一、这是什么
用大模型生成一份多章节长文，直觉做法是「一次调用，让它写完」。这在短产出上可行， 但章节一多就会暴露三个问题：
- 写不完上下文长度与稳定性限制了单次产出能有多长，写到后面质量会明显下滑。
- 改不动只想改其中一章，却要整个重来，且重来的结果与上一版不一致——前面几章会跟着变。
- 接不上中途失败就得从头开始，没有断点。
这个服务的解法是把长文视为一张有向图而不是一条长文本：章节是节点，章节间的信息传递是边。 生成被拆成逐节点的执行，每个节点可以独立完成、独立检查、独立重算。
一个必须说清的边界。需要数值计算的章节不由模型产出——数字由程序算好， 模型只负责把它写成通顺的叙述。让模型算数是不可靠的，而且算错了很难发现。
二、规模
11
章节节点
29
Prompt 资产
2
前后端
SSE
流式输出
29 个 prompt 是资产化的——独立于代码存放，可单独版本化与替换。 把 prompt 硬编码在代码里，改措辞就得改代码、走一遍发版流程，实际结果是没人愿意改。
三、结构
四个关键手法
- 节点化生成每章是图上一个节点，独立执行。单章失败不影响已完成的其他章——重试的粒度是章，不是全文。
- 检查点续写执行状态持久化，中断后从断点继续，不从头开始。长任务里这是必需的：跑一次要几分钟，中途任何抖动都不该让进度归零。
- 上下文有向传递章节不是各写各的——后续章节能读到前面章节的产出，保证术语、口径、叙事线一致。这也是依赖图而非简单列表的原因。
- 流式回传通过 SSE 把生成过程实时推给前端。长任务必须让用户看见进度，否则等待体验等同于卡死。
四、决策记录
为什么单章改动只重算下游，而不是全量重跑
- 为什么这么选
- 长文的价值在一致性，但一致性不等于每次都从头跑。改第 3 章时，第 1、2 章的内容没变、也没依赖第 3 章， 重新生成它们只增加成本与不确定性。重算范围应该由依赖关系决定，而不是由「保守起见」决定。
- 放弃了什么
- 绝对的一致保障。上游虽然没改，但重新生成可能会得到不同措辞，有时反而更协调。选择缓存就接受了「上游保持旧版本」这个前提。
- 什么条件下会失效
- 如果上游章节的产出本身不稳定、每次生成差异很大，缓存会造成风格割裂——旧的上游配新的下游，读起来别扭。 这种情况应该提供「强制全量重跑」的开关，而不是把策略写死。
为什么数值由程序计算、模型只写正文
- 为什么这么选
- 大模型做算术不可靠，而且它的错误是隐蔽的——算错的数字读起来同样通顺， 不会自己暴露。把数值交给确定性的程序，模型只负责把它组织成语言，各自的错误面都收窄了。
- 放弃了什么
- 端到端的简单性。需要为每个指标单独写计算逻辑，接入新指标时要改代码。
- 什么条件下会失效
- 如果任务本身不需要定量结论（纯叙述、建议类产出），这套分层就是多余的开销。判断标准是： 这个数字错了，读者能不能立刻看出来。看不出来就必须由程序算。
为什么 prompt 要抽成独立的 29 个资产，而不是写在代码里
- 为什么这么选
- Prompt 是这个系统里变更最频繁的部分——调措辞、换风格、适配新场景，都要动它。 硬编码在代码里意味着每次调整都要走一遍发版流程。把最常改的东西放在最难改的位置，结果是没人愿意改。
- 放弃了什么
- 类型安全与静态检查。Prompt 是外部资源，写错了编译器不会告诉你，只能在运行时报错。
- 什么条件下会失效
- 如果项目规模小、prompt 数量少（三五个），外部化的管理成本会超过收益，直接放在代码里更简单。 这个做法在 prompt 数量上到两位数之后才开始划算。
五、失败与边界
- 中断恢复的坑早期断点只记录「执行到哪一章」，没有记录该章的中间状态，恢复时那一章要重跑。后来把节点内的状态也一并持久化，才做到真正意义上的续写。
- 上下文膨胀把所有上游章节全文塞给下游，很快撑爆上下文，且成本随章节数线性上涨。改为传递摘要加关键约束，只保留真正需要一致的信息。
- 流式的边界SSE 在中间有反向代理时容易被缓冲住，表现为前端长时间无输出然后一次性刷出全文——看起来像卡死。需要在代理层关掉缓冲。
第三方组件的归属说明。服务里集成了成熟的定量计算组件用于部分指标计算。 这些组件是引用而非自研——页面与简历里都按「集成成熟计算组件」表述，不声称实现。
它不适合什么场景。单章节、短产出、无需反复修改的任务。这时图编排带来的复杂度（检查点、依赖管理、状态持久化）全是净成本，一次直接调用更合适。
六、链接与状态
| 状态 | 整理中，可试用入口稍后开放 |
|---|---|
| 整理什么 | 清理早期探索阶段的第三方引用目录、补齐文档、按技术命名重命名，然后才公开 |
| 公开前的硬前置 | 限流与配额——公网开放等于开放一个花钱的接口，没有限流不上线 |
这是四项作品里唯一会开放可运行入口的一项，也是第一个挂上站的智能体。