# 用 AI 写小说会遇到的问题 —— 实操调研报告（优化版）

> 调研日期：2026-08-24　|　范围：创作者实际使用 AI 工具写小说时遇到的具体问题  
> 说明：本报告聚焦**实操层面**的坑（生成质量、长篇连贯性、操作交互、成本效率、中文语境、网文平台、检测误伤、数据隐私），不含平台封禁政策的法理辩论、版权归属等社会/规则议题的展开（相关实操影响会点到，专题另议）。  
> 证据标注：可核验来源给出链接；无法用公开资料坐实、但一线创作中反复出现的判断，明确标为**〔经验结论〕**。

---

## 本版优化说明

相对原稿《用AI写小说遇到的问题-调研报告.md》，本版做了四件事，不覆盖原文件。

**1. 校正来源误读与证据级别**

- 凯尼恩学院那篇研究实际做的是**惊悚小说大纲**的跨模型趋同，不是“主角天选、打怪升级、爽文收尾”。原稿把研究对象说窄了、结论说偏了。
- Salesforce 创意写作缺陷：原稿转引 HK01 二手报道。本版补回 CHI 2025 原论文与七类缺陷的准确名称；并写明“GPT-4o / Claude-3.5-Sonnet / Llama-3.1-70b 在该任务上质量互不占优”。
- DeepMind 相关分析：原稿所引是站长之家转载的微信稿。本版改引马里兰大学 + Google DeepMind 的 *StoryScope* 预印本（arXiv:2604.03136），避免把二手转述当原论文。
- LCAS V3.1：原稿写得像成熟技术方案。本版标明它是作者自测、未经同行评审的提示词方案，数据仅供参考。
- RAPID：原论文针对的是百科长文（FreshWiki-2024），不是网文。本版保留链接，但改成“方法可借鉴，场景不可直接等同”。

**2. 结构：保留原骨架，补齐摘要承诺过但正文没写的块**

原稿摘要列了四类问题，正文却只有“内容质量 / 长篇连贯性 / 操作交互”三块，成本效率被塞进 3.5。本版仍按原七段骨架走（摘要 → 内容质量 → 长篇连贯性 → 操作交互 → 解法工具 → 操作建议 → 参考资料），在骨架内：

- 把 3.5 的成本问题提升并扩成独立的第五节；
- 在第二、三、四节内补实操缺口；
- 在第五节后加四个与创作者日常强相关的专节（网文平台、检测误伤、数据隐私、专用工具取舍），再接回原来的“解法/建议/资料”。

**3. 新增的实操问题（均标【新增】）**

续写接不上情绪/文风、章节衔接生硬；多模型切换的风格漂移；提示词库/设定书本身成为负担；版本管理混乱；中文翻译腔与热梗；与纯人工对比的效率账；Markdown 落盘与文档组织；AI 检测误伤的投稿应对；把未发表稿喂给云端模型的风险；网文助手 vs 通用大模型的取舍。

**4. 写法**

操作建议从口号改成可执行步骤；工具表区分“学术/开源原型”和“能天天用的产品”；凡是创作者口碑、个人工作流，一律标〔经验结论〕，不伪装成论文结论。

---

## 一、摘要

AI 写小说的真实体验是：**第一稿很快，定稿很累**。综合可核验的创作实践、平台报道与学术研究，创作者最常撞上的实操问题可以收成四类，外加三类“写着写着才发现的负担”：

1. **内容质量**：叙事结构趋同、语言“AI 味”、文笔平庸、幻觉细节、缺人性深度；中文里还叠加翻译腔、西式长句、热梗堆砌。
2. **长篇连贯性**（最痛）：上下文窗口被撑爆、设定与伏笔被遗忘、人物漂移、情节断裂；续写接不上前文情绪/文风，章与章之间像硬切。
3. **操作交互**：提示词控不住风格、改一处崩全局、反复生成仍不满意、输出格式不稳；再叠加多模型切换、提示词库维护、版本找回——人从“写作”变成“调度 AI + 当质检”。
4. **成本效率**：Token 真金白银；更隐蔽的是时间账——大纲/头脑风暴真省时，续写修订、一致性核查、去 AI 味、投稿自查经常把省下来的时间吃回去。

