CoAuthorAI：面向科学书籍写作的人类参与系统

# CoAuthorAI：面向科学书籍写作的人类参与式系统

来源：https://arxiv.org/html/2604.19772  
Yangjie Tian¹², Xungang Gu¹³, Yun Zhao¹, Jiale Yang¹, Lin Yang¹, Ning Li¹, He Zhang¹*, Ruohua Xu¹, Hua Wang², Kewen Liao³, Ming Liu³  
¹ 北京科信科技有限公司，北京 100012  
² 澳大利亚维多利亚大学可持续产业与宜居城市研究所，VIC 3011  
³ 澳大利亚迪肯大学信息技术学院，墨尔本，VIC 3125  
[email protected], [email protected], [email protected]

###### 摘要

大语言模型（LLM）在科学写作中的应用日益增多，但在书籍级任务中常出现结构不一致、引用不可靠等问题。我们推出*CoAuthorAI*，一种人类参与式写作系统，融合检索增强生成、专家设计的层级大纲与自动引用链接，支持逐句精修，确保连贯性与准确性。在500 篇跨领域综述章节评估中，系统软标题召回率最高达 98%；在 100 篇文章的人工评测中，生成内容满意度达 82%。由 CoAuthorAI 与科信科技 LUFFA AI 模型共同完成的《Rock Dynamics 中的 AI》已由 Springer Nature 出版。结果表明，系统化的人机协作可将 LLM 能力从文章扩展至整书，实现更快速、可靠的科学出版。系统演示视频：https://youtu.be/PAWQz48tsdA

## 1 引言

科学写作至关重要，却复杂耗时。撰写书籍需广泛调研、严谨组织与多轮修订。大语言模型为加速并优化该流程提供新途径，从草稿生成到修改建议，均可为作者节省大量时间。

近期研究表明，ChatGPT、GPT-4、Claude 等 LLM 已重塑短篇科学文本生成，包括文献综述（Agarwal 等，2024；Wang 等，2024）、报告起草（Aljamaan 等，2024；Taylor 等，2022；Wang 等，2023）乃至章节写作（Schoenenberger，2023）。这些场景下，模型快速生成流畅文本，检索模块提供最新事实，显著提升生产力。然而，全自动生成常出现引用幻觉、事实错误与长文风格不一致等问题（Alkaissi & McFarlane，2023）。

为缓解上述缺陷，研究界采纳“人类参与式”（HITL）范式，将专家知识融入模型推理，用于规划、内容审查与最终确认（Hsu 等，2024；Agarwal 等，2024）。该范式结合人类（领域知识、批判性判断）与 LLM（语言流畅、快速起草）的互补优势，已成为高 stakes 科学通信的事实标准。

尽管短篇写作取得显著进展，长篇书籍的系统性开发仍显不足。现有原型如 BetaWriter 的全自动专著（Beta Writer，2019）与 Meta 的 Galactica 演示（Taylor 等，2022）展示了无持续专家监督下生成书稿的潜力与局限。实践中，大型出版商仍依赖劳动密集型编辑周期以维持连贯性、控制叙事深度并确保引用可追溯（Schoenenberger，2023）。由此引出一个关键问题：如何在牢牢掌握人类主导权的同时，将 LLM 辅助扩展至书籍级写作？

针对该挑战，我们提出 CoAuthorAI，一款面向科学书籍生成的生产级 HITL 系统。贡献如下：

1. 设计*模块化架构*，融合检索增强生成、专家设计的层级大纲与自动引用链接，实现章节级生成、句子级可追溯。
2. 实现*交互式反馈循环*，支持专家逐轮精修大纲、重生成章节并核验引用，全面掌控风格、深度与准确性。
3. 探索 LLM 与领域专家在书籍写作任务中的边界，并与科信科技 LUFFA 模型协作，协助作者团队出版《Rock Dynamics 中的 AI》¹。

这些进展将 LLM 协作写作从文章扩展至整书，为作者与出版商提供实用工作流。

## 2 相关工作

我们从三条研究脉络讨论与人类参与式书籍生成相关的进展。

#### 文献综述

早期系统如 LitLLM（Agarwal 等，2024）与 AutoSurvey（Wang 等，2024）采用检索增强生成管线，将论文集合转化为结构化综述。交互平台 Elicit（Ought，2024）与 SciSpace（Typeset，2024）进一步支持查询驱动的论文发现与摘要预览，供研究者人工策展。这些工作展示了搜索与生成结合的效率，但输出通常限于章节规模。

#### 科学报告生成

通用模型（如 GPT-3.5/4、Claude）已被用于撰写基金申请与临床报告，然而引用幻觉率居高不下（Alkaissi & McFarlane，2023）。领域约束方法通过多模态接地（如放射学的 R2GenGPT）或精选语料（Elsevier 的 ScienceDirect AI）提升事实性（Wang 等，2023；Bio-IT World Staff，2025）。尽管这些系统提供 HITL 验证界面，处理文档长度远不及整书。

