你的标书，
你比 AI 懂

他会问，因为知道自己判断不如你。AI 不会问，它直接拆。

这就是我们做素材库时撞上的根本问题：AI 能按文档结构判断「这两段像不像」，但「这段写得好不好、客户满不满意、哪一版在现场最管用」，是使用经验，不在文档结构里。

一天推翻三版的记录

我们试过让 AI 自动拆历史标书。一天之内推翻了三版：

第一版，自动识别三种形态：整章、片段、图片。历史标书质量参差不齐，AI 的裁定跟着摇摆，误判没完没了。

第二版，让 AI 一次性裁定：每章该不该复用，逐个给出理由。工程上更讲究了，但输出协议太重，长文档动不动超时截断，遇到平铺无结构的文档直接全崩。

第三版，改成例外式协议：默认可用，只报告例外。这次工程上总算稳了，但我们停下来看了看，发现根本问题一点没动——它还是在替你猜。猜得再稳，也是猜。

最终版回到了最笨的办法：你在目录树上勾选区间，勾「第三章 技术方案」的某几段，写一句备注，比如「这是给制造业客户做的，客户很满意」。这句备注进检索索引，AI 检索时连块带备注一起看。

零 AI 裁定，听起来像技术退步。其实是把判断还给有判断力的人：AI 负责搬——检索、注入、改写、核对使用率；你负责选。

备注是最好的索引

你写备注的时候，想的是「这段好在哪、下次什么场景能用」。这正是检索真正该匹配的语义。

AI 自动生成的标签是文档结构的影子：它知道这段叫「技术方案」，不知道这段是当年拿过分的那版写法。你的备注是使用经验的结晶——所以它比任何自动标签都准。

配套的细节：多区间勾选，勾父章节带子树，部分勾选显示半选态，嵌套区间自动去重；每个块记录 AI 用过几次、用在哪些节；同一段内容被指派给两个节会被拦下来——逐字重复在标书里没有正当场景。

AI 觉得你挑得不合适，怎么办

有一个场景值得单独讲：你勾了这段素材，AI 写作时觉得它跟这一节不匹配。它该怎么办？

自动替换？不行——那就回到了「替你猜」。跳过不用？也不行——素材里的图和格式就丢了。

我们的做法是：照常注入、照常改写，另外留一条「素材异议」批注带回给你——哪个块、为什么不符、它怎么处理的，改不改你定。

为什么必须是批注？因为机器校验测得出「用没用」（逐字重叠率摆在那），测不出「该不该用」——照搬越多分越高，最糟的情况反而全绿。这种判断的出口只能是人的批注，不能是更聪明的自动替换。

几条从教训里长出来的规矩

块是授权范围，不是注入原子。两万四千字的大块，不该被「一块只能喂一节」卡死——写作的人应该可以只用其中三段。所以块定义的是「你可以从这里拿」的边界，拿多少由写作时按节定。反过来，同一内容区间不许进两节，这是逐字查重守着的线。

有图要标出来。发生过整本任务八十七张素材图，正文一张没用上的事——检索结果不标含图，写的人就不知道有图可贴。现在检索命中标「含图 N 处」，贴图有专门的通道，证书复印件一页一页进正文。

临时案例只借写法。标书写完，把一个类似案例丢进输入框当参考？可以，但有三条纪律：只借写法不抄事实（案例的项目名、客户名、数字不进你的标书）；和招标文件冲突时，听招标文件的；案例内容要改写，不整段拷贝。

最后诚实说一句冷启动：素材库从零开始，需要你把历史标书一份份勾进来。AI 自动拆解看似省了这一步，实际是把质量风险藏进了黑盒。验证过的资产，本该有你的一份功夫。

素材选好了，要进真正交付的 Word。下一篇《标书生在 Word 里》。