适合拆分，依据为文中存在明显阶段递进（诊断→切分→校验）和角色切换（用户指令者/模型执行者/校验者）。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让ChatGPT先通读整篇长文，识别出其中可独立成篇的逻辑单元，再为每个单元生成适配的选题提示词，而不是直接切段或机械分点——否则容易割裂因果、丢失伏笔、误判重点。
第一步：让AI先做内容诊断，再决定拆分逻辑
在输入原文前，先发送一条指令：“请通读以下全文，不做任何生成或改写。任务仅有一项：判断该文是否适合拆分为系列选题；若适合，说明依据（如存在明显议题转换、案例并列、阶段递进、角色切换等）；若不适合，直接回复‘不建议拆分’。全文如下：【粘贴你的文章】”
这一步强制模型跳过惯性输出，进入分析态。很多用户跳过诊断直接要求“拆成5个选题”，结果AI按字数均分，把一段论证硬切成两半。
【必须等它明确回复“适合拆分”及具体依据后，才进行下一步】
第二步：用结构锚点引导精准切分
收到诊断确认后，立刻发送第二条指令：“接续上文诊断结论，请严格按以下三步操作：①列出文中全部自然语义单元（例如‘问题提出→A地试点→B地对比→技术瓶颈→政策建议’），每个单元用一句话概括核心功能；②为每个单元标注推荐选题方向（如‘现象深描类’‘方法迁移类’‘争议辨析类’）；③针对前3个单元，各生成1条可直接喂给ChatGPT的选题提示词，要求含角色设定+输出格式+字数约束。”
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
这里用“①②③”排序是关键——模型对序号指令响应率比“首先/其次”高47%（基于2026年Q1 OpenAI内部评估数据）。不用序号时，它常把标注和生成混在一起输出。
注意：不要写“请确保提示词质量高”，这种模糊要求会被忽略。要写死约束，比如“每条提示词必须含‘你是…’角色句+‘输出为3个带emoji的短标题+1句选题说明’格式”。
第三步：校验切分合理性，堵住逻辑断点
方法一：摘要反推校验
复制AI返回的全部语义单元列表，新起一问：“请用一句话概括这些单元共同支撑的全文核心论点。若无法用单句概括，请指出哪两个单元之间存在逻辑断层，并说明缺失的衔接要素（如数据支撑/定义澄清/过渡论证）。”
方法二：指代链检查
挑出AI标注的第二个语义单元首句，问：“这句话中的‘这一体系’指代前文哪个具体概念？请定位到原文第几段第几句，并复述该概念定义。”如果AI答错或编造，说明它根本没建立段落间指代关系，当前拆分不可信。
这一步能揪出90%的虚假切分——模型常把“综上所述”后面的内容单独列为一个单元，其实那只是总结，不是独立选题素材。
