思维骨架（Skeleton-of-Thought）提示工作流：加速长文本并发生成

你是一名严谨的内容架构师。请为关于【{{Topic}}】的【{{Document_Type}}】生成一个高层级的结构骨架（Skeleton）。

要求：
1. 仅输出大纲级别的核心章节标题与简要要点，不要展开任何具体细节。
2. 严格使用 JSON 格式输出，数据结构如下：
{
  "title": "{{Topic}}",
  "sections": [
    {
      "id": 1,
      "heading": "章节标题",
      "summary": "本章核心覆盖要点"
    }
  ]
}
3. 确保涵盖以下特定需求：{{Requirements}}。

适用场景

思维骨架（Skeleton-of-Thought, SoT）提示工程框架专为多章节、长文本生成任务设计，如技术规范书、项目立项报告、商业调研分析、用户操作手册及多视角综合评估 [1, 2]。该工作流通过将大语言模型（LLM）的"规划"与"细节填充"解耦，解决传统线性生成中的高时延瓶颈 [1, 3]。本方法不适用于需要严格前后依赖的线性推理任务（如多步算术推导或顺序代码调试）[3]。

工作流步骤

1. 生成结构骨架 (Phase 1)：向 LLM 发送核心骨架提示词，快速获取不含冗余细节的 JSON 或 XML 格式结构化大纲 [1, 2]。
2. 并行并发扩写 (Phase 2)：程序化解析 JSON 大纲后，将每个章节作为独立任务并发发送至 API 或批处理解码器，并行生成各章节详细内容 [1, 3]。
3. 文本缝合与一致性校验：将所有并行返回的章节按照原始 JSON 索引顺序拼接，并运行轻量校验提示词修正跨章节重叠与风格漂移 [1, 3]。

变量说明

• {{Topic}}：待生成文档的主题或核心分析对象。
• {{Document_Type}}：目标文档类型（如：技术规范书、商业报告、用户手册）。
• {{Requirements}}：文档必须包含的关键约束或特定业务诉求。

使用方法

建议在支持多线程 API 调用（如 Python asyncio 或 LangChain 并行工作流）的生产环境中部署。推荐选用 GPT-4o 或 Claude 3.5 Sonnet 等遵循能力较强的模型。在 Phase 1 阶段严格约束 JSON Schema 输出，以便下游代码自动解析并分发并发任务。

质量检查

• 骨架锚定检查：在发起 Phase 2 并行扩写前，检查骨架大纲是否漏掉核心需求，避免结构缺陷在并发扩写阶段被放大 [3]。
• 风格与重复度检查：检查拼接后的终稿是否存在章节间内容重复或文风不一致，必要时增加合并润色步骤 [3]。
• 依赖性排查：确认任务不包含必须依据上文具体生成结果才能推导下文的强顺序逻辑 [3]。

参考来源

• Forbes, "Small Language Model Prompting and Skeleton-of-Thought Engineering", 2026-06-18 [1]
• The BA Club (YouTube), "Skeleton of Thought Prompting: Speed Up AI Responses & Structure Content", 2026-07-28 [2]
• Promptary, "Skeleton-of-Thought Prompting: Guide with Examples (2026)", 2026-06-29 [3]