Notion AI 的 @ 引用写作：品牌指南进提示词-知了AI

为什么说 @ 引用是 Notion AI 区别于所有写作工具的那一格

过去两年，几乎所有的写作类 AI 工具都长成了同一个样子：左边一个输入框，右边一个”上传文件”按钮，中间一颗生成按钮。你写提示词，你贴背景资料，你等它吐字，你不满意，你回删重来。这套流程在第一次使用时很惊艳，用到第十次就开始疲惫——因为你每次都要重新交代”我们是谁、我们怎么说话、我们上次那篇为什么写得好”。

Notion AI 走的是另一条路。它不是一个飘在外面的对话框，它住在你的工作区里。这意味着你打字时敲一个 @，就能把工作区里任意一个页面、某条数据库记录、甚至某个页面里的一小段文字，直接拖进当前这次对话的上下文中。品牌指南不用复制，历史好稿不用粘贴，产品参数不用手抄。它们本来就在那里，@ 一下就到位了。

这个差别听起来只是”少复制几步”，但实际是写作范式上的分叉。复制粘贴是”我把资料搬过来给你看”，@ 引用是”我把你放进我的资料库，你自己去读那一页”。前者的 AI 是外来的顾问，后者的 Notion AI 是坐在你工位旁边的同事。也正因为如此，Notion AI 的提示词可以极短，但信息密度极高。

这篇文章只讲一件事：如何把 Notion AI 的 @ 引用用到极致，特别是在品牌一致性要求高、事实准确性要求高的品牌内容写作场景里。我们会讲清楚 @ 引用的底层逻辑、三类值得被 @ 的内容、引用写法、提示词结构、防编造指令、写作流水线和它的硬局限。看完你应该能立刻在自己的 Notion 工作区里搭起一条可复用的 AI 写作生产线。

先把三个容易混淆的概念分开

在进入细节之前，需要先拆清三个经常被混用的概念，否则后面所有讨论都会打滑。

概念一：@ 引用上下文

在 Notion AI 的对话输入框里输入 @，会弹出工作区页面的搜索列表。选中后，该页面的内容会作为”本轮对话的显式上下文”注入。它的关键特征是：你主动选的、你清楚选了哪些、当轮有效、内容可预览。它类似于你在开会时把一份文件放到桌面上说”就按这份来”。

概念二：工作区知识检索

Notion AI 还有一个能力是根据你的问题，自动在工作区内做语义检索，找出可能相关的页面作为背景。这个能力是”被动触发”的——你不知道它检索到了哪几页、权重如何、有没有漏掉关键的那份。它像一个很勤快但你不完全了解的实习生，帮你翻档案柜。

概念三：上传附件

部分入口支持上传文件（PDF、文档等）作为一次性素材。这和 @ 引用的功能重叠，但粒度更粗、生命周期更短、也不会跟随原文更新。

这三者不是替代关系，而是分工关系。后面我们会用一张表把它们摆在一起对比。但请先记住一个判断原则：凡是”不容出错的背景”，必须显式 @；凡是”可能有关也可能无关的参考”，可以交给检索；凡是”临时一次性素材”，才用上传。

为什么这件事值得单独写一篇长文

因为大多数人把 Notion AI 用成了”网页版 ChatGPT 的内嵌版”。他们打开 Notion，点 AI，输入”帮我写一篇关于 XX 的文章”，然后抱怨”写出来很空、很套路、不像我们”。问题的根源不在模型，而在于提示词里没有”我们”。而 Notion 恰好是这个世界上少数几个”你的’我们’本来就存在结构化文档里”的工具。你手里有品牌指南、有历史稿、有产品文档，但你没把它们 @ 进去。

接下来我们一层一层拆。

@ 引用的本质：把页面当作上下文注入，而不是知识库

要真正用好一个功能，得先理解它在系统里到底是什么。@ 引用不是一个”搜索功能”，也不是一个”记忆功能”，它是一次上下文注入。理解这四个字的含义，能帮你避掉后面 80% 的坑。

什么是”上下文注入”

大语言模型在生成每一个 token 时，唯一能看到的东西就是”上下文窗口”里的内容。上下文窗口装的是什么，它就只能基于什么去推理。所谓”注入”，就是你在发起这一轮对话时，主动把某些文本塞进上下文窗口，让它和你的问题一起被模型读到。

@ 引用的本质就是这件事：你选中的那个 Notion 页面，它的标题和正文会被序列化、拼接进上下文窗口，然后模型才会开始回答。换句话说，@ 引用不是”告诉 AI 去哪里找”，而是”直接把东西放到 AI 眼前”。这是两种完全不同的心智模型。

心智模型 A：AI 去资料库找

你提问”我们的品牌语气是什么”，AI 在后台做语义检索，找到几页可能相关的文档，判断哪一段能回答问题，再作答。这中间每一次判断都可能有偏差：检索可能漏掉、可能召回边缘相关页、可能把过时版本当成最新版。你只能看到答案，看不到”它是从哪读来的”。

心智模型 B：我把资料放在桌上

你提问前先 @ 品牌指南页，再提问”我们的品牌语气是什么”。AI 直接读你放进去的那一页，回答。这就是 Notion AI 在品牌写作场景下最稳定的用法。你完全清楚它读了什么，你能预判它可能答错什么，你也知道答案的溯源在哪里。这是可控的。

