大多数「帮我扩写」的 Prompt 只会堆字数，不增加价值。而这恰恰是 Google 现在惩罚的东西。截至 2026 年 6 月，Helpful Content 系统已经融进核心排名算法，奖励的是信息密度而非长度——一个紧凑的 700 字页面，常常能压过一个把答案埋在中间的 3000 字臃肿长文。所以目标不是「写得更长」，而是找到草稿哪里薄（有主张无证据、有段落无示例、跳过机制的板块），只补这些缺口。
下面这 12 个 Prompt 就是干这件事的。每一个都针对一个具体弱点，而不是让模型「多写点」。
一句话总结
- 字数不是排名因素。只在真正薄的地方扩写；不承载信息的内容一律砍掉。
- 按顺序扩：先找薄板块（#1）→ 补证据（#2）和示例（#3）→ 补深度与反例（#4–#6）→ 最后做瘦身审计（#12）。
- 长草稿要用真有长上下文的模型：Claude Opus 4.7、Sonnet 4.6、Gemini 3.1 Pro 都支持 100 万 token。ChatGPT Plus 在应用内只放出约 320 页上下文（完整 100 万要 200 美元的 Pro 档）。
- 绝不让模型自己编数据。2026 年研究场景里,聊天机器人的回答仍有超过 30% 出现假引用——每个数字都要核。
- AI 出第一、二稿，人来交付第三稿。
适合谁
为 SEO 搭建 pillar 页的内容人、想把随手草稿做成权威指南的博主、要给骨架大纲填血肉的技术写手。如果你写的是上千字的长文，又总被人说「这篇有点薄」,这套 Prompt 就是给你的。
什么时候别用
立论本身就弱时别扩。扩写会放大原稿里已有的一切——包括糟糕的论点。也别为了凑某个字数目标硬扩。如果 900 字就把问题讲透了，那就发 900 字。把一篇完整的文章硬撑成注水文，是过不了 Helpful Content 审核的最快方式。
先选对模型
扩写要求模型能一次性记住你的整篇草稿加上所有参考材料，再跨着这些内容做推理。所以上下文窗口和指令遵循是最关键的两个特性。下表的价格与限制均为 2026 年 6 月数据。
| 模型 | 上下文窗口 | API 价格（$/百万 token，入→出） | 最适合 |
|---|---|---|---|
| Claude Opus 4.7 | 100 万 token | $5 → $25 | 综合、技术深度、在长草稿里保持一致 |
| Claude Sonnet 4.6 | 100 万 token | $3 → $15 | 日常主力——大多数扩写任务 |
| Gemini 3.1 Pro | 100 万 token | $2 → $12 | 最便宜的百万级，创意变体强 |
| GPT-5.5（ChatGPT Plus） | 应用内约 320 页 | $5 → $30 | 角度新、句式活；完整 100 万只在 200 美元 Pro 档 |
实操规则：草稿加资料超过约 5000 字时，把全部内容贴进 Claude 或 Gemini，而不是 ChatGPT Plus——后者会悄悄截断较早的上下文。需要调语气、把文字改得「不那么像机器」时，GPT-5.5 读起来通常最有人味。
扩写清单
按这个顺序用，别乱枪打鸟：
- 先找薄板块（#1）——先拿到一份按影响排序的缺口清单。
- 给排在前面的缺口补证据（#2）和补示例（#3）。
- 补深度：机制（#5）、反例（#4）、读者质疑（#6）。
- 在主张需要证明的地方加结构：对比表（#7）、步骤清单（#8）。
- 加原创视角（#11），让文章不只是旧观点的复述。
- 最后跑瘦身审计（#12）——等其他都落定后再做。
12 个可直接复制的 Prompt 模板
每个 Prompt 都假设你把草稿贴在 [draft] 处。把方括号里的占位符替换成你自己的内容——别把方括号留在里面。
1. 找薄段
Read this draft: [draft]. Identify thin sections: (a) claims without
evidence, (b) paragraphs without an example, (c) sections under 100 words
on important points, (d) bullets that need expansion. Output a list ordered
by reader impact, not by document order.替换： [draft]。每次都从这里开始——它告诉你该把力气花在哪。
2. 主张 → 证据
For each unsupported claim in this draft, add one sentence of evidence: a
statistic with a named source, a named example, or a concrete first-hand
observation. Skip vague "studies show" — name the study or drop the claim.
