论衡：一个多 Agent 深度长文流水线

用 AI 写深度文章，最容易出三个毛病：编造引用、材料堆砌、重复他人观点。论衡（lunheng-article-pipeline）就是为解决这三个问题而生的一套多智能体写作流水线。它已经在 ClawHub 技能市场上连续 5 次 Security=CLEAN 扫描通过，跑通了 3 篇不同主题、不同规模的深度长文 + 1 次 v2.1.8 三方并行 dry-run 验证。这一篇，是一次完整的能力边界说明。

为什么需要流水线：直接对话 vs 论衡

理论上，直接和 AI 对话也能写出一篇深度文章——开头钩子、几个观点、配几个例子。但在 5000 字以上的深度文上，几乎必然撞到三面墙：

第一面墙：幻觉与溯源失联。 AI 不会主动告诉你「这条引用我没查到 URL」「这个数字是 2021 年的现在可能不准」。对话结束，这些错误就永远留在文里——你得到一篇「看起来完整但站不住脚」的文章。

第二面墙：审计缺位。 对话模式下，写作者和审计者是同一个 AI（甚至同一个人）。你让 AI 写完再让它自己审——它倾向于说「好的，我看了一遍没大问题」。这是角色冲突，不是质量问题。

第三面墙：执行层脆弱。 写到一半卡住 10 分钟、AI 直接消失、你也不知道它写到哪了——这种事故在长对话里几乎必然发生，但没有任何应对机制。

论衡的核心优势不是「更聪明的 AI」，而是「机制保证严谨」——把一篇深度文的写作拆成 7 个角色 + 5 个阶段，给每个角色加独立审计，给执行层加韧化机制，给外发项加主人控制。差异如下：

最本质的差异：直接对话靠「prompt 工程」，把所有责任压在主控一个角色身上——「能不能写好」取决于你 prompt 写得有多精；论衡靠「机制设计」，把责任拆给 7 个角色 + 11 项独立审计 + 4 道人工关卡——「能不能写好」取决于机制本身的设计。

一句话总结：对话写考验的是你的提问能力；论衡写考验的是你的把关能力。对话写 AI 帮你想，但 AI 也会帮你错；论衡写 AI 帮你写，但机制逼它站得住脚。

真人写论文 vs 论衡：不是替代，是辅助

真人写论文（受过学术训练的研究者）和论衡写论文，差异更大。先说清楚论衡不能替代真人的部分，再说清楚论衡能辅助真人的部分。

论衡不能替代真人的 5 件事

• 学术训练——方法论、理论框架、研究设计，论衡完全没有
• 一手研究——实验 / 调查 / 访谈 / 田野调查，5 类不适用场景明示
• 原创思考——多年学术直觉、跨学科联想、理论贡献，论衡无法涌现
• 学术身份——投稿署名 / 答辩陈述，论衡无法承担学术责任
• 学术圈互动——同行交流、会议反馈、审稿人挑战，论衡无法参与

真人写论文的核心是「学术训练 + 一手研究 + 深度思考」；论衡写论文的核心是「多角色分工 + 独立审计 + 主人把关」。两者不是替代关系。

论衡能辅助真人的场景

速度 / 成本对比

• 真人写一篇 8000 字深度文：数天（含文献阅读 + 整理 + 写作 + 校对，估算）
• 论衡写一篇 8000 字深度文：约 2 小时（含主人在环 4 节点时间）
• 真人引用准确性：约 90-95%（凭记忆 + EndNote 抽检，估算）
• 论衡引用准确性：强制 URL/DOI + 双向 diff 校验（事故后归零）

一句话

真人写论文靠学术训练；论衡写论文靠机制设计。 论衡不是更聪明的真人，是更严谨的协作伙伴——真人做研究、想概念，论衡做检索、整合、初稿、规范。

学术期刊投稿这种需要学术身份的工作，仍是真人做；公众号深度文章 / 行业报告 / 政策评论 / 跨学科综述这种「时效 + 严谨 + 结构化」的工作，论衡是优势。

一、它是什么：七角色 × 五阶段

论衡把一篇文章的生产，拆成 7 个 AI 角色 + 5 个阶段，各司其职、层层把关。

主线六角色

• 主控（Coordinator）——定题、拆解、派发、终检、状态机
• T1 文献检索员（Literature Scout）——检索真实文献，产出文献卡 [Lxx]（标 A/B/C 可信度）
• T2 数据检索员（Data Scout）——检索有溯源的数据，产出数据卡 [Dxx]（标 🟢🟡🔴 时效），冲突时强制并列呈现；顺带产出案例卡 [Cxx]
• T3 分析员（Analyst）——把素材变成论证结构，做论点-论据映射 + 反方论证规划
• T4 写手（Writer）——按大纲成文，引用标号、数字溯源、严守写手铁律 + 去 AI 味纪律
• T5 审计员（Auditor）——独立挑错，只审不改（G0-G11 十一项独立审计）

