这是一个虚构但很典型的案例：大刘是一位在媒体或出版机构负责选题、采写和审校的编辑，最近手头在忙“编发 10 篇稿件”，同时还要准备“推进专题采访”。这次大刘需要整理一份给主编的编辑意见，决定试试 AI 多文件交叉对比。

背景

对大刘来说，选题策划、改稿、写标题和摘要、校对事实，每天要处理大量文字。偏偏这次还遇到一个变数：一位重要作者交稿可能延期。编辑意见需要尽快交给主编，时间并不宽裕。

第一次尝试：问题出在哪

大刘一开始只写了一句话：

帮我写一份关于“年终科技盘点专题”的编辑意见。

结果 AI 给出的内容四平八稳却用不上。复盘下来，主要有两个问题：

  • 文件命名混乱。
  • 对比内容超出工具处理能力。

改进后的提示词

大刘按照多文件对比的思路重写了提示词，核心是给每份文件起清晰的名称：

我上传了两份文件：编辑意见旧版和新版。请对比两者：
1. 列出所有内容上的修改，输出表格：| 位置 | 旧版内容 | 新版内容 | 修改类型 |；
2. 标出对主编影响最大的 3 处修改，并说明原因；
3. 指出新版中是否有前后矛盾的地方；
4. 只描述差异，不评价修改好坏。

结果（示意）

下面的效果为虚构演示，用来说明这类改进通常带来的变化：

示例（虚构）：一位法务对比合作协议的两个版本，AI 列出 12 处修改，其中标为影响最大的是“付款期限从 30 天改为 60 天”和“违约金比例调整”。她核对原文后，把这两处作为谈判重点。

拿到结果后，大刘没有直接转发，而是对照原始资料逐条核对，再补上 AI 不知道的背景。

复盘：这次用到的方法

  • 说明对比的目的和维度。
  • 要求输出对比表，并注明每处差异的原文位置。
  • 重点核对 AI 标出的关键差异。
  • 给每份文件清楚的名称和日期，方便 AI 和你区分。

之后大刘发现，同样的方法也适用于另一类场景：多份报告、多位专家观点的汇总和矛盾识别。

复盘时大刘还想到一个问题：对比结果可以作为法律依据吗？答案是：不可以，AI 的对比只是辅助阅读，法律判断应由专业人士做出。

给编辑的提醒

让 AI 先做结构和逻辑层面的改稿建议，再做字词润色，效率更高。AI 不能替代事实核查，人名、数字、引语都要回到原始信源确认。另外，对话里不要出现未发表稿件和采访对象信息。

一个额外的小技巧：对比后让 AI 生成需要向对方确认的问题清单。

如果你也是编辑

可以先从“校对一本书稿的前三章”或“整理常见错别字和用语规范”这样的小任务开始练习多文件对比，熟练之后再用到编辑意见这类更正式的材料上。每次记录一下哪句提示词最管用，慢慢就有了自己的模板。

相关阅读