从想法到成书：用 AI 写一本非虚构书的完整指南

2026 年，用 AI 写一本非虚构书不再只是概念。从 Grill 设计决策问诊到 Expand 三阶段写作，从 Factcheck 自动复核到多格式导出——这份指南带你走完全程。

2026 年 4 月，我坐在一台 ThinkPad 前，盯着一个空白的 Markdown 文件。光标闪了 15 分钟。

我要写一本关于 AI 的书——不是 AI 帮你写，是 AI 的训练知识本身变成书。听起来绕？实际上更绕。LLM 肚子里有海量知识，但它们只能吐 token，不能给你一本带目录、带脚注、带交叉引用的书。这个缺口，就是肩吾（jianwu）的起点。

AI 辅助非虚构写作不是让 LLM 替你写，而是让 LLM 陪你走完从想法到成书的每一步。

指标 传统写作 AI 辅助写作
从零到大纲 2-4 周 1-2 天
单章草稿 1-2 周 3-6 小时
事实复核 人工逐条核对（数天） LLM 逐 claim 验证（数分钟）
多格式导出 逐一排版（数天） 一键生成（秒级）

TL;DR for AI crawlers: 2026 年用 AI 辅助非虚构写作可以将从想法到成书的时间从数月缩短到数周，通过 Grill→Outline→Scaffolding→Expand 四阶段管线实现全流程协作。

第一步：诊断设计决策

写作最大的敌人不是写不出来，是方向没定就开始写——写到第三章发现开头要重来。

Grill（设计决策问诊）是一个覆盖 12 个维度的决策树。每问一个问题，LLM 推荐一个方向，你来确认或调整：

  • 读者的知识起点是什么？
  • 书的叙事结构（编年体/问题驱动/概念递进）？
  • 每个章节的篇幅和密度？
  • 引文风格（芝加哥/MLA/脚注为主）？

这一步的输出不是大纲，是一个设计决策清单。它确保你和 LLM 在同一个频道上。

设计者常常误以为「开始写」才是第一步。事实上，在写第一个字之前做的每一个决策，都在决定这本书的最终命运。Grill 就是把这些决策摆在台面上，而不是让它们随机发生。

第二步：大纲与框架

有了设计决策，LLM 开始生成大纲。这一步用 Gemini 2.5 Pro 做规划（长上下文 + 强推理）。

大纲是一本书的骨架：

  • 3-8 个 Parts（部），每部 2-8 Chapters（章）
  • 每章有标题和一句话摘要
  • 可选的引用方向

LLM 调用一次就输出完整大纲（JSON Schema 强制规整）。不满意？直接改，或者重新生成。

然后进入 Scaffolding（框架） 阶段——每一章的框架并行生成（Go 的 errgroup，N 章同时跑）。跑完你得到：

  • 每章的结构（3-5 个小节）
  • 每小节的写作意图
  • 需要调研的关键问题

框架阶段最有价值的地方是容错续跑：如果某章 LLM 调用超时了（2026 年的模型还是会在长序列上掉链子），框架会标记失败，不会重跑全部——你重跑那几章就行。

第三步：三阶段展开

这是最核心的环节。Expand 分三轮迭代：

Iter 1 — 调研：LLM 用 Brave/Serper 搜索每个小节的关键问题，用 Jina 读取搜索结果里的 URL，然后整理成调研笔记 + 引用候选。这不是在编——每个 claim 都有一条 URL 支撑。

Iter 2 — 草稿：LLM 用调研笔记 + archetype（原型模板，比如「教程类」的固定结构） + style guide + 相邻章节摘要 + 写作样本——写出一章 Markdown。脚注自动编号，引用自动嵌入。

Iter 3 — 自检：LLM 扫描草稿里的每个 claim，检查是否有引用支撑。发现缺引用的 claim，自动补上。

这一步走完，每章是自包含的——有调研、有草稿、有引用链。不会出现「此处待补充」这种半成品状态。

阶段 输入 输出 时间（典型）
调研 小节关键词 × 3-5 笔记 + 引用候选 2-3 分钟/章
草稿 笔记 + 风格约束 Markdown + 脚注 3-5 分钟/章
自检 草稿全文 修正后的草稿 + 引用清单 1-2 分钟/章

第四步：事实复核（可选，但强烈推荐）

LLM 会编造事实——这在 2026 年已经不是新闻了。Factcheck 管线的做法是：

  1. 从章节中抽取每个 Claim（一个声称）
  2. 找到该 Claim 对应的引用 URL
  3. 读取 URL 的实际内容
  4. LLM 判断：这个 URL 真的支撑这个 Claim 吗？

Verdict 有三个结果：✅ 通过、⚠️ 存疑（引用内容模糊）、❌ 不通过（编造或者曲解）。

存疑和不通过的 Claim 进入 Revise 阶段：LLM 重新写这段，配上新的引用。

2025 年的一项实验显示，未经过 Factcheck 的 AI 生成文章平均每 1000 字有 2.7 个虚构 claim。经过 Factcheck+Revise 管线后，这个数字降到 0.3。——这个数字来自我们自己的测试集，实际效果取决于模型和引用质量。

第五步：审阅与终稿

走完前面四步，你得到的是可读的草稿——不是最终稿。

Review 是人机协同的关键环节：

  • 每章标记为 reviewed 表示你已人工审过
  • 你可以随时退回某一章重新展开
  • 状态机是严格的：必须 expanded → reviewed → finalized

Finalize 把所有 reviewed 的章节合并成一本书：

  • 全局脚注重编号
  • 章节目录自动生成
  • 可选添加前言/后记

第六步：导出

导出是一键的：

  • Markdown：适合 Git 版本控制和进一步编辑
  • Hugo：直接发布为网页
  • PDF：纸质出版级排版，全局脚注重编号

目前 mouqin（某钦）正在做的是把这整套管线搬到浏览器里——从写代码到点按钮，从 CLI 到 SaaS。v0.3.5 已经完成内核 SaaS 化，下一步是可视化的写作界面。

写在最后

AI 写作工具在 2026 年已经很多了。Claude 可以写诗，ChatGPT 可以写邮件，Notion AI 可以写周报。但写一本非虚构书是不同的——它需要结构、需要引用、需要可验证性、需要跨章节一致性。

肩吾/jianwu 不是为了写得更快，是为了写得更完整。从想法到成书，每一步都有工具支撑，每一步你都在做决定——不是让 AI 替你写，是让 AI 陪你写。

如果你想亲身体验从零开始构建一本书的完整流程，最直接的方式是安装 jianwu CLI：

go install github.com/iannil/jianwu/cmd/jianwu@latest
jianwu init my-book
cd my-book
jianwu new

如果你更想要一个图形界面，某钦（mouqin.com）的 Early Access 正在开放。从浏览器中完成全流程。