做品牌内容时，你要的永远是 B。

与”上传文件”的本质区别：显式、精确、可控 vs 被动、概率、黑箱

上传文件和 @ 引用在用户视角里都是”给 AI 背景资料”，但底层逻辑差别很大。

上传文件是一次性的物理拷贝：你把文件传上去，系统解析成文本，塞进这一轮或这一段时间的上下文。它的优点是格式自由（PDF、Word 都行），缺点是它脱离了你工作区的版本管理——你在 Notion 里改了品牌指南，上传的那份不会跟着变。

@ 引用则是引用了一个活的对象。你注入的是”这个页面此刻的内容”。页面变了，引用就变了。更重要的是，@ 引用的粒度可以细到页面内的某一段、某个 toggle、某个 callout，而不是整个文件。这在品牌写作里极其关键：你可能只想让 AI 参考品牌指南里”语气与称谓”那一节，并不想让它读到”Logo 使用规范”那一节。

再往深一层说，上传文件是”概率性”的：系统解析 PDF 时可能丢失表格结构、可能把两栏文字串行、可能把页眉页脚混进正文。@ 引用走的是 Notion 自己的块结构，段落、列表、表格的边界是清晰的，注入的文本更干净。对于一份有大量表格的品牌规范，这个差别足以决定输出质量。

与”复制粘贴”的本质区别：引用保持同步，粘贴是快照

这是 @ 引用最容易被忽略、却在长期使用中最有价值的一点。

复制粘贴是一个快照：你在 3 月 1 日把品牌指南里的一段话粘进提示词，那段话就冻结在你粘贴时的样子。3 月 15 日品牌部把”用户”统一改称”你”而不是”您”，你粘贴的那份不会知道。于是你在不知情的情况下，用旧规范生成了一篇新稿，还自以为”我每次都带了品牌指南”。

@ 引用是一个指针：你 @ 了品牌指南页，每次生成时读到的是”此刻的”品牌指南。品牌部更新了，下一篇稿子自动跟上。

这个差别在单次使用时看不出来，但在一个团队持续写作三个月、半年之后，会变成”内容一致性”这个指标的生死线。这是 Notion AI 的 @ 引用在长期使用中最容易被忽视的价值。复制粘贴的工作流会让品牌规范在传播过程中缓慢腐烂；@ 引用的工作流会让品牌规范成为一个真正被执行的单一信源。

一个反常识的推论

很多人以为 @ 引用只是”省事”。其实它真正的价值不是省事，而是把”品牌规范”从一个静态文档，变成了一个活的依赖。就像软件开发里”依赖一个库”和”把库的代码复制进项目”的区别——前者会随库升级而升级，后者会逐渐和库脱节。你的品牌指南更新得越频繁，@ 引用的价值就越大。

三种方式横向对比

把三种方式摆在一起看，差异会更清楚。这张表建议你存下来，每次决定”这份资料怎么给 AI”时对照一遍。

维度	@ 引用页面	上传文件	复制粘贴进提示词
触发方式	显式，用户主动选择	显式，但解析过程不可见	显式，用户完全掌控
引用对象	工作区内的页面 / 数据库条目 / 段落	本地文件（PDF、Word、Markdown 等）	任意文本片段
粒度	可精确到段落级	整文件	任意片段
是否跟随原文更新	是，实时同步	否，一次性快照	否，快照
格式解析质量	高，走 Notion 块结构	中，依赖解析器，表格易失真	取决于人工整理
上下文消耗	与页面长度成正比，可控	整文件计入，常超预期	与粘贴长度成正比
可追溯性	强，来源是具体页面	弱，来源是文件名	无
适合场景	品牌指南、样例稿、事实源	外部合作方资料、一次性数据	极短指令、临时补充
长期维护成本	低，规范更新即生效	高，每次需重新上传	高，易腐烂
出错风险	引用错页面 / 引用过多	解析丢结构 / 用了旧版	用了过时规范 / 漏关键段

看完这张表，你会发现一个结论：这张表本质上是在回答”Notion AI 该吃什么资料”。在品牌内容写作里，长期资料应该 @，短期资料可以传，极短指令才粘。这就是整篇文章的行为准则。

三类该被 @ 的东西：规范、样例、事实

知道了 @ 引用的原理，下一个问题是：工作区页面那么多，到底 @ 哪些？我的经验是，任何一次品牌内容生成，需要 @ 的东西不超过三类：规范类、样例类、事实类。超过这三类，通常是在用”多 @ 一点总没错”的心理给自己壮胆，结果往往是模型分心。

先把三类内容放在一张表里，后面的小节逐个展开。

类别	典型页面	解决什么问题	每轮建议数量	挑选原则
规范类	品牌语气指南、写作规范、术语表	统一语气、称谓、用词、标点	1–2 页	只 @ 与本次文体相关的那一节
样例类	过往最佳稿件	给模型一个”照着练”的范本	2–3 篇，不是最多是最好	同文体、同受众、同渠道
事实类	产品文档、数据页、会议纪要	防止模型编造参数、数字、结论	1–3 页，按需	优先 @ 一手信源，不 @ 二手转述

