工确认的存疑点。评测采用编辑盲评，30 组候选主题中，可直接进入写作的比例从 41% 提升到 68%，其中「存疑点标注」一项被编辑认为最有用——它把事实核查提前到了提纲阶段。
两点阶段性进展：
- 相似度过滤显著降低了重复选题，但也暴露出阈值偏保守的问题，部分跨领域的新角度被误杀，下一步计划改为分层阈值并按栏目区分。
- 提纲中的来源建议目前仍依赖通用检索，可信度参差，正在接入内部资料库以提升可追溯性。
我们更愿意把这类工具定位为「选题的初筛与结构化」，最终的判断权仍在编辑手中。
评论