论文写作工具常被误用成"一次生成一篇文章"的入口。更可复核的做法，是把它当成一个有状态的任务流：每一步都有输入、输出、人工校验项，下一步只读取已经确认过的内容。
这个思路适合用在个人知识库、表单工作流或论文写作辅助产品中。为了说明它怎样落到具体操作，本文以笔匠AI论文写作承接"大纲---文献---初稿---改稿"的过程，并用JSON描述需要确认的字段与状态。文中的JSON用于工作流建模，不代表产品提供公开JSON接口。
1. 定义输入结构
先把"我要写一篇论文"改成可处理的输入，而不是一段模糊描述。最小字段可以如下：
{
"topic": "平台经济背景下中小企业数字化转型研究",
"degree": "本科",
"discipline": "工商管理",
"word_count": 10000,
"research_question": "平台能力如何影响中小企业数字化转型？",
"materials": ["开题报告", "学校格式要求"],
"output_mode": "text"
}关键字段不是字数，而是 research_question 和 materials。前者限定论证方向，后者说明哪些已有材料必须被继承。没有这两个字段，后续生成往往只会得到一个看似完整、但无法接回真实任务的文本。
2. 生成大纲后先做结构校验
大纲输出不应直接进入正文阶段。可以要求每个一级标题都有一项 chapter_goal，即"这一章要解决什么问题"。
[
{"chapter": "绪论", "chapter_goal": "界定研究背景、问题与意义"},
{"chapter": "文献综述", "chapter_goal": "梳理已有解释并指出研究空缺"},
{"chapter": "研究设计", "chapter_goal": "说明材料、方法与分析路径"},
{"chapter": "分析与讨论", "chapter_goal": "用材料回应研究问题"}
]校验规则可以很简单：每章目标不能重复；"研究设计"前不能出现依赖其结果的结论；"文献综述"必须能导向研究空缺或研究问题。若有任何一项不满足，就回到大纲阶段修改，而不是继续扩写。
3. 把文献变成可追溯的证据卡片
文献检索的输出至少要保留题名、作者、年份、出处、与本研究的关系和原文核验状态。示例：
{
"citation": "作者. 题名[J]. 期刊, 年份.",
"used_in": "文献综述-平台能力相关研究",
"claim": "该文讨论的平台能力与组织能力之间的关系",
"verified": false
}verified: false 是一个必要状态，而不是失败。它提醒写作者：检索结果只是一条候选记录，引用进正文前仍须打开原文，核对书目信息、研究对象、结论范围和引文原意。没有核验状态的"文献列表"，很难避免误引或张冠李戴。
4. 正文生成只读取已确认内容
进入初稿阶段时，输入应包含已确认的大纲、已核验文献，以及每节的写作目标。输出则要回写到章节级别，方便定位问题：
输入：第二章目标 + 已核验文献卡片 + 目标字数
输出：第二章初稿 + 引用位置清单 + 待人工补充项这里的"待人工补充项"非常重要。它可以标记需要作者补入的研究资料、访谈记录、实验数据、概念判断或过渡论证，避免把未提供的信息写成既成事实。
这一节点在笔匠AI论文写作中的对应操作是：用户先配置学科、学历、题目、字数与内容形式，确认可编辑大纲后再衔接文献和初稿。得到的不是最终定稿，而是一份按章节展开、可继续定位问题的初稿；下一步应把待人工补充项转成修改任务，进入结构、证据或表达层面的复核。文献真实性、数据准确性与学术判断仍由写作者负责。
5. 用问题类型驱动改稿
不要把所有反馈都投递为"帮我优化"。可以定义一个最小修改单：
{
"location": "第三章 3.2",
"issue_type": "argument",
"feedback": "结论与研究问题之间缺少中间论证",
"expected_change": "补充机制解释，并标记需要的证据"
}其中 issue_type 可限定为 structure、argument、evidence、expression、format。这样系统或写作者能知道：结构问题回到大纲，证据问题回到原始资料，表达问题才进入句子级修改。
6. 最小验收清单
完成一轮后，至少检查以下四项：
- 每个章节是否都能回答大纲中预设的问题；
- 每条关键引用是否有原文核验记录；
- 每个结论是否能回溯到材料、数据或明确论证；
- 每条修改意见是否有位置、问题类型与处理结果。
这个工作流的目标不是让工具替人"完成论文"，而是让输入、生成、核验和修改都可追溯。只有把人工判断保留在关键节点，工具生成的内容才能真正进入后续写作，而不是制造更多需要返工的文本。