规范类：品牌指南、写作规范、术语表

这是最该被 @、也最常被跳过的一类。大多数人的提示词里会写”语气专业但亲切”，这六个字对模型来说几乎是噪声——什么叫专业？什么叫亲切？”亲切”是把”用户”改成”你”，还是加表情符号？模型只能靠猜，猜出来的往往是某种”标准化 AI 味”。

而一份好的品牌指南会把这些猜的空间全部堵死。它会明确告诉你：我们叫用户”你”不叫”您”，我们不用”赋能、抓手、闭环”，我们不用感叹号，我们的标题不超过 14 个字，我们的每个结论后面必须跟一个具体例子。

品牌语气指南该长什么样

如果你所在团队还没有一份”能喂给 AI”的品牌指南，那么做这份指南本身，就是开始用 Notion AI 之前最有价值的一步，也是让 Notion AI 真正变成”你的 AI”的前提。给 AI 读的指南，和给人读的指南，写法不一样：它必须是可判定的。

可判定，而不是可意会

“我们的语气要温暖”是不可判定的。”我们从不使用’亲”宝子”家人们’这类称呼”是可判定的。前者模型只能猜，后者模型可以执行。一份给 AI 读的品牌指南，应该尽量由”我们用什么 / 我们不用什么 / 我们举个例子”这三种句式组成。

推荐的结构是：一页品牌总览（我们是谁、为谁写、一句话主张），加一页写作规范（句式、标点、长度、结构），加一页术语表（该用的词、不该用的词、易错词对照）。这三页就是规范类引用的”黄金三件套”。

术语表是最划算的一页

如果时间有限，先做术语表。它篇幅短、维护成本低、对输出质量的提升却最直接。一条术语大概是这样的格式：

用「订阅」不用「会员」（我们卖的是订阅制服务，不是权益卡）
用「中小企业」不用「小微」（后者在华北语境里偏口语）
用「数据看板」不用「仪表盘」（仪表盘易与车载语境混淆）
不用「全方位」「一站式」「赋能」「抓手」「闭环」
「AI」不写作「人工智能」，除非出现在正式合同或资质文件中

把这些 @ 进去，你会发现 AI 的”AI 味”下降得非常明显。因为 AI 味的很大一部分来源，就是那些高频、空泛、放之四海而皆准的套话。术语表是精准的抗体。

规范类引用的常见误区

误区：把整本品牌手册 @ 进去

整本品牌手册里通常有 70% 是 logo 规范、色彩规范、字体规范、物料规范，和写作毫无关系。把它们 @ 进去只会稀释上下文，甚至让模型误以为”要写得像设计规范一样简洁”之类。正确做法是：把写作相关的那一节单独抽成一页，只 @ 那一页。

误区：规范页写得像宣言

“我们相信文字的力量”这类开头，对人有用，对 AI 无用。给 AI 读的规范段落，越像”规则清单”越好。可以在页面顶部放一句宣言，但真正被 @ 并依赖的，应该是下面那些条目化的规则。

样例类：过往最佳稿件 2–3 篇

如果规范类告诉 AI”应该怎么写”，样例类则告诉它”看起来是什么样”。前者是规则，后者是示范。对语言模型来说，示范的效力往往高于规则——它更擅长”照着这个风格写”，而不是”按这些规则推理出风格”。

但这里有一个关键点，也是大多数团队做错的地方：样例选的是”最好的”，不是”最多的”。这一点对 Notion AI 尤其重要。

为什么是 2–3 篇，而不是 10 篇

样例的作用是让模型对齐风格。风格对齐是一个”收敛”过程，2–3 个高质量样本就足以让模型稳定地收敛到同一种语调。超过这个数量，边际收益迅速下降，而副作用开始出现：不同稿件之间微妙的风格差异会让模型”平均化”，输出的东西变成一种不伦不类的中间态，反而不像任何一篇。

更麻烦的是，稿件越多，模型越容易从某篇里”借”到不该借的具体内容——某个过时的数据、某个已下线的功能名、某个已不合作的客户案例。样例应该是”风格样本”，不是”内容池”，把太多样例丢进去，等于给模型开了个编造的口子。

怎么挑”最好”的那两三篇

“最好”不等于”阅读量最高”。阅读量高的稿子，常常是因为选题踩中了热点，而不是因为写作本身值得复制。判断一篇稿子是否适合当样例，我通常看四条：

它是不是同一个文体？（深度长文就别拿短图文当样例）
它是不是同一个受众？（面向采购决策者的稿子，和面向个人用户的稿子，语气完全不同）
它是不是同一个渠道？（公众号、官网、邮件、白皮书，各自的节奏不一样）
它有没有明显的人工修订痕迹、事实错误、临时补丁？（有的话就别当样品）

四条都满足，才配进”样例库”。我建议在 Notion 里建一个数据库，叫”写作样例库”，字段包括文体、受众、渠道、使用日期、是否仍适用。每次写作前，从里面按当前任务的文体 / 受众 / 渠道筛出 2–3 篇，@ 进去。

样例要不要全 @，还是只 @ 一段

如果整篇都值得学，就 @ 整页。如果只有开头和结构值得学、正文是大量细节，那么就 @ 整页之外，在提示词里明确说”参考其开篇节奏与小标题结构，不要沿用其具体案例”。这是样例引用里最实用的一条：把”学风格”和”借内容”明确切开，否则模型经常分不清这两件事。

