多工作流结果和评分对比

对比流程：

1. 选择同一输入和同一目标。
2. 用工作流 A 运行。
3. 保存结果，不写入正文。
4. 切换工作流 B。
5. 用相同输入再次运行。
6. 打开结果对比。
7. 并排比较正文。
8. 查看分项评分、证据、耗时和 token。
9. 选择一个候选或继续人工修改。

比较时至少关注：

• 是否完成作者目标。
• 是否遵守事实和人物认知。
• 情节推进。
• 叙事自然度。
• 语言重复和模板化表达。
• 修改范围。
• 成本和耗时。

评分不能单独决定胜负。没有证据定位的高分不应覆盖作者判断。