可选 / 终检

• T6 案例检索员（Case Scout）——重量场景独立 spawn，专门检索事件结构证据
• T7 终检交付——四节引用清单 + 双向 diff 校验 + 主人终审

五阶段推进

1. Phase 0 定题（人）—— 主人确认主题、期刊模板、引用格式 → 写 01-任务简报.md + 初始化 status.md
2. Phase 1-3 流水线 —— T1/T2 并行 → T3 → Phase 2.5 大纲主人确认 → T4 → Phase 3.5 洞察补充
3. Phase 4 审计 —— T5 R1 → 写手交修订说明 + 修订稿（≤2 轮）→ T5 R2
4. Phase 4.5 配图 —— image_generate 封面 + SVG 矢量风插图
5. Phase 5 终稿 —— 主人终审 + T7 终检交付（含文末四节引用清单）

写手只看主控派发的素材卡片；审计员只看已成型的稿件——这种「流水线上的物理隔离」，是后续所有审计和质控机制能成立的基础。

二、三角验证：每句话都有证据底座

论衡最核心的设计是「三角验证」——任何论点都必须能映射到三类证据：

• 文献卡 [Lxx] —— 理论 / 学术依据（这事有没有人研究过）
• 数据卡 [Dxx] —— 量级 / 趋势（这事多大、占比多少）
• 案例卡 [Cxx] —— 事件结构（这事具体怎么发生的）

三类卡片不够就标 GAP，不许编造；写手只能写卡片里真实存在的内容。

为什么有「案例卡」这一块？论衡最早只设计了文献 + 数据两类证据，遇到「这事具体怎么发生的」类论点（比如企业行为、突发公共事件）就只能编故事——这违反「不编造」原则。补上案例卡后，T6 案例检索员在重量场景下独立 spawn，专门检索事件结构证据；审计加 G2.5 案例核验防止「案例描述失真 / 伪造细节」。

三、三不原则 + G0-G11 十一项独立审计

三不原则（质量底线）

• 不编造 —— 引用带 URL/DOI，数据带来源年份，审计分级抽验；防「幻觉 / 假引用 / 假数据」
• 不堆砌 —— 强相关性铁律：每条材料必答「它支撑哪个论点」+ 反向淘汰自查；防「材料凑数 / 观点堆砌」
• 不重复 —— T1 先行者检索 + T3 差异点声明 + 审计 G7 原创性审计；防「重复 / 改写已公开文章」

G0-G11 十一项独立审计

审计员只挑错不修改，把「改稿」责任留给写手。任意一项不通过，主控就 spawn 写手交「修订说明 + 修订稿」，最多 2 轮。第 2 轮还不过主控直接接管修订。

• G0 全局设计一致性
• G1 任务边界符合度
• G2 来源真伪核验
• G2.5 案例描述核验
• G3 引用标号与文末对应
• G4 数据溯源 + 文末数据来源节
• G5 反方论证完整性
• G6 论据类型自标（观点来源 vs 理论贡献）
• G7 原创性审计
• G8 成品度审计（8 项：过程语言 / 角色元数据 / 临时编号 / 元话语 / 修订文件 / 占位符 / 结构对称 / 字数偏差）
• G9 时序合理性（4 项：总耗时 / 分阶段 ack / 心跳记录 / 文件时间戳）
• G10 核心模型一致性（五方主体三处表述一致审计）
• G11 数据时效失效告警（🟡 / 🔴 数据超过时效阈值自动报警）

审计员把这十一项当独立标尺——任意一项「红」都会在审计报告里标黄标红、写手必须逐项回应。这种「只挑错不背锅」的分工，是流水线和单兵 AI 最本质的区别。

四、人在环：四节点必须人工确认

AI 不是黑箱。论衡在四个关键节点强制人工介入：

• Phase 0 定题 —— 主人确认主题、期刊模板、引用格式
• Phase 2.5 大纲 —— 主人确认论证方向（改方向成本最低）
• Phase 3.5 洞察补充 —— 主人在审计前补一线经验 / 具体场景
• Phase 5 终稿 —— 主人终审