事实类：产品文档、数据页、会议纪要

这一类是 @ 引用最”救命”的场景，因为这类内容恰好是 AI 最容易编造、也最不该编造的东西。

语言模型的本质是”根据上文预测最可能的下一段文字”。当它不知道”我们的定价是每月 199 元还是 299 元”时，它不会说”我不知道”，它会挑一个”看起来最合理”的数字写上去。它不知道”我们的 API 支持 8 种语言”，它会写”支持 20 种主流语言”，因为它觉得这样更像营销文案。

而这类事实一旦写错，代价是最高的：一篇讲错了定价的文章，可能直接引来客诉；一篇引用了错误数据的行业分析，会让整个品牌的专业形象受损。

事实类引用的三条原则

原则一：@ 一手信源，不 @ 二手转述

产品参数要 @ 产品需求文档或产品页，不要 @ 某篇营销稿里对产品的描述。后者本身就是二手加工，可能已经失真。会议纪要要 @ 原始纪要，不要 @ 别人写的心得。

原则二：@ 精确到承载事实的那一页

如果产品参数集中在一个”产品规格”页面，就 @ 那一页。不要 @ 整个”产品部知识库”，让模型在一大堆文档里自己挑——挑错的风险远大于省下的几秒。

原则三：允许 @ 多页，但要讲清关系

有时候事实分散在多处：定价在一页、功能列表在另一页、客户案例在第三页。这时可以一次 @ 三页，但要在提示词里说清楚各自是什么、以哪一页为准。比如”价格以《价格页》为准，《功能页》中提到的价格信息已过期，忽略”。这句话能救你很多次。

会议纪要做事实源的特殊性

会议纪要是一种容易被忽略但价值极高的事实源。产品方向、口径调整、对外说法、临时决定——这些都藏在纪要里。写公告、写新闻稿、写项目复盘时，@ 对应的会议纪要，能让你少犯两类错：一是用错了对外口径，二是漏掉了某个关键决策。

但要注意：纪要里往往夹杂着讨论过程中的”未定选项”。@ 进去后，模型可能会把”方案 B 也不错”写成”我们采用方案 B”。所以 @ 纪要时，提示词里要明确”纪要中已被否决或标注为备选的方案不要写入正文”。

@ 引用的写法：数量、顺序、粒度

知道了 @ 什么，下一个问题是怎么 @。同样是 @ 五个页面，写法不同，效果可以差出两三倍。这一节讲三件事：一次 @ 几个、顺序有没有影响、什么时候 @ 整页什么时候只 @ 一段。

一次 @ 几个：3–5 个是甜区

先说结论：一次对话 @ 3–5 个页面，是大多数 Notion AI 品牌写作任务的甜区。少于 3 个，模型缺少足够的风格和事实锚点；多于 5 个，模型的注意力开始被稀释，输出会变得”面面俱到但每一点都不深”。

为什么多了会”分心”

上下文窗口不是”放多少读多少”，模型对窗口内不同位置的注意力是不均匀的。放进来的页面越多，每一个页面的”有效权重”越低。当你 @ 了品牌指南、三篇样例、五页产品文档、两页会议纪要，一共 11 页时，模型很可能只抓住了开头的几段和结尾的几段，中间那些关键约束被淹没了。

这个现象在实践中的表现是：你明明 @ 了术语表说不许用”赋能”，输出里还是出现了”赋能”。不是模型没读到，而是在那一大堆内容里，这一条约束的权重被稀释到几乎零。

怎么控制在 3–5 个

对 Notion AI 来说，最有效的办法是”先抽后 @”。在 @ 之前，先在心里问一句：”这一页里的哪一段是这次真正需要的？”如果答案是”只有一段”，就别 @ 整页，把那一段单独放进一个”引用块页”里。这样做虽然多花一分钟，但能把 5 页压成 2 页的效果。

一个实操技巧是：在工作区建一个”AI 写作台”页面，里面按段落放好最常用的品牌规范条目，每次写作时 @ 这一页 + 2 篇样例 + 1–2 页事实源，控制在 5 个以内，几乎不会出错。

顺序：把”约束”放在前面，”素材”放在后面

顺序有影响，而且影响不小。推荐顺序是：规范 → 样例 → 事实 → 任务指令。理由很简单：模型对靠近结尾的内容，和对明确标注为”规则”的内容，注意力更高。把规范放在最前面，是为了让它在读后续所有内容时都带着这副”眼镜”；把任务指令放在最后，是为了让它”读完所有资料后立刻动手”。

一个反直觉的细节

很多人把任务指令放在最前面：”请帮我写一篇 X 文章，参考以下资料……”。这个写法在短对话里没问题，但在多页引用时会导致一个问题：模型在读任务时还没有资料，它会先在”脑内”形成一个大概的答案框架，然后读资料时倾向于”选择性吸收”符合这个框架的部分。把任务放在最后，模型会先完整读完资料，再决定怎么写，偏离度更低。

粒度：什么时候 @ 整页，什么时候只 @ 一段

@ 引用的粒度控制，是区分”会用”和”用得好”的分水岭。

该 @ 整页的情况

页面本身就很短（< 1000 字），且全部与本次任务相关
需要模型理解页面的完整结构（比如要模仿样例稿的章节编排）
页面里的信息彼此依赖，拆开会失真（比如一份完整的案例复盘）

