AI拆解同行选题要分析问题、证据与信息缺口，不复制标题和正文。提供公开材料的来源与范围，模型不允许编造对方流量或用户画像。
AI选题应使用有来源的用户问题和资料。模型可以归类与提出角度，不能凭空发明经历、案例或热度数据。筛选后要检查是否有证据可写，候选标题不应成为资料不足时硬凑正文的理由。
把可借鉴的表达方式与需要自己验证的事实分开，评论保留上下文。新选题需要不同答案或条件，不把同稿换词当差异化。
看到相反说法，先比较它们描述的对象、日期和条件。一个页面讲旧版本，一个页面讲新版本，并不构成同条件冲突；一篇评论与一份测试报告也不能直接当成相等证据。保留原始表述，避免摘要把例外抹平。
证据不足时，将结论缩小到已确认范围。若需要更大的判断，再寻找相应资料或安排验证，不让工具用常识补齐。引用要能回到原文位置，标题、来源主体与链接一起核对；转载重复出现不增加独立证据数量。
素材授权不能只凭拿到文件判断
文件可以下载或由供应商提供，不代表获得所有使用权。来源、权利人、使用渠道、地区、修改和复用条件逐项确认，付款也不一定等于永久授权。人物、品牌与图片中的其他内容可能另有条件，不应忽略。
AI改写、裁切或重绘不能作为权利已清除的证明。授权资料和实际发布版本对应，合作结束后的复用按约定处理；出现争议保存原通知与对象，具体问题交专业方核验。缺少依据时改用权利明确的资料，不能靠匿名或换格式解决。
用户反馈怎样整理成可验证问题
保留原话、发生场景和对应内容版本，先按询问、纠错、售后和其他反馈归类。情绪表达也可能包含具体问题，但不能从一句话猜测全部动机。个体意见不扩大为整个群体结论，公开使用资料先处理授权与身份。
重复出现的问题转成检查项，回到页面、镜头、商品或系统记录验证。发现事实错了先修，不能通过更强文案转移注意；下一篇可以补未解决的条件。互动结束与业务处理完成不同，实际结果仍需要记录支持。
例如同行只讲正常步骤，就检查能否补真实异常排查。先取得素材与依据再写，授权另核对；候选题从用户问题判断价值，不以模型评分当搜索数据。