#### 书籍起草与 HITL 工作流

Beta Writer 通过聚类与 summarization 自动构建学术专著，但生成文本碎片化严重，需大量人工后期编辑（Beta Writer，2019）。后续工业尝试将对话式 LLM 融入协作写作管线。例如，Springer Nature 的 GPT 辅助教科书据称缩短生产时间 50%，同时以人类作者为核心决策环节（Schoenenberger，2023）。然而，公开的系统架构、评估协议与设计权衡细节有限，可扩展性、引用可靠性及专家介入粒度等关键问题仍未解决。本文通过提供完整系统文档与综合实证分析填补该空白。

图 1：CoAuthorAI 概览，展示专家输入与修订前端，以及 PDF 解析、内容压缩、章节生成与后处理的 LLM 交互后端。

## 3 CoAuthorAI

CoAuthorAI 演示系统为基于 Streamlit² 的 Web 应用，预处理任务采用 Python³。我们利用自研 PDF 解析工具提取内容，并将嵌入存储于 Milvus⁴。系统由前端与后端两大组件构成。如图 1 所示，前端负责文档上传、书籍大纲创建与专家内容修订；后端使用 PDF 解析工具将论文转为机器可读格式，结合检索增强技术调用 LLM 生成章节内容。此外，我们提供详细的分步使用指南。

图 2：CoAuthorAI 用户界面与工作流。界面引导用户完成七步人机协作管线：（1）选择或创建项目；（2）查看与管理书籍级信息；（3）上传大纲与参考 PDF；（4）解析 PDF 内容；（5）压缩文献；（6）人工精修 AI 生成文本；（7）引用溯源。

### 3.1 前端设计

#### 人类引导与循环

人类引导与迭代反馈是保证 AI 生成内容质量与准确性的关键。如图 2 所示，专家负责确立书籍标题与大纲，并按章节上传相关文献，提供方向与事实材料。由于 LLM 输出可能随机且机械，专家需在平台审阅、精修并核验生成内容，以符合学术与行业标准。该过程需多轮人工介入与反馈循环，持续改进 AI 文本。

### 3.2 后端设计

#### PDF 提取

采用自研 PDF 解析工具，可高效分析并提取含图片、公式、表格等复杂元素的 PDF 内容，将多模态 PDF 转为 Markdown，便于计算分析与机器学习任务。借助该工具，用户可更高效构建 LLM 语料，充分利用 PDF 中的完整信息。

#### 内容压缩

在多文档长内容生成实验中，我们发现 LLM 两大局限：其一，上下文窗口即模型工作记忆，限制单次处理文档规模，常小于书籍所需参考资料总量；其二，即便扩展上下文，生成内容仍偏重概念解释，缺乏具体知识细节。为此，我们先用 LLM 对全文进行压缩 summarization，再将处理后的文本作为参考，提升生成效率、深度与准确性。

#### 章节生成

章节生成模块是内容生产管线的核心。我们基于压缩后的参考资料调用 LLM 生成章节内容。实验表明，更详细的提示可带来更高质量输出，因此领域专家在生成前将内容大纲细化至二级标题。受上下文窗口限制并经反复实验，为确保讨论深入，压缩后的参考资料不超过 40 篇。如需更多文献，后端采用多阶段生成策略：

- 步骤 1：使用相同提示，每 40 篇文献生成一章内容，作为中间结果；
- 步骤 2：批量生成后，以中间结果为参考资料，产出章节终版；
- 步骤 3：将终版章节与原始资料关联，建立对应关系。

该批处理架构在保持叙事连贯的同时，最大化利用参考资料。

#### 引用链接

该模块确保生成内容引用的准确性与可信度。首先将源文档拆分为语义块，再使用 bge-m3 嵌入模型将生成内容与参考文献转为高维向量。Milvus 的 IVF-SQ8 索引用于高效相似度搜索，计算其与生成文本的语义相似度，从而快速定位最相关文献并获得相似度得分。处理原始参考文献时，先按标点分句，再将句子划分为三组，每组保留重叠句，该重叠方式保留更丰富的信息，提升召回完整性，并保证最终块语义连贯。为高效管理大规模向量搜索，我们集成高性能开源向量数据库 Milvus，其针对大规模非结构化数据优化，支持文档块嵌入的存储、索引与快速检索，确保相似度计算快速且可扩展。

#### 头尾生成

章节内容生成后，头尾生成模块负责撰写书籍引言与结论。该模块以已生成章节内容为参考，调用 LLM 创作引言与结语，为全书提供连贯的叙事框架。

### 3.3 系统使用流程

图 2 给出系统完整使用流程。

- 步骤 1：用户上传大纲、指定章节并上传相关参考文档；
- 步骤 2：使用 PDF 解析工具提取 PDF 内容；
- 步骤 3：调用 LLM 压缩解析后文档；
- 步骤 4：调用 LLM 生成章节内容，专家可在编辑区手动修改；
- 步骤 5：对生成内容进行引用核验，确保引用准确。

## 4 评估

评估采用分阶段策略。首先，我们使用系统执行文献综述任务，评估模型