Flag any claim you cannot support so I can verify it myself.「标出你撑不起来的主张」这一行很关键：它会把模型本来会编造的地方暴露出来。
3. 加示例
For each abstract concept in this draft, add one concrete example: a named
tool, a real number, a real timeline. Aim for one example per major
paragraph. Do not reuse the same example for two different points.4. 反例板块
Add a "when this doesn't apply" section. Acknowledge 2-3 legitimate cases
where the article's thesis fails or has limits. Tone: confident, not
defensive. This builds trust, so do not hedge it into mush.5. 「底层逻辑」段
Pick the 2 most important concepts in this article. For each, add a
150-200 word "under the hood" passage: the mechanism, why it works that
way, and the thing most readers get wrong about it. Skip concepts that are
already explained well.6. 读者质疑回应
List 3 objections a skeptical reader would raise against this draft. Add a
one-paragraph response to each, woven into the section where the objection
arises — not collected at the end. Readers object in context, so answer in
context.7. 对比扩展
This article compares [X] and [Y] at a high level. Add a comparison table
with 3-5 rows of concrete differences (cost, learning curve, ceiling,
time-to-result), plus a one-line "pick X when… / pick Y when…" under it.8. 高层主张 → 步骤
The article says "you can do [X]" but never shows how. Add a 5-step
"how to actually do this" sidebar. Each step = action verb + the outcome it
produces. No generic advice like "plan carefully" or "stay consistent."9. 行内术语扩写
Identify jargon used without definition. For each term, add an inline
parenthetical definition (15 words or fewer) the first time it appears.
Do not build a glossary at the end — readers don't cross-reference.10. [TK] 研究补位
I left [TK] markers for facts I need to verify. For each one, tell me: what
claim it supports, what kind of source would back it (primary data, vendor
docs, a named study), and where I'd look. Do NOT invent statistics — only
suggest research paths.这是用 AI 做「研究」的安全方式：它给你指向来源，而不是编造来源——这点很重要，因为截至 2026 年，研究场景里超过 30% 的聊天机器人回答仍含假引用。
11. 原创视角
This article restates known wisdom. Add 1-2 paragraphs of original
thinking: an angle the audience hasn't seen, a counterintuitive framing, or
a synthesis no competing piece covers. If you genuinely can't add one,
reply "No original angle yet" instead of forcing it.那个「逃生出口」才是重点。硬凑出来的「原创」角度，比没有还糟。
12. 扩完之后的瘦身（最后跑）
Audit this expanded draft for bloat: (1) sentences that carry no
information, (2) adverbs that don't change meaning, (3) examples that repeat
a point already made, (4) sections that lost the thread. Output a cut list
with line references, not a rewrite.扩完之后，这个 Prompt 能让你站在 Google 密度信号正确的一边。前面那些 Prompt 加进去的内容，通常要砍掉 10%–20%。
事实核查这一步不可省
2026 年前沿模型的幻觉率大约在 3.1% 到 19.1% 之间（视模型和任务而定）——比 2024 年的 15%–45% 好很多，但远没到零。最危险的输出恰恰是扩写 Prompt 要它产出的东西：统计数据和引用。2026 年 5 月哥伦比亚大学发表在《柳叶刀》的研究发现，到 2026 年初，每 277 篇 PubMed 收录论文里就有 1 篇至少含一处伪造引用，而 2023 年是每 2828 篇 1 篇——两年涨了 12 倍多，与 AI 助手普及同步。
对写作者的教训：模型加进来的每个数字、每个来源，在你核实之前都当成未经验证。Prompt #2 和 #10 的设计就是把需要人来把关的主张暴露出来，而不是埋起来。
容易踩的坑
- 受众模糊。「为营销人写」只会出泛泛之作。点名一个具体读者。
- 没语气锚。 不给 1-2 句你自己的样例，所有版本都是一个味。
- 没限制。 设好字数、禁用短语、长度上限，否则模型默认往长里写。
- 扩一个弱立论。 先把论点修好；扩写只会放大它。
- 相信第一稿。 模型落在安全中间值，得逼它往前推。
- 不核查就发。 AI 很自信，但不一定对。
优化技巧
- 给 1-2 句你自己的真句子。「友好一点」是噪音，样例才是信号。
- 狠下限制——上限和禁用词比任何「写好点」都管用。
- 发布前念出来；注水文是听得出来的。
- 砍掉不改变意思的副词和形容词。
- AI 出第一、二稿，人改第三稿——交付的是第三稿。
- 每个 Prompt 都锚定你受众里一个真实的人。
FAQ
- 文章到底该多长？ 把问题讲透需要多长就多长，不要更长。Google 排的是你多完整、多快地满足意图，而不是字数。
- 扩长草稿用哪个模型？ 草稿加资料超过约 5000 字，用 Claude Opus 4.7、Sonnet 4.6 或 Gemini 3.1 Pro——都支持 100 万 token。ChatGPT Plus 会截断较早上下文，除非你在 200 美元的 Pro 档。
- AI 能写全稿吗？ 用它做第一、二稿（结构、证据建议、示例）。第三稿——语气、判断、事实核查——必须由人来负责。
- 怎么防止模型编数据？ 用 Prompt #2 和 #10：让它点名来源或标出主张，并给出研究路径而非直接产出数字。然后逐个核实。
- 扩好的文章多久刷一次？ 受众或主张变了就刷，带任何价格或版本数据的常青内容则按季度复核。
- 这套 Prompt 能用在别的内容类型上吗？ 能。换受众、目标和语气即可；结构（找缺口 → 补证据 → 审瘦身）与内容类型无关。