核心用法
Tech Content Review Panel 是一套面向科技/AI/产业深度长文的质量把关系统，采用Evaluator-Optimizer（评估-优化）设计模式。用户需先完成初稿，系统随即启动九步流程：确认输入适用性 → G1 事实与原创性核查（联网验证，不过关则打回）→ G2 风格红线扫描（grep 检测营销腔、说教腔等禁用表达）→ R1-R4 四位目标读者代表会审（技术决策者、跨域专家、投资人、犀利评论家）→ G3 专业纵深评估（六套路至少命中三项）→ T1 传播适配评估（标题钩子、平台适配，并显性列出"专业克制 vs 传播张力"）→ 分级修订建议 → 复审重跑 G1/G2 → 定稿。
显著优点
1. 多维度专业把关：八角色覆盖事实层、风格层、深度层、传播层，避免单一视角盲区，尤其适合建立专业个人品牌的长文。
2. 硬门槛机制：G1 事实核查与 G2 红线扫描为硬性关卡，未通过则强制打回修订，从源头杜绝事实错误与风格崩塌。
3. 原创性保障：核心论点与标志性表述需联网检索比对，明确区分"独立深化"与"照搬风险"，保护作者学术诚信。
4. 张力显性处理：专业可信度与传播吸引力之间的冲突不强行统一，而是列出选项由作者自主决策，尊重创作主体性。
潜在局限
1. 适用范围受限：明确不适用于新闻、营销文案、产品文档、教程及短评，若用户误触发需主动说明并拒绝。
2. 依赖初稿完整性：无初稿或仅有提纲时流程中断，无法替代写作本身。
3. 角色画像需微调：固定八角色虽覆盖广泛，但具体项目需参照 depth-playbook.md 调整以匹配特定读者构成与写作规范。
4. 迭代成本：评估-修订-复审的循环可能增加时间成本，追求极致质量时需多次往返。
适合目标群体
- 科技/AI/数据领域的独立研究者、分析师、投资人
- 需建立专业个人品牌的内容创作者（Substack、微信公众号、LinkedIn 等）
- 行业研究机构的报告撰写团队
- 对事实准确性与风格克制有严苛要求的长文作者
常规使用风险
- 性能依赖：G1 事实核查与原创性检索依赖实时联网搜索，网络波动或检索源质量可能影响验证效率与准确性。
- LLM 幻觉残留：R1-R4 及 G3/T1 评审环节基于大模型推理，虽有多角色交叉验证，仍存在对"深度"判断的主观偏差。
- 风格误杀：G2 红线扫描采用关键词 grep 模式，可能对特定语境下的合规表达产生误判，需 Step 8 复审时人工复核。
- 修订引入新问题：Step 8 的强制重跑机制正是为拦截修订过程中产生的新事实错误或红线违规，但反复迭代可能拉长出版周期。