该只 @ 一段的情况

页面很长，只有某一节和本次任务相关（品牌手册里的”语气”一节）
页面里有些内容不该被模型看到（内部备注、未定方案、敏感信息）
需要精确控制上下文预算（已接近窗口上限）

怎么 @ 到段落级

最稳妥的做法不是依赖产品界面的某一种选区方式，而是把需要被引用的段落单独抽到一个页面里。这个页面我叫它”引用块页”，它的唯一用途就是被 Notion AI @。这样做有三个好处：一是粒度绝对可控；二是可以对它做版本管理（哪天规范变了，改这一页即可）；三是团队里所有人都能 @ 同一个引用块，保证一致性。

引用块页的命名要极其明确，比如”【引用块】品牌语气-2026Q1″、”【引用块】产品事实-价格与功能”。前缀统一，查找时秒出。

提示词结构：@ 引用 + 明确任务 + 输出约束的三段式

前面讲的是”给什么”和”怎么给”，这一节讲”怎么组织成一句话”。经过大量实践，最稳定的 Notion AI 提示词结构是三段式：第一段 @ 引用与身份，第二段明确任务，第三段输出约束。三段缺一不可，顺序基本固定。

三段各自的职责

第一段：@ 引用 + 角色设定

这一段的主要动作是”@ 谁”。把它单独一段的意义在于：让引用内容和指令文本在结构上分开，模型更容易区分”这是资料”和”这是要求”。角色设定不要写”你是一个资深文案”这种空话，要写”你是 XX 品牌的品牌主编，负责公众号长文”，把身份和场景绑在一起，模型的输出会更贴近实际。

第二段：明确任务

任务段要说清四件事：写什么主题、写给谁、写多长、发在哪里。”写一篇关于 A 的文章”是模糊的；”写一篇 2200 字的公众号长文，主题是 A，读者是正在评估采购的 B 端运营负责人，目的是让他们看完愿意预约演示”是明确的。后者里的每个词都在收窄输出空间。

第三段：输出约束

约束段是最被低估的一段。它至少应包含：结构的约束（几节、每节标题字数）、语气的约束（对照品牌规范）、事实的约束（只用被引用内容里的事实）、禁止项的约束（不许用哪些词、不许用哪些句式）。约束写得越具体，返工越少。

可复制模板一：通用三段式

下面这个模板可以直接复制到 Notion AI，把方括号里的内容替换成你的即可。

【引用与身份】
@【引用块】品牌语气与称谓
@样例：最佳稿件-A
@样例：最佳稿件-B
@产品规格页（价格与功能）

你是 [品牌名] 的品牌主编，负责公众号长文与官网产品页的写作，
熟悉品牌指南中的全部语气与术语约定。

【任务】
写一篇约 [2200] 字的长文，主题是 [主题]，投放渠道是 [公众号]。
目标读者是 [正在评估采购的中小企业运营负责人]。
读者读完后应该能 [理解我们与竞品的三个差异点]，并愿意 [预约演示]。

【输出约束】
1. 结构：共 5–6 节，每节小标题不超过 14 字，开篇 80 字内必须出现一个具体场景。
2. 语气：严格遵循被引用的品牌语气规范，称谓统一用「你」，不使用感叹号。
3. 用词：只使用术语表允许的词汇；不使用「赋能」「抓手」「闭环」「一站式」「全方位」。
4. 事实：仅依据被引用的产品规格页作答，引用中没有的数字、客户名、参数一律不写。
5. 格式：直接输出正文，不要输出「以下是」「希望这篇对你有帮助」之类的套话。

可复制模板二：样例对齐型

当你对齐风格比对齐内容更重要时，用这个变体。它把样例的”学什么”和”不学什么”切开，是避免”样板串味”的核心手法。

【引用】
@样例：最佳稿件-A（同文体）
@样例：最佳稿件-B（同受众）
@【引用块】品牌语气与称谓

【任务】
写一篇 [文体] 的 [主题] 稿，参照样例 A、B 的节奏与结构。

【输出约束】
- 只学样例 A、B 的开篇节奏、段落长度、小标题写法与结论收束方式。
- 不要沿用样例中的任何具体案例、客户名、数据、产品名。
- 正文中的每一个事实性陈述，都必须能在 @ 的事实页中找到原文依据。
- 输出前，先用三行说明「我打算如何对齐样例结构」，再输出正文。

最后一条”先说明再输出”是我最喜欢的一个技巧。它让 Notion AI 在生成正文之前，先暴露自己的结构意图。你一眼就能看出它有没有理解对你的样例，理解错了就直接改，不用等写完 2000 字再返工。

可复制模板三：多事实源冲突处理

当事实分散在多个页面、且可能有新旧不一致时，这个模板能显著降低出错率。

【引用】
@【事实页】产品规格-2026Q1（以此为准）
@【事实页】价格表-2026Q1（以此为准）
@【旧版】产品页-2025Q3（仅用于了解历史口径，不作为事实来源）

【任务】
写一段 300 字的产品介绍，用于官网首屏下方。

【输出约束】
- 当两份资料冲突时，一律以标注「以此为准」的页面为唯一事实来源。
- 旧版页面中的任何数字、功能名、客户名，一律不得出现在正文中。
- 正文中每个事实句后面，用括号注明出处页面名，例如（产品规格-2026Q1）。
- 如果你不确定某个信息，直接不写，不要推测。