【新增】另外三类越来越无法回避：

5. **网文平台语境**：日更压力逼人用 AI，平台又用检测打低质 AI 文；误伤与“水文”判定说不清。
6. **检测误伤**：投稿前自查分数不稳定，纯人工稿也可能被标成 AI。
7. **未发表作品进云端**：消费级对话默认可能用于训练，设定书和全稿一旦贴上去，撤回训练几乎做不到。

业界解法（RAG、记忆系统、分阶段工作流、风格 Skill、专用网文助手）能显著缓解，**无法根治**。人仍然要守结构、定情绪、收伏笔、做最后一版文风。把 AI 当“打字员 + 选项生成器”比当“代笔”更不容易翻车。

---

## 二、内容质量层面：AI 产出的文本本身的问题

### 2.1 同质化与套路化

- 凯尼恩学院数字人文研究《[Many Stories, One Shape: Narrative Convergence in AI-Generated Fiction](https://digital.kenyon.edu/cgi/viewcontent.cgi?article=1041&context=dh_iphs_ss)》（Hernandez Brito, 2025）用五款模型（ChatGPT-5/5.1、Grok-4、Gemini-2.5 Flash、DeepSeek-v3、Claude Sonnet-4.5）在基线提示与“增强提示”下各产惊悚小说大纲（N=50）。盲评显示：模型之间的多样性中等（基线均值 64.45%，增强后 58.89%），**增强提示并没有打开叙事空间，只是把趋同从一种模板换成另一种**——基线偏向“法医程序剧”（分析型女主角、公司阴谋、Quest/Monster 弧），增强后偏向“家庭心理惊悚”（三十多岁女性照护者、悲剧弧、道德含混）。Gemini Flash 2.5 与 DeepSeek-v3 贡献了相对更多的离群样本。
- 中国作家网《[AI写作离真正的网络文学有多远？](https://www.chinawriter.com.cn/n1/2025/0704/c404027-40514892.html)》指出 AI 网文“有套路而少创新”，能做出内容上“新”的文本，却难打开新的书写空间；并记录华东师大王峰团队百万字 AI 小说《天命使徒》并非全自动，需要反复人工提示与修正。

**实操表现**：你换题材、换人设、换开头，模型仍会滑向它最熟的那条叙事槽。想要的差异化，要靠你自己先写死“不许走哪条路”，而不是指望提示词里加一句“请创新”。

**〔经验结论〕** 对中文网文尤其明显：系统流、打脸、重生、金手指的“默认骨架”比惊悚大纲研究里的模板还硬。不是模型“爱写网文”，是训练语料里这类结构密度极高。

### 2.2 "AI 味"：一眼假的语言风格

- [别再用提示词去AI味了，方向就是错的！](https://www.uisdc.com/code-your-style)（优设，宝玉）指出：靠提示词堆“去掉 AI 味 / 口语化 / 像真人一样写”是无效的。根因是模型输出训练数据的**平均风格**。所有人共用同一套去 AI 味提示词，只会从 AI 味 1.0 换成 AI 味 2.0。可行方向是持续维护一份**写作风格 Skill**（用词、句式、禁止清单、范文），用你自己改过的稿迭代，而不是每次口头说“少盐少辣”。
- 马里兰大学与 Google DeepMind 的 *StoryScope*（[arXiv:2604.03136](https://arxiv.org/abs/2604.03136)）用叙事结构特征（非词句风格）在 10,272 组提示、五模型共 61,608 篇约 5,000 字故事上，做人机二分检测 macro-F1 达 **93.2%**。结构指纹包括：AI 故事约 77% 会把主题说破、单线情节、结局偏“顿悟收束”；Claude 情节推进偏平、GPT 爱用梦境转折、Gemini 偏外部视角像在读人物档案。结论对创作者很狠：**改几个“AI 词”盖不住叙事骨架。**

原稿所引[站长之家转载](https://m.chinaz.com/ainews/28487.shtml)是对该研究的二手摘要，可作入口，不宜当原论文引用。

**实操表现**：段落里反复出现“沉默震耳欲聋”“眼神闪过一丝复杂”；对话全员一个腔调；每段结尾要升华。中文圈读者还额外盯“不是……而是……”、破折号过密、无意义环境/心理描写——澎湃转载《[网文作者困在AI味里，平台也是](https://m.thepaper.cn/newsDetail_forward_33518939)》里，作者与读者把这些列为“圈内公认 AI 文特征”。

