3000 字方案改 3 稿：用豆包按评审意见逐条改

把 3,000 字方案丢给 AI 说「按这些评审意见改一遍」，得到的往往是一篇读起来更顺、但该改的地方没改到的稿子。真正的解法是先把意见拆成三类、建一张台账，再按章节分批改。本文给这套流程：23 条意见全部落实，反查漏改 0 条。

一句话结论

AI 改稿改不动的根因不在模型，而在「按意见顺序改」这个动作本身——评审意见是按提意见的人排的，不是按文章结构排的，一次全给它，模型只能重写整篇。改成先拆三类、建台账、按章节分批改：23 条意见里可直接改 14 条、需确认 6 条、不采纳 3 条。第一轮只改那 14 条，第二轮等确认，第三轮做一致性。实测：手工改两遍漏 5 条、耗时 3.5 小时；台账法漏 0 条、2 小时 10 分钟。关键的第五步是反查——不逐条回验，AI 会安静地跳过难改的那几条。

这篇解决什么问题

三种情况最常见。一是把 20 多条意见一次性贴给 AI，回来的稿子结构大改，原本通过的段落也被重写。二是意见里混着互相矛盾的两条（一人说「太细了」，另一人说「细节不够」），AI 会挑一条执行，另一条消失。三是改完以为都改了，交上去又被打回，因为有三条根本没动。

根子是把改稿当成「文本润色」，而它是「需求落实」：每条意见都要有一个明确的处理结论（改了 / 待定 / 不采纳），并留下位置。五步做完，得到一稿改后正文、一张 23 行的意见台账、一份改动对照表。

开始前要准备什么

• 意见原文，不要转述：转述会丢信息。「第二段逻辑跳跃」和「第二章缺因果」是两件不同的事，你转述成前者，AI 就改错了位置。
• 带编号的原稿：把稿子按段或按小节编号（1.1、1.2、2.1…），后面台账才能精确指位。没有编号，AI 只能说「中间那段」，你也核不了。
• 一列「谁提的」：同一个人的多条意见常常出自同一个关注点，合并处理更快；不同人提的同一处，要先判谁的意见优先。
• 一份修改权限：明确哪些部分不许动（已通过评审的章节、法务定过的措辞）。不写清楚，AI 会把它们一起「优化」。

具体怎么做

第一步：把意见拆成「可直接改 / 需确认 / 不采纳」三类

判据只有一条：改完之后能不能被验证。「第二段加一个数据支撑」是可直接改；「整体偏保守」需确认（保守指什么、对谁保守）；「建议换个切入点」如果不采纳，要写出理由。实测 23 条意见里，可以直接动手的只有 14 条——这个比例很典型，别指望一次全解决。

这是我的方案正文（已按小节编号）与评审意见原文，共 ______ 条。
正文：（粘贴）
意见：（粘贴，带编号与提出人）

请帮我把每条意见归入三类，输出表格：
1. 【可直接改】：意见具体、改完可验证。写明要改哪个小节、怎么改。
2. 【需确认】：意见指向不明或多条互相矛盾。写明缺什么信息、该问谁。
3. 【不采纳】：技术上不可行或与已定方向冲突。写一句理由。

要求：
– 同一处被多人提到时合并成一行，标注人数；
– 明确指出哪几条意见互相矛盾，不要替我选一边；
– 不要现在就改正文，只做分类。

第二步：建台账，一行一条意见

台账五列：编号 / 意见原文 / 归属小节 / 处理结论 / 状态。这张表是整套流程的核心，后面每一轮都对着它推进。两个细节决定它好不好用：意见原文一字不改地抄进来（否则第三轮回验时你会怀疑自己），状态列只用三个值——待改、已改、已回绝。

请把上面分类好的意见做成一份台账，Markdown 表格，五列：
| 编号 | 意见原文（一字不改） | 归属小节 | 处理结论 | 状态 |

要求：
1. 归属小节用我正文里的编号（如 2.3），不要写「中间部分」；
2. 处理结论写成一句话动作，例如「在 2.3 补一个同比数据」；
3. 状态初始全部填「待改」；
4. 表格按「归属小节」排序，不要按意见编号 —— 我要按文章顺序改，不是按提意见的顺序。

第三步：第一轮只改「可直接改」那 14 条，按章节顺序改

关键操作是按小节顺序、而不是按意见顺序推进。同一个节里往往有 2 到 3 条意见，一次改完比来回跳省一半时间，也不会出现「改 A 时把 B 的改动冲掉」。每改完一节，让 AI 只输出这一节的新版本，不要它输出全文。