“每个事实句后注明出处”这条约束，在 AI 辅助写作里是一个特别好用的技巧。它不是为了给读者看，而是为了让你审稿时能一眼对账。哪些句子有来源、哪些句子是模型凭空生成，一目了然。

防编造：把”未提及”作为允许的答案

这一节单独拿出来讲，因为它是用 Notion AI 做品牌内容写作时最重要的一条纪律。AI 编造不是 bug，是它工作的方式。你不告诉它”不知道可以说不知道”，它就一定会给你一个”看起来像知道”的答案。

为什么模型倾向于编造

语言模型的目标是生成”最可能的下一个词”。在”我们的定价是每月 ___ 元”这个位置上，最可能的词不是”未知”（因为它训练语料里，这个位置后面跟的一般是数字），而是一个吉利的数字，比如 199、299。它不是在撒谎，它是在完成任务。

所以防编造的关键，不是”让它更诚实”（这做不到），而是给它一个明确的、被允许的退路。”如果你不确定，就直接说不确定”这句话，实际上是在重设它的”最可能输出”——把”编一个数”的权重压低，把”写未提及”的权重抬高。

可复制模板四：防编造指令

【防编造规则】（优先级高于其他所有规则）
1. 仅依据被引用的页面内容作答。未在引用中明示的信息，一律标注为「未提及」。
2. 数字必须与引用原文完全一致，不得四舍五入、不得换算、不得推算。
3. 客户名、合作伙伴名、奖项名，只有在引用中出现时才能写入。
4. 不得使用「据估计」「业内普遍认为」「数据显示」等模糊信源句式。
5. 引用中的方案若被标注为「备选」「未定」「待确认」，不得写为已定结论。
6. 如果你在写作过程中产生了「这里应该有个数据」的念头，就在该处写「未提及」，
   不要从常识或其他页面补全。
7. 输出结束后，单独列出一张「未提及清单」，说明正文中哪些位置因缺少引用而留空。

第 7 条是我加的私货，也是这套指令里最有价值的一条。它强制模型把”我不确定”显性化，你审稿时直接看这张清单，就知道还需要补哪些资料。这比”你自己通读一遍找问题”高效得多。

“未提及”为什么必须是一个被允许的答案

很多人的提示词里写着”请基于以下资料回答”，但从来没写过”如果没有，请说不知道”。这个缺省的后果是：模型在资料不够时，会从”常识”里补。而你无法分辨它补的那部分，和资料里有的那部分。

把”未提及”确立为合法的输出，本质上是在给模型和你的审稿流程之间建立一条清晰的边界。边界之内是”可用的内容”，边界之外是”待补的内容”。没有这条边界，你审稿时要逐句核对，成本极高；有了这条边界，你只需要审”边界内的部分”和”清单上的部分”。

审校环节的二次核验

防编造指令能挡住 80% 的编造，剩下 20% 需要在审校环节补住。我常用的做法是：把生成的稿子放进一个”审校页”，然后开一个新的 Notion AI 对话，只 @ 这份稿子和事实源页面，问一句：”请逐段检查这篇稿子里的事实性陈述，列出与引用资料不一致、或引用资料中未提及的句子。”

这是一个”AI 查 AI”的过程。它的准确率不是 100%，但能把你需要人工核对的范围从”全文”缩小到”一段清单”。

工作流：Notion 里的写作流水线

单次的 @ 引用是技巧，稳定的 @ 引用是流程——这是 Notion AI 从玩具变成生产工具的关键。这一节讲怎么在 Notion 里搭一条完整的写作流水线，以及每一步该 @ 谁。

流水线的四个环节

我推荐的流水线是：选题库 → 素材页 → 草稿页 → 审校页。四个页面不是四个文件夹，而是四个有明确输入输出和引用关系的”站点”。每一站的产出，都是下一站的引用材料。

环节一：选题库

选题库是一个数据库，每条记录是一个选题，字段包括：选题标题、目标读者、投放渠道、对应产品模块、优先级、状态、关联素材页。它的作用是让”写什么”从拍脑袋变成”从库里挑”。

这一步不需要 @ 任何东西给 Notion AI 生成内容，但可以让 Notion AI 在库的视图里帮你看”选题之间的重叠”——比如两个选题其实在讲同一个差异点，可以合并。这类分析不需要 @，直接基于库即可。

环节二：素材页

每个选题对应一个素材页。素材页里放着这篇稿子会用到的所有事实：产品参数、客户案例、数据出处、会议纪要要点、竞品信息。素材页是”事实类引用”的载体。

素材页的核心设计原则是：只放能在稿件里直接引用的东西，不放讨论过程和未定方案。如果你把”我们还在纠结要不要提这个功能”也写进去，@ 之后模型可能会把它写进正文。素材页应该是”干净的”，随时可以整页 @ 出去。

环节三：草稿页

草稿页是生成结果落地的位置。它的推荐结构是：顶部一段”生成说明”（用了哪几份引用、哪些约束），下面是正文，下面是”未提及清单”。这个结构让之后任何人打开这页，都能知道这篇稿子是怎么来的。