为什么要有 Phase 3.5？前面只有「定题 → 大纲 → 终稿」三节点，结果主人一线教学经验如果在终审后插入，会冲掉已经审计过的文末四节；在审计前插入，主人可以把自己对论文最有价值的「实战细节」嵌进正文相应位置。结果调整之后，「具体到刺痛感」的内容有了它该在的节点。

五、执行层韧化

内容质量的前提是流水线不能中途崩溃。论衡开发中遇到过一次关键事故——T3 分析员连续三个模型（deepseek-v4-pro / minimax-m3 / claude-opus-5）全部超时，主控亲自下场补大纲。这不是能力问题，是执行层根本没考虑模型会超时。

为此设计了三层韧化机制：

30 秒心跳 + 分阶段 ack

每个角色卡接收任务后必须 30 秒内 ack。按任务时长分 3 档（小任务 5 分钟 / 中等 15 分钟 / 大任务 30 分钟），超时按档位分级响应。

模型健康度预检

T 派发前主控先做「1-token ping」测活，30 秒无响应降级 fallback。agents.defaults.models.fallbacks 配 4 档：deepseek-v4-flash → deepseek-v4-pro → minimax-M3 → claude-opus-5。

8 分钟硬卡

单个 T 角色卡超过 8 分钟必须 kill：6 分钟警告 → 7 分钟 partial 产出抢救 → 8 分钟 kill 让位下一个 T。主控「介入机制」补 6 步标准动作（拍醒 → 查 sessions → 换模型重派 → 接受 partial → 写介入日志 → 重试上限 2 次）。

韧性化和审计是同一件事的两面——这次事故也直接催生了 G8 成品度审计和 G9 时序合理性审计。

六、文末四节引用清单

论衡最初只交付「参考文献」一节。结果教师场域孤岛定稿时，主人终审发现文末缺数据 / 案例两节来源清单：35 条 [Dxx] 和 8 条 [Cxx] 全部裸奔——写手只搬运了 [Lxx] 参考文献，主控终检没卡，审计 G4 只审引用编号不审 final 阶段。

「不修复不许发。」

现在文末固定四节：

1. 数据来源（[Dxx] 全部数据点带年份 / 单位 / 链接）
2. 案例来源（[Cxx] / [C-主xx] 全部案例带事件结构 + 各方说法链接）
3. 参考文献（[Lxx] 全部文献带 DOI / URL）
4. 先行者文献（原创性保证引入，列出已检索到的同主题文章 + 本文差异点声明）

每节写完后必须做双向 diff 机械化校验——这是所有项目交付前的硬卡：

# 引用了但文末没列出的 = 漏
comm -23 <(grep -oP '\[L\d+\]' 初稿.md | sort -u) \
          <(grep -oP '^\*\*\[L\d+\]' 参考文献.md | sort -u)
# 文末列了但正文没引用的 = 假引
comm -13 <(grep -oP '\[L\d+\]' 初稿.md | sort -u) \
          <(grep -oP '^\*\*\[L\d+\]' 参考文献.md | sort -u)

双向 diff 通过才允许发布。这套机制之后，再没出现过「引用编号对不齐」类事故。

七、边界明示：5 类不适用场景

论衡是「论文 / 深度文章」写作流水线，擅长主动检索已发布证据 + 整合主人投喂的证据。

论衡能主动采集（T1 文献 / T2 数据 / T6 案例）

• ✅ 已发布的学术文献（PubMed / CNKI / Web of Science）
• ✅ 已发布的统计数据（教育部 / 统计局 / 行业协会）
• ✅ 已发布的案例与报道（媒体 / 法院判决 / 行业报告）
• ✅ 政府发布的统计 / 报告 / 调查 / 政策文件

论衡不能主动采集（需主人投喂）

• ❌ 一手原始数据采集 —— 实验 / 调查 / 访谈 / 田野调查
• ❌ 统计分析（SPSS / R / Python）—— 可引用结果，不执行计算
• ❌ 图表原始数据采集 —— 做可视化，但爬虫 / OCR / 语音转文字需主人专门工具
• ❌ 原创图片 / 视频生成 —— 有 image_generate（封面 / 插图），但不拍摄实物 / 录制视频
• ❌ 代码执行 —— exec 不在 15 项白名单内