现在只改第 ______ 节，涉及这几条意见：
1. （意见原文）→ 处理：（台账里的动作）
2. （意见原文）→ 处理：（台账里的动作）

要求：
1. 只输出这一节改后的完整文字，不要输出全文、不要输出其他节；
2. 改动处不要加批注或高亮，正文保持干净；
3. 不许改动这一节里与上述意见无关的句子 —— 包括标点和措辞；
4. 如果你认为某条意见按字面改会伤到上下文，先说明，再给一个替代改法。

改完在末尾用两行说明：改了哪几句、为什么。

第四步：每稿产出一张改动对照表

对照表三列：位置 / 改了什么 / 对应哪条意见。它的作用不是给领导看，是给你自己做第五步的反查索引。实测第一轮 14 条改完，对照表里出现 2 条「改到了错的小节」——AI 把 3.1 的意见执行到了 2.4，读起来也通顺，不查表发现不了。

这是第一轮改后的正文与台账（粘贴）。请帮我生成改动对照表：
| 位置（小节号） | 改动前 → 改动后（一句话概括） | 对应意见编号 |

然后做三项检查：
1. 台账里状态为「待改」的意见，哪几条在这一轮完全没有对应改动；
2. 有没有改动没有对应的意见（即我让你别动、但被动了的地方）；
3. 同一处被改了两次的，列出来 —— 这通常是两条意见打架。

最后给出这一轮的真实完成数，不要按我说的数量报。

第五步：第三稿做反查，逐条回验而不是通读

这一步最容易被跳过。做法是把台账当清单，一条一条在正文里找落点，找不到就标漏改。通读全文的感觉是不准的——改过的稿子读起来总是「更顺」，顺不等于改到了。实测第三轮反查出 2 条漏改（都是「补一个来源」这类需要外部信息的），补上后 23 条才真的全部改到。

这是最终稿（按小节编号）与台账。请做逐条反查，输出表格：
| 编号 | 意见原文 | 正文里现在有没有对应内容（引用原句） | 结论：已改到 / 漏改 / 改偏 |

规则：
1. 判断依据必须是正文原句，不要凭印象说「已体现」；
2. 「改偏」指改了但没解决意见指的问题，要说明偏在哪；
3. 漏改的，按优先级排一下：哪几条必须这一稿补上，哪几条可以留到下一轮；
4. 最后统计已改到的条数 / 总数，并列出仍然开着的意见。

实测记录

口径：一份 3,000 字方案（6 节 21 个小节），评审意见 23 条，来自 4 位评审人，其中 1 处有两人意见相反。

• 分类结果：可直接改 14 条、需确认 6 条、不采纳 3 条。需确认的 6 条里有 2 条是同一处被两人反向提意见。
• 第一轮（14 条）：用时 55 分钟，改后 3,180 字。对照表查出错位 2 条——3.1 的意见被执行到 2.4。
• 第二轮（6 条）：中间等确认隔了一天，实际动手 25 分钟，改后 3,240 字。有 1 条最终定为不采纳，台账状态改「已回绝」并记了理由。
• 第三轮（反查）：40 分钟，查出漏改 2 条（都要外部数据），补完后落实 23/23。
• 手工对照：同一份稿子交给同事直接改，改了两遍，漏 5 条，耗时 3.5 小时；台账法合计 2 小时 10 分钟（不含等确认）。
• 字数变化：3,000 → 3,180 → 3,240。净增 240 字，其中 160 字来自「补数据」类意见。

最容易错的 3 个地方

第一，一次把所有意见贴进去让它重写全文。这是最省事的做法，也是最容易翻车的：模型为了让整篇连贯，会把已经通过的段落一起改掉，你事后要花更多时间比对。改成按节输出，每次只给这一节相关的意见。

第二，把互相矛盾的意见交给 AI 自己判断。它一定会挑一条执行，另一条静默消失，而你从正文里看不出来——两条意见都很合理，执行哪条读着都通顺。矛盾的必须先回到提意见的人那里确认，AI 不该替你决定。

第三，用通读代替反查。改过的稿子读起来总是更顺，这个「更顺」很容易被当成「改好了」。反查是把台账当清单逐条找落点，找不到就是漏改。这一步花 40 分钟，能省掉一次被打回。

可复用的东西

三类拆解：可直接改（具体、可验证）/ 需确认（指向不明或互相矛盾）/ 不采纳（附一句理由）。实测比例约 6:3:1。

五列台账：编号、意见原文（一字不改）、归属小节、处理结论、状态（待改/已改/已回绝）。按小节排序，不按意见编号排。

按节输出：一次只让 AI 输出一节的新版本，明确禁止改动无关句子。这是减少「顺手改坏」最有效的一条约束。

改动对照表：位置 / 改了什么 / 对应意见编号。它的价值在第二步——查出「改到了错的小节」和「没让改却被改了」。

逐条反查：把台账当清单，在正文里找原句落点。找不到就是漏改，凭印象不算。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接