核心 GUIDE
长内容一致性
真正连贯的长内容会把 Claim、Terminology、Voice 与 Decision 外部化，而不是依赖一条超长 Prompt 记住所有事情。
核心心智模型
Long-form Generation 是 State-management Problem：Argument Map、Source-backed Claim、Terminology 与 Chapter Contract 共同构成 Durable Editorial Memory。
为什么重要
模型可以写出非常好的一个 Paragraph，但 20,000 字 Manuscript 仍然会慢慢自相矛盾。Definition 漂移、Evidence 被错误复用、Voice 改变，原因在于 Local Generation 并不会自动维护整个 Project 的 Global State。
01
把 Manuscript State 外部化
维护 Argument Outline、Source-backed Claim List、Glossary、Editorial Constraint 与 Chapter Brief。每一次 Drafting 只接收当前相关的子集，而 Review 则把 Local Text 与这些 Shared Artifact 对照，而不是期待模型自己记住整本 Manuscript。
02
例子：同一个概念在不同章节变了含义
第 2 章把 Verification 定义为 Independent Evidence Checking，第 8 章却把 Verification 写成“再问模型一次”。Glossary 与 Claim Ledger 能在 Review 阶段暴露这种 Semantic Drift，避免矛盾继续扩散到整本书。
常见失败模式
- 把整本 Manuscript 塞进 Prompt，再只写一句“保持一致”。
- 只用 Summary 保存 Exact Claim 与 Terminology。
- 做 Style Editing 时不重新检查事实与概念一致性。
工程启发
- 在 Generated Prose 之外维护 Glossary 与 Claim Ledger。
- 每个 Chapter 都有明确 Brief，并说明它与 Global Argument 的依赖。
- 把跨章节 Terminology、Repetition 与 Contradiction 作为独立 Review 任务。
关键结论
- 01Local Fluency 不保证 Global Coherence。
- 02Editorial Artifact 可以作为 Writing System 的 Durable Memory。
- 03Long-form Verification 应把文本与 Shared Project State 进行比较。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。