判断口诀：问「这个证据是已发布的数据 / 文献 / 案例吗」——是，论衡主动采集；不是，主人投喂后再用。

这个边界是怎么来的？主人在评审教师场域孤岛论文时提出一句话：「实验数据和调查问卷部分没法做，除非主人投喂内容与数据。」论衡最初会尝试主动编一个看起来合理的实验方案——这违反「不编造」原则。现在改成「明确告知主人需要投喂 + 等待投喂 + 整合投喂」三步走。

论衡的能力定位调整也值得一提：之前曾用「证据的下游整合器」作为口号——这话有点绝对，论衡本身就是个主动采集系统，只是某些类型不能采集。现在的表述改成「能主动采集 vs 不能主动采集」二分法，更准确。

八、Phase 0 强同意关卡

论衡流水线下面任何一个阶段调用以下工具，会发数据到外部服务商——主控必须在 Phase 0 给主人「4 选 1」明示同意：

主人选项 + 同意时间写入 01-任务简报.md 头部作为审计可追溯依据。

ClawHub Security 状态：到 ClawHub 技能市场以来连续四次 Security=CLEAN 扫描通过。这中间曾有一次盲区：scanner 页面 UI 显示 Moderate CLEAN，但其实 advisory findings 字段还藏了 6 项 MEDIUM / LOW——「UI 干净 ≠ 实际干净」这种情况直到被一位安全意识强的用户抓出来才注意到。修法很简单：所有 user-facing 警告一律放文件顶部（不再埋在 changelog / operational rules 里），扫描器一看就懂；扫描结果变成 6 项 findings 全部归零。

九、实战案例（3 篇 + 1 次 dry-run 验证）

v2.1.7 实战跑通 3 篇不同主题的深度长文。v2.1.8 升级后新增 1 次 dry-run 实战验证（中国短剧出海 ≥ 9 条案例）证明三方真并行架构可实战。

dry-run 含义：v2.1.8 架构跑真实论文项目能达到的下限标准——三方真并行 14 分钟 + 74 条证据 + 三角验证 12 论点。下次真实论文项目（重量场景）就是这套标准。

九·五、v2.1.8 架构升级详解：三检索员独立并行 + 0 条空卡协议 + 互不干涉铁律

v2.1.7 的六角色 + T6 案例员是「可选重量场景」机制——轻/中案例由 T2 数据员兼带出。这导致三个问题：

1. 检索焦点混乱：T2 的 prompt 同时要管数据 + 案例，检索关键词被分散；
2. 案例质量不稳定：轻量场景 T2 顺带出案例时，案例方法论被稀释（只有 30-40% 精力在案例）；
3. 失败传染：T2 案例检索失败会拖累数据检索。

v2.1.8 全面重构了检索层——任何量级（含 0 条）必 spawn T6 案例员，与 T1 文献员 + T2 数据员三方真并行，互不干涉。

1. 三方真并行：wall-clock 节省 38-50%

T1∥T2∥T6 三个独立 sessions_spawn 在同一 function_calls 块内并发启动——

• v2.1.7 串行：T1（8 分钟） + T2（12 分钟含案例）= 20 分钟
• v2.1.8 并行：max(T1=8 分钟, T2=8 分钟, T6=8 分钟) = 8 分钟

实战 dry-run 验证（B 场景：中国短剧出海 ≥ 9 条案例，2026-08-17 12:37）：

2. 0 条空卡协议：cases=0 场景的优雅处理

v2.1.7 对「主题本身就是方法论/框架性内容，不需要案例」的场景没有专门机制——T2 顺带出案例会强行出 [C01-C03]，污染论文结构。

v2.1.8 引入0 条空卡协议：

• 触发条件：任务简报明确声明「主题为方法论 / 框架 / 不需要案例」
• T6 prompt 显式声明：「本次任务无案例需求，输出 [C-空] 卡」
• 空卡格式：

[C-空] 本次任务无案例需求
├ 主题：<任务简报主题>
├ 主题属性：方法论 / 框架 / 纯理论
├ 案例数量：0 条
├ 显式声明：本次任务根据任务简报判定无案例需求
├ T6 状态：spawn + 空卡 + 立即 Done
└ T0 合并层处理：标记「本次无案例需求」，不阻塞主流程

结果链：T0 主控合并层收到 [C-空] → status.md 标 本次无案例需求 → T3 分析员按三角验证 [L]+[D] 双档降级启动 → T5 审计 G2.5 案例专项审计自动跳过（案例数 = 0）。