环节四：审校页

审校页不是草稿页的副本，而是一个”对照表”：左列是从草稿里摘出的关键事实句，右列是对应的引用出处原文，最后一列是”一致 / 不一致 / 未提及”的判断，相当于给 Notion AI 的输出做一次体检。这张表是审校环节的核心产出，也是复审、合规检查时的凭据。

每一步该 @ 谁：一张配置表

把四个环节的引用配置固定下来，团队里每个人照着做，输出质量就能稳定。

环节	该 @ 的页面	不该 @ 的页面	提示词重点
选题分析	选题库视图、近期已发稿列表	无关的产品文档	识别重叠选题、给出合并建议
草稿生成	【引用块】品牌语气、2–3 篇同文体样例、素材页	内部讨论页、未定方案页	三段式结构 + 防编造指令
事实核验	草稿页、素材页、原始规格页	样例稿（会让模型混淆风格与事实）	逐句对照，输出不一致清单
风格复检	草稿页、【引用块】术语表	样例稿（复检时不需要再学风格）	只检查用词、称谓、标点
成稿归档	定稿页、选题库记录	—	把定稿标记为”可作样例”并打标

可复制模板五：写作流水线配置

把下面这段放进工作区的一个页面，叫”写作流水线 SOP”，团队新人照着搭。

【工作区结构】
01 选题库（Database）
  字段：选题名 / 读者 / 渠道 / 产品模块 / 状态 / 素材页
02 素材库（Database，与选题库关联）
  每个选题一页，只放可公开引用的事实
03 引用块（Page 集合）
  【引用块】品牌语气与称谓
  【引用块】术语表
  【引用块】产品事实-核心参数
04 样例库（Database）
  字段：文体 / 读者 / 渠道 / 是否仍适用
05 草稿与审校（Page 集合）

【草稿生成步骤】
1. 从选题库挑一条「待写」的选题，打开关联素材页
2. 新建草稿页，填入选题名
3. 打开 Notion AI，按顺序 @：引用块 → 2 篇样例 → 素材页
4. 粘贴「通用三段式」模板，替换方括号内容
5. 追加「防编造规则」
6. 生成，把结果写入草稿页
7. 按「未提及清单」补齐素材页缺失信息，重新生成一次

【审校步骤】
1. 新开对话，只 @ 草稿页 + 素材页
2. 执行「事实核验」指令，得到不一致清单
3. 逐条修正，修正后再做「风格复检」
4. 定稿，归档，若质量高则标记进入样例库

大多数人做错的地方

这一节讲我在团队和个人用户里见过的高频错误。有些错误看起来只是”用法不熟”，实际上是心法错了。

错误一：把 @ 引用当成”喂资料”，而不是”定约束”

在 Notion AI 上最常见的用法是：”@ 这几篇稿子，帮我写一篇类似的”。这是把 @ 引用当成”参考”，而它真正的价值是”约束”。参考是”看看别人怎么写”，约束是”必须按这个来”。

当你 @ 了术语表和品牌语气时，你其实是在给模型划一条线：线内可以自由发挥，线外一律不许。这个心智模型的转变，会让你在提示词里写出大量”不许”——而不许，正是品牌写作里最稀缺的东西。

一个具体的对比

用”参考”心态写的提示词：”参考这几篇稿子的风格，写一篇关于续费率的文章。”

用”约束”心态写的提示词：”按术语表用词，按品牌语气规定称谓，按样例 A 的开篇节奏，只用素材页里的事实，写一篇关于续费率的文章，不许出现’赋能’和’闭环’。”

后者写起来更费劲，但生成的稿子几乎不用改。

错误二：用”阅读量最高的稿子”当样例

这是我在咨询里见到最多的错误。很多团队的样例库本质上是一个”爆款榜”。但爆款不等于好写作。很多爆款的写作是粗糙的，它赢在选题、时机或者某种情绪运气。拿它当样例，模型学的不是你的品牌风格，是”怎么写出有流量的东西”。

更好的做法是：样例选”我们内部认为写得最好、最能代表品牌”的那两三篇，哪怕阅读量一般。风格一致性带来的长期品牌资产，远大于单篇的流量。

错误三：@ 得越多越安心

这是一个心理陷阱。多 @ 一点，感觉”资料更全面，AI 更不容易错”。实际恰恰相反：@ 得越多，模型注意力越分散，越容易忽略其中的关键约束，越容易把不同来源的事实”混”在一起。

我见过最夸张的一个例子，一次 @ 了 14 个页面，生成出来的稿子里，把两个不同产品线的定价混在一起了。原因很简单：14 个页面里，关于定价的有三处，模型没分清哪处对应哪条产品线。

克制的 @ 法：每次不超过 5 个，且每个都能说出”为什么需要它”。说不出来的，删掉。

错误四：只 @ 规范，不 @ 样例

很多团队很用心地做了品牌指南，然后把整本指南 @ 进去，以为万事大吉。结果生成的稿子”很符合规范，但不怎么好看”。

原因是：规范告诉模型”不要犯什么错”，但没告诉它”往哪个方向写得更好”。样例补的正是这一块。规范和样例是两条腿，缺一条就瘸。

错误五：引用之后不做版本管理

这一条在长期使用里最致命。一年之后，你的”品牌语气”引用了三个不同版本的引用块（有人新建了一个、有人改了原页面、有人还在用旧的），工作区里出现了”到底哪份是准的”的问题。