### 2.3 文笔平庸与修辞失衡

- Salesforce AI Research 的 CHI 2025 论文 *Can AI writing be salvaged?*（[arXiv:2409.14509](https://arxiv.org/abs/2409.14509)）请 18 位 MFA 背景写作者编辑 1,057 段 LLM 段落（GPT-4o、Claude-3.5-Sonnet、Llama-3.1-70b），沉淀 **7 类缺陷**：陈词滥调（Cliché）、多余/重复说明（Unnecessary Exposition）、辞藻过盛（Purple Prose）、句式拙劣、缺少具体细节、用词别扭、时态不一致。三家模型在该任务上**质量互不占优**。偏好排序稳定为：**专家改稿 > 模型自改 > 模型原文**。自动编辑有帮助，但到不了专家。
- 原稿转引的 [HK01 中文报道](https://global.hk01.com/%E8%81%8C%E5%9C%BA/60301793/ai%E5%86%99%E4%BD%9C7%E5%A4%A7%E7%BC%BA%E9%99%B7%E6%8F%AD%E6%99%93-%E5%AB%8Cgpt-4o%E6%96%87%E7%AC%94%E5%B7%AE-%E4%B8%93%E5%AE%B61%E6%8B%9B%E6%98%BE%E8%91%97%E6%8F%90%E5%8D%87%E5%93%81%E8%B4%A8) 可作中文导读，引用请以 arXiv/CHI 文本为准。

**实操表现**：写“雨夜”就是“豆大的雨点砸在青石板上”；写“难过”就是“心像被攥住一样”。要画面感和不可替换的细节，必须作者逐句返工。Salesforce 的数据等于用实验说了一句创作者都懂的话：**AI 生成是半成品，编辑才是主流程。**

### 2.4 幻觉与事实错误

- [LCAS V3.1](https://developer.aliyun.com/article/1715251)（阿里云开发者社区，作者“抖知书”）描述了长文本写崩、设定张冠李戴的常见现象。该文自述测试数据为作者自行实验，**未经多专家评审**，文中“10 万字逻辑错误率 <0.5%”等数字**不得当同行评审结论使用**。它能证明的是：创作者普遍撞上幻觉，有人在用超长系统提示词硬扛。
- 写历史/现实题材尤其致命：朝代官职、地理方位、武器型号、医学术语都可能出错，**作者不懂的领域，AI 错的概率极高且看起来煞有介事**。

**〔经验结论〕** 幻觉不只是“编造史料”。长篇里更常见的是**软幻觉**：把你上一章随口一提的道具升级成关键道具、把配角的口头禅安到主角嘴里、把未发生的对话当成已发生。这类错误用检索都不好抓，因为“看起来像设定”。

### 2.5 缺乏"人性"与细节真实感

- 中国作家网《[当文学遇见 AI，写作是否会被重塑？](https://www.chinawriter.com.cn/n1/2026/0325/c403994-40688254.html)》引网络作家董江波：AI 十几分钟能吐出三四万字中篇，细读则情节对不上、套路同质；他只用 AI 润色短篇个别段落或校对，不直接让它写长篇。南京大学苗怀明测试后的判断是：速度快，但句子多为套话，面面俱到却缺个性与深度。
- 许耀义文中把网文读者要的“代入感”明确写成 AI 尚未克服的难关：能模仿情感句式，难理解细腻情绪，也就难与当下读者共鸣。

**实操表现**：AI 写不好只有亲历者才懂的细节（童年的气味、打工的疲惫、医院的消毒水味），写出来总是“正确的废话”。

### 2.6 【新增】中文语境特有毛病：翻译腔、西式长句、热梗

英文 AI 味是 delve / moreover / em dash；中文 AI 味是另一套指纹，不能拿英文去 AI 味提示词硬套。

**翻译腔与西式长句**（维基百科[翻译腔](https://zh.wikipedia.org/wiki/Wikipedia:%E7%BF%BB%E8%AF%91%E8%85%94)对“看起来像中文、读起来不像人说的话”有可核验的句法描述）：

