这篇不是另一篇 AI 写作工作流主文。主文已经说明为什么要把写作接在真实项目之后；这里专门处理更窄的一件事：当你把文章拆成五个节点，每个节点交给下一步的到底是什么，失败时又该退回哪里。
这次 Plan A 的证据很具体：docs/reports/2026-04-29-content-optimization-basis.md 先指出内容簇的证据和重叠问题，.omx/plans/2026-04-29-plan-a-public-surface-consolidation.md 再把九篇文章分成 canonical、companion 和 narrow boundary。五节点的意义，就是让这种取舍能被执行。
节点一：采样，不是收集越多越好
采样节点只交付原始材料和失败信号。比如哪些文章互相抢主文位置，哪些开头太泛，哪些 frontmatter 许诺得比正文更大。
它不负责下结论。采样如果提前替作者判断，就会把后面的归纳层污染掉。
节点二：归纳，把重复问题压成少数取舍
归纳节点交付的是问题类别，不是文章大纲。Plan A 里归纳出的核心问题是证据不足、角色重叠、canonical 竞争和 future-date 风险。
如果归纳结果还只是“文章需要优化”，就不该进入立场层。那说明采样没有足够具体，应该退回补证据。
节点三：立场，决定谁是主文谁是 companion
立场节点必须有人类负责，因为它决定公开站点怎么承诺。这里的取舍是：stable-ai-writing-workflow.mdx 做 AI 写作 canonical，cursor-claude-code-codex-role-split.mdx 做 coding-agent canonical，其他文章接受更窄角色。
AI 可以列方案，但不能替站点承担这个承诺。一旦模型把 companion 写成主文，就说明立场节点没有锁住。
节点四：成稿，只扩展已经被批准的角色
成稿节点交付正文和 owned frontmatter 的一致性。它可以改 title、excerpt、meta、deck，但只能让卡片更贴近角色，不能偷偷扩大范围。
对这组文章来说，成稿不是把九篇都写厚，而是让每一篇失去可替换性。读者应该能看出它为什么必须来自 OnlyBegin / MakePlans 的公开内容整理。
节点五：改写，按验证结果退回具体节点
改写节点不该泛泛说“再润色”。H2 超预算就退回结构层，证据不够就退回采样层，CTA 竞争就退回立场层，future-date 暴露风险就退回发布判断。
这样改写才不会变成反复加工同一段空话。它是一套 rollback 机制，而不是语气优化。
继续读
想看整体流程先读 AI 写作工作流怎么搭，才不会越自动化越难维护。需要把五个节点变成可填写材料，再看 AI 写作工作流模板：主文的五张执行卡片。