解法很简单：引用块页统一加上日期前缀，并且建立一条规则——任何时候只有一个”当前有效”版本的引用块。旧版归档到”历史引用块”文件夹，只读不改。每次更新时，新建一页、把旧页移到历史、在所有 SOP 里更新链接。

版本漂移的隐性成本

更隐蔽的问题是：三个月后，你说的”去年的稿子”和”现在的稿子”事实对不上了，因为引用的事实源更新了。这不是 bug，这是”引用会跟随更新”这个特性的另一面。所以每次复用到旧稿时，必须做一次”事实复核”：把旧稿里的事实句和最新的事实页对一遍。这就是审校页存在的意义，它不只为新稿服务，也为旧稿复用服务。

局限：@ 引用的边界在哪

任何能力都有边界。讲清边界，比讲清用法更有价值，因为它决定了你什么时候不该用它。

上下文窗口限制

Notion AI 的上下文窗口是有限的。一个几百页的产品知识库不可能全部 @ 进去，即使 @ 了也会被截断。这意味着：@ 引用的前提是”你已经把资料整理成了小而精的块”。引用做得好的人，往往是工作区整理得好的人。

怎么估算预算

一个粗略的经验：中文约 1.5–2 个字符对应一个 token。一个 3000 字的页面大概占 2000–2500 token。如果你的使用场景是长文写作，实际留给”生成”的空间需要在引用和输出之间分摊。引用占太多，输出就会被缩短，甚至出现”写到一半断掉”。

实操建议：把引用总量控制在 8000–12000 字以内，留出足够空间给生成。需要更多事实时，分批做——先写结构，再逐节生成，每节只 @ 这一节需要的那一页。

引用太多导致”分心”

前面已经讲过。这里补充一个更细的表现：当引用里有两份”风格略有不同”的样例时，模型往往不会选一个，而是”折中”，输出一种两端不靠的中间风格。这种输出的特征很明显：什么都有点像，什么都不太像。

解法：给 Notion AI 的样例要么选风格高度一致的，要么明确指定”以样例 A 为主，样例 B 只参考结尾方式”。

权限与可见性

@ 引用有一个容易被忽略的限制：你只能 @ 你有权限看到的页面。这是一个安全特性，不是缺陷——它保证了 AI 不会把一个你看不到的机密页面泄露给你。但这也意味着，团队里不同的人用 Notion AI 时，”能 @ 到的东西”是不一样的。

权限设计的三条建议

把”引用块”和”样例库”设置为全员可读——它们是写作的基础设施，不该有权限墙。
把”素材页”设置为按项目授权——不同项目的事实资料互相不可见，避免串项目引用。
把”内部讨论页””未定方案页”收紧权限——既防止模型把它们写进正文，也防止不该看到的人看到。

版本漂移：引用更新后，旧稿的事实对不上了

这是 @ 引用最需要长期管理的一个问题，也是 Notion AI 长期使用者迟早会撞上的一道坎。它的机制是这样的：你在 1 月用当时的事实页写了一篇稿，2 月事实页更新了（价格变了、功能名改了），你的旧稿还挂在官网或公众号上，引用关系已经不成立。

这不是 Notion AI 的问题，而是”任何活文档都会随时间漂移”的必然。应对方式有三层：

第一层：标注生成时间与引用版本

草稿页顶部要固定记录”生成日期 + 使用的引用块版本号”。三个月后回头看，能立刻判断这篇稿子的事实基线是哪一版。

第二层：事实页更新时触发复审

在工作区建立规则：事实页（尤其是价格、功能、客户名单）每次更新，都要在”受影响稿件”字段里勾选可能受影响的文章，并安排复审。这一步不需要 AI，只需要一个数据库关联。

第三层：定期全量复核

每季度挑一个时间窗口，把所有”仍在线”的高价值老稿，用审校页的方法做一次全量事实复核。这个动作看起来很重，但比”被用户在评论区指出报价过期”轻得多。

边界之外的用法

有些事 Notion AI 的 @ 引用做不了，也不该硬上。比如：需要深度推理的财务建模、需要精确计算的数据分析、需要实时信息的新闻追踪。这些更适合交给专门的工具。Notion AI 的 @ 引用，最适合的是”基于已有资料的结构化表达”——这恰好是品牌内容写作的全部。

一个完整示例：从选题到成稿

讲完原理和方法，我们用一个完整例子把 Notion AI 的实际操作串一遍。假设你要写一篇公众号长文，主题是”中小企业为什么应该改用订阅制软件”。

准备阶段

从选题库挑出这条选题，打开关联素材页。素材页里有：产品订阅方案的三档定价、两个典型客户的使用时长数据、一份销售会议的纪要（其中明确了”不要攻击竞品的买断制”这条口径）。
从样例库筛出 2 篇同文体、同受众的过往稿：一篇讲”软件成本计算”的、一篇讲”客户案例复盘”的。两篇都曾被品牌负责人标注为”代表品牌语气”。
打开【引用块】品牌语气与称谓、【引用块】术语表。

注意：一次一共 @ 了 5 个对象（2 个引用块、2 篇样例、1 个素材页），正好在甜区之内。会议纪要被合并进了素材页，因为纪要里的口径要点已经在素材页里被提炼成了一条。