让知识点生产可追踪、可复用、可迭代
这个项目面向教学知识点词条生产场景，目标是把原本分散在检索、写作、引用和审核中的工作，整理成一套稳定、可追踪、可复用的内容生产流程。
场景背景
教学知识点词条通常需要覆盖概念定义、形成机制、分类框架、教学应用和参考来源。相比普通文章，它更强调结构稳定、证据完整和便于后续审核。
核心用户
主要面向学生和教师：学生可以获得结构清晰、依据可查的知识点解释，教师可以更高效地整理备课资料、生成教学内容并复核关键引用。
产品定位
它不是一次性生成文章的工具，而是知识工坊平台中的内容生产入口。用户可以通过工作流自主生成知识点，系统再将词条进入审核、版本管理和知识库沉淀流程，形成可持续扩展的知识生产闭环。
传统生产流程中的关键痛点
资料来源分散，人工检索和筛选耗时，容易漏掉关键证据。
不同编辑的写作结构不统一，词条深度和颗粒度不稳定。
引用来源、事实依据和生成过程难追踪，审核时需要重新查证。
质检主要依赖人工经验，问题往往在后期集中暴露，返工成本高。
生成结果进入知识工坊继续流转
我的核心工作聚焦在知识点生成工作流设计与落地；知识工坊平台侧能力用于承接最终词条，让生成内容进入知识库、审核、版本和数据监控等后续环节。
知识点生成
学生和教师可以通过对话式输入生成知识点，并选择学科、详细程度等参数。
知识库沉淀
生成后的词条进入知识库，支持按学科、分类和知识体系进行组织管理。
审核中心
AI 生成或人工提交的词条进入审核队列，支持人工处理、状态筛选和质量把关。
版本管理
记录词条修改和审核过程，便于追踪内容变化并回溯历史版本。
数据看板
展示总知识量、每周新增、生产进度、各学科产能和质检分布。
服务监控与日志
记录系统运行、用户行为和生成过程，为后续优化工作流提供依据。
从 0 到 1 设计内容生产链路
我负责把知识点词条生产拆成 Agent 可以执行、编辑可以复核、系统可以恢复的阶段化流程。
将知识点生产拆成 11 个可执行阶段，从任务输入、大纲规划、证据检索到最终质量报告，形成稳定的 Agentic Workflow。
设计自有资源库、OpenAlex 和外部搜索的多源检索策略，并通过证据覆盖度判断是否需要继续补充检索。
加入引用校验、质量评分和自动修订闭环，让最终内容不是黑盒生成结果，而是带有依据、状态和过程记录的可审核产物。
从一个词条任务到最终可交付内容
工作流把“生成文章”前置为“先规划、再找证据、再生成、再校验、再修订”。这样做的价值是让每个阶段都有明确输入输出，也能在结果不理想时定位问题发生在哪一步。
任务输入
用 entry_name 和 background 定义词条主题、教学背景和生成边界。
大纲生成
先产出教学导向的大纲，约束正文结构和知识覆盖范围。
检索问题
把大纲拆成可搜索的问题，明确每轮检索需要补齐的证据。
多源检索
整合自有资源库、OpenAlex 和外部搜索，按覆盖度迭代补充材料。
正文生成
生成 Markdown 词条和结构化结果，保留后续审核需要的信息。
图表建议
为复杂概念补充可视化占位和图表说明，提高教学表达效率。
引用校验
抽取并验证引用，修正格式问题，降低事实和来源风险。
质检修订
输出 100 分质量报告，生成修订计划并完成二次检索和正文修订。
完整 DeepResearch 工作流
这张图展示了主生成链路、质量驱动修订链路和输出追踪链路，便于理解词条从输入任务到最终入库前的完整生产过程。
让内容生产可检索、可校验、可恢复
结构化任务输入
用轻量 JSON 输入定义词条名称和背景，降低批量生产时的准备成本。
检索问题生成
先把写作目标转成检索问题，再让搜索围绕缺口展开，而不是盲目堆资料。
多源证据检索
同时接入自有知识库、学术来源和外部搜索，让内容依据更完整。
引用校验
对正文引用进行抽取、验证和格式修正，减少不可追踪引用带来的审核风险。
质量评分报告
用 100 分质量报告检查结构、证据、表达和教学适配度，给出明确修订方向。
修订闭环
根据质量报告生成修订计划，补充检索后再生成最终版本。
断点恢复
每个阶段都有状态记录，已完成任务可以复用，适合长流程和批量运行。
过程可追踪
保留 LLM、搜索、事件和阶段日志，便于定位问题和优化流程。
一套可复用的知识点内容生产系统
11 步
自动化工作流
3 类
检索来源
100 分
质量评估
批量
词条任务运行
可恢复
阶段状态
可追踪
LLM / Search 日志
项目最终产出的不是单篇词条，而是一套可接入知识工坊的知识点生产流程。系统会保存任务状态、阶段输出、最终正文、质量报告和过程日志，生成结果后续可进入审核、入库和版本管理环节。