- “一个……的……的……”长定语；被动句堆砌（被赋予、被优化）；“基于……通过……来……对于……而言”。
- 一句里逗号串五六个、超过 40 字还不切句。中文习惯短句、动词靠前；模型常按英文从句嵌套往外吐。
- “的”字连珠超过三个修饰链，读感立刻发黏。

开源中文去 AI 味规则库把这些写成了可执行检查表，例如 [cn-humanizer](https://github.com/0xtresser/cn-humanizer) 的 18 种模式、[shuorenhua/phrases-zh](https://github.com/MrGeDiao/shuorenhua/blob/main/references/phrases-zh.md) 的翻译腔对照。它们是经验规则，不是论文，但作为**自查清单**比空喊“写得自然点”有用。

**网文/口语热梗滥用**〔经验结论，圈内 ident 与澎湃报道交叉〕：

- 句式：“不是……而是……”“这不仅是……更是……”“从某种意义上来说”。
- 标点：破折号当万能停顿、省略号抒情。
- 热梗硬凹网感：“绝绝子”“谁懂啊”“真的会谢”——单独出现无所谓，模型会在一章里连用三次。
- DeepSeek 一类推理模型在文学里还容易堆比喻和数字、意象发散（太平洋科技对阅文作家助手接入 DeepSeek-R1 的观察，见 [七千万用户的网文平台，打出了「反 AI」的第一枪](https://www.pconline.com.cn/focus/1895/18955080.html)）。

**可执行处理**（〔经验结论〕）：

1. 定稿前全文搜：`不是……而是`、`值得注意`、`某种意义`、`——`、连续三个“的”。
2. 超长句按“一句一个主语、标点间不超过约 25 字”切开（维基翻译腔简则，可当尺子，不必当教条）。
3. 热梗只留给**这个人物会说的口吻**，叙述层禁用。
4. 不要用“Humanizer”一类去 AI 味 Skill 通篇洗稿——澎湃报道里作者已反馈：打破旧套路后 AI 会造新套路。洗完的稿更像“第二代 AI 文”。

---

## 三、长篇连贯性层面：写长篇小说最痛的一类问题

这是 AI 写小说**区别于短篇写作的核心难点**，也是各技术方案集中攻克的点。

### 3.1 上下文窗口被撑爆

- [LLMWriter（基于 RAG 的长篇小说智能创作系统）](https://github.com/zhangwen-max/LLMWriter) 的 README 把痛点说得很直白：小说到数万甚至数十万字时，**把所有历史章节喂给模型 → Token 超出限制、窗口被占满、成本急剧上升**。
- 实操上：写到十几章后，对话窗口根本塞不下前文，模型“失忆”几乎是必然。即便 200K 窗口，有效注意力也不是均匀的——中间段设定最容易丢。

### 3.2 前文设定与伏笔被遗忘

- 同一来源指出：AI 生成新章节时**经常忘记前文设定和伏笔、角色性格前后不一致、世界观被违反、情节不连贯**。
- 学术佐证：[Lost in Stories: Consistency Bugs in Long Story Generation by LLMs](https://arxiv.org/abs/2603.05890)（arXiv:2603.05890，后收入 ACL 2026 Findings）提出 ConStory-Bench：2,000 条提示、四种任务、五类错误共 19 个细类。结论可直接指导自查——一致性错误**最常见于事实与时间维，倾向出现在叙事中段，并在高熵文本段高发**，部分错误类型会共现。综述方面可参见 IEEE [Narrative Consistency in Large Language Model-Generated Stories: A Survey](https://ieeexplore.ieee.org/document/11595786)。

**实操表现**：第三章说主角左眼有疤，第三十章又写“他光滑的脸”；前期埋的“钥匙”到结尾也没回收；力量体系从“练气”直接跳到“毁天灭地”。

《天命使徒》提供了一个可核验的“复读”样本：第 138–157 章片段里“坚定”出现 66 次，多用于眼神或语气（中国作家网，许耀义）。长了以后，模型不是“忘了形容词”，是**只会抓最安全的那个词反复用**。