3. 互不干涉铁律：技术实现

三方检索员严格隔离：

硬约束：
– ❌ T6 不写 data/ 目录（属 T2 职责）
– ❌ T2 不写 cases/ 目录（属 T6 职责）
– ❌ T6 不做纯数据检索（纯量级数字归 T2）
– ✅ 三角验证由 T0 主控合并层统一处理
– ✅ 任一 T 失败，T0 标「[待补]」+ 三角降级，不阻塞其他 T

4. v2.1.7 → v2.1.8 升级对比

5. 升级 5 层真源同步（教训 #49 + #60）

v2.1.8 升级涉及5 层真源同步（不是 4 层）：

1. Git commit + tag：952ce4c + v2.1.8（本地 + 远程一致）
2. paperwriter 真源 + ClawHub 副本：15 文件双端 md5 一致
3. OpenClaw 配置层：论衡 description + model.fallbacks 4 档 + profile coding
4. GitHub Web UI：description + 5 topics + 顶层 README
5. OpenViking entity memory：论衡 v2.1.8 完整描述
6. ClawHub skill ZIP 推送：lunheng-article-pipeline@2.1.8（scan verdict=clean）

5 层真源 SOP 是 v2.1.8 升级核心教训：每次 release 必须显式列出所有 5 层同步触发点（cp / config.patch / GitHub API / memory_store / clawhub publish），各层独立触发不自动对齐。

6. 实战迁移建议

如果你已经在用 v2.1.7 跑真实论文项目，v2.1.8 升级是无缝迁移——

• ✅ run/ 目录实战项目不需要改动（历史归档，教训 #46）
• ✅ 论衡 v2.1.8 发布后，实战项目按新机制跑（cases=0 也走 T6 空卡协议）
• ✅ 三角验证表自动生成 [L]+[D]+[C] 三档（v2.1.7 是 [L]+[D] 双档 + 案例卡可选）
• ⚠️ 实战项目 01-任务简报.md 需要显式声明 cases 需求量（含 0 条场景）
• ⚠️ 论衡 agent profile 标签从 full 改为 coding（跟 novelist 一致，仅标签，实际工具集不变）

第三篇是文末四节 + 双向 diff 校验机制的驱动案例——主人终审时发现文末缺数据 / 案例两节来源清单，「不修复不许发」。这次事故直接推动了现在的引用清单四节化设计。

怎么用

前置条件

需要能跑 OpenClaw 的环境（CLI 或 daemon），版本 ≥ 0.23.3。

方式一：从 ClawHub 一键安装（推荐）

openclaw skills install lunheng-article-pipeline

装好后自动注册到 OpenClaw workspace：

openclaw skills list | grep lunheng

方式二：从 GitHub 克隆本地安装

git clone https://github.com/zuoyunlai/lunheng-article-pipeline.git
cd lunheng-article-pipeline
openclaw skills add $(pwd)

验证安装

openclaw skills list | grep lunheng
# 应看到：lunheng-article-pipeline 1.0.x

开始使用

在 OpenClaw 主会话里直接对 AI 说：

用论衡写一篇关于 XXX 的深度长文（约 8000 字）

主控会按七角色流水线自动推进：定题（Phase 0）→ 文献检索 + 数据检索（T1 / T2 并行）→ 分析员（T3）→ Phase 2.5 主人大纲确认 → 写手（T4）→ Phase 3.5 主人洞察补充 → 审计（T5 R1）→ 写手修订 ≤2 轮 → 审计（T5 R2）→ 配图（Phase 4.5）→ 终检（Phase 5 主人终审 + T7 终检交付）。

使用者会在四个节点被叫醒确认：定题、大纲、洞察补充、终稿。

模型与配置

论衡默认按能力分层选模型（检索便宜快 / 分析写作强推理 / 审计顶配 / 主控稳定），可在 pipeline/README.md 的「模型配置与更换指南」章节里换成自己本机可用的任意 OpenClaw 兼容模型。

尾声：论衡的定位

论衡是「严谨落地器」——原创想法来自人机对话，它负责把想法变成站得住脚的文章。5 类不适用场景作为边界明示，「能主动采集 vs 不能主动采集」二分法作为能力定位，Phase 0 强同意关卡把外发项控制权完全交给主人。

防御性机制不是缺陷，是定位——保证严谨才是深度分析最值钱的东西。如果你也在用 AI 写深度内容，欢迎拿去用、提意见。具体行动：GitHub star / 提交 issue / 知乎或小红书讨论（搜索「论衡 lunheng」）。

• GitHub：github.com/zuoyunlai/lunheng-article-pipeline（MIT）
• ClawHub：OpenClaw 技能市场可一键安装
• 论衡定位：严谨落地器，非概念生成器