上下文窗口正在变成一场军备竞赛：Gemini 4 Carbon 支持 100 万 token，GPT-6.1 Terra 报到 105 万，Claude Fable 5.5 也是 100 万。理论上，你可以把十份年报和三十篇论文一起丢进去，让它写一份万字长报告。
但实际做过的都懂：把料全塞进去，出来的东西往往又长又平。上下文变长，不等于文章变好。这篇文章讲的是怎么用长上下文真正写出能交付的长文。
一、先纠正一个误区
很多人以为长上下文的价值是“一次喂更多资料”。真正的价值是“一次喂完整逻辑”。
短上下文时代，你只能分章节写，每章写完再接龙。问题在于：写到第五章时，模型已经忘了第一章立的论点，于是开始重复、漂移、自我矛盾。长上下文解决的正是这个——它让整篇文章的论证结构能同时存在于模型的视野里。
所以正确的用法不是塞更多素材，而是塞结构。
二、三段式流程
第一段：先让模型读，不让它写
把全部素材编号投喂，然后只提一个要求：输出一份“事实清单 + 冲突清单”。事实清单列出素材里的关键数据与结论；冲突清单列出哪些资料互相矛盾。
这一步极其重要。长文最常见的失败不是文笔差，而是把两份口径不同的数据混着用。让模型先暴露冲突，你才有机会判断该信哪个。
第二段：定骨架，锁死论点
基于事实清单，让模型给三个不同的大纲版本，你选一个改。改的时候把每一节的“必须回答的问题”写进去，比如“第二节必须回答成本为什么下降”。骨架定稿后，把它作为系统提示的一部分固定下来。
第三段：分段写，但共享同一份上下文
关键操作：不要开新对话。在同一个会话里逐节生成，每次生成前把已完成部分的结论摘要贴回去。这样模型写第三节时，知道自己前面承诺了什么，后面还要兑现什么。
三、可直接用的提示词模板
骨架阶段的模板：
- 角色：你是[领域]的资深分析师，读者是[读者画像]，他们最关心[核心问题]。
- 素材：以下编号资料，只允许引用其中事实，不足处标注“待补”，禁止推测。
- 输出：三个大纲，每个大纲给出每节的核心论点、需要的证据、预计字数。
- 约束：全文只允许一个中心论点，所有小节必须服务于它。
分段阶段的模板：
- 现在写第 N 节，字数 X。引用资料编号必须标注。
- 前一节结论：[摘要]。本节开头需与之衔接，不得重复其论据。
- 结尾留一句过渡到第 N+1 节（主题：[...]）。
四、五个常见坑
- 坑一：一次要一万字。模型会为了凑字数注水。按 1500-2000 字一节推进，质量差距非常明显。
- 坑二：不给读者画像。没有读者，模型就按“泛泛而谈”的默认风格写，出来的东西谁都能写。
- 坑三：允许它推测。长文里一个编造的数据，会让整篇可信度归零。明确要求“不足处标注待补”。
- 坑四：跨对话续写。新对话等于失忆，上下文白买了。
- 坑五：不做事实回查。生成完让模型自己列出“文中所有数字及其来源编号”，逐条对回原文。这一步能抓出八成幻觉。
五、工具怎么选
如果你要处理大量 PDF 与图表，Gemini 4 Carbon 的多模态与 1M 上下文组合最省事；如果偏中文财经与工程文档，LongCat-2.5 的 1M 上下文配合国产算力成本更低；如果追求文风克制、逻辑严密，Claude 系仍是首选。
顺带说一句，工具的选择远不如流程重要。同一个模型，用三段式流程和直接“写一篇一万字”，产出差距可能是可交付与不可交付的差别。
六、总结
长上下文不是让你少思考，而是让你能把思考一次性说清楚。真正决定长文质量的，永远是那份被锁死的骨架和那条不许推测的红线。