### 3.3 人物"漂移"与视角错乱

- 人物小传只存在于提示词里，几章后模型就“自由发挥”：冷面主角突然话痨、胆小配角突然英勇；对话体里“谁说的”都可能对不上。
- 视角（第一/第三人称、上帝视角与限知视角）在长文中容易悄悄切换而不自知。

**〔经验结论〕** 人物漂移通常先从**用词习惯**开始，而不是先改性格标签。冷面人突然说“好耶”，比突然变勇敢更早暴露。把“这个人绝对不会说的词”写进人设卡，比写“性格冷漠”更管用。

### 3.4 情节逻辑断裂与节奏失控

- 长文生成常见“每章都有事发生，但连起来不知道在干嘛”——章内冲突堆满，章间因果断裂；铺垫不足就爆发，或铺垫过长读者弃书。
- 澎湃报道中读者李岩的例子很典型：一章里用力描写主角那把刀，结果砍 Boss 根本没用刀，下一章甚至决定不打了。这是**局部描写最优、全局因果为零**。

### 3.5 【新增】续写接不上前文的情绪与文风

上下文能塞下“上一章发生了什么”，经常塞不下“上一章读起来是什么味道”。

具体症状〔经验结论〕：

- **情绪断档**：上一章结尾是压抑到几乎不出声，下一章开头模型自动“新的一天，阳光洒进窗子”，把蓄的气放掉。
- **文风跳变**：你刚用短句、白描写完一场冷对话，续写突然排比、心理剖析、环境拟人一起上。
- **信息密度突变**：前文克制留白，续写变成说明书，把潜台词全部说破（与 StoryScope 的“点题癖”同源）。
- **对话口吻丢失**：人设卡写了“少说话”，模型仍按“每人都要表态”的剧本分配台词。

可执行接法（不必上 RAG）：

1. 续写提示里固定四块，缺一就容易飘：①上一章**最后 800–1500 字原文**（不要摘要）；②本章目标（一件事，不要五件事）；③**情绪锚**（如“继续压抑，禁止释然、禁止天亮、禁止和解”）；④**文风样本**（你自己写的 300 字，或本章要模仿的前段）。
2. 禁止“请承接上文、保持风格”这种空话。改成禁止清单：禁止新比喻超过 1 个、禁止升华句、禁止给配角突然独白。
3. 先让模型用 80–120 字写“开场 3 句”，你认可情绪对了再放行整章。整章一次生成，情绪对不上只能整章作废。

### 3.6 【新增】章节间衔接生硬

章内也许能自圆其说，章与章之间像两集不同编剧的周播剧。

常见硬切〔经验结论〕：

- 时间硬切：“与此同时”“三天后”——没有身体状态、天气、债务、伤口这些残留。
- 场景硬切：上一章停在走廊，下一章已经在会议室，中间的门、电梯、心跳全无。
- 钩子假接：章末抛了“门开了”，下章开头把门后的人写成另一个无关角色，钩子作废。
- 结算缺失：打完一场，伤势、兵器损耗、目击者、舆论在下章清零。

ConStory-Bench 把时间维列为高频一致性错误，和这个体验对得上：模型不擅长维护“故事时钟”和“未结算状态”。

可执行衔接协议：

- 每章结束写 5 行**交接卡**（人维护，不交给模型编）：现在几点、人在哪、身上什么伤/什么物、未完成的一句对话或一个动作、下章第一句必须从哪接。
- 下章生成时把交接卡放在提示最前，上一章结尾原文放第二。
- 章末钩子写成“未完成的动作/信息”，不要写成“巨大悬念＋抒情”。后者模型几乎一定会用顿悟或新场景把悬念兑成鸡汤。

### 3.7 成本与速度（详见第五节）

长文 = 海量 Token = 真金白银。LLMWriter 明确提到**生成成本急剧上升**；大模型长文生成速度慢，一口气续写一章可能等很久。这笔账不只是钱，还有“等待 + 重滚 + 人工修补”的时间，放到第五节拆开。

---

## 四、操作交互层面：使用过程中的"心累"

### 4.1 提示词难以精确控制

- [Prompt 语气影响 AI 表现的研究](https://news.lib.nycu.edu.tw/researches/research-methods/%E5%8D%91%E5%BE%AE%E6%B1%82%E5%8A%A9%E9%82%84%E6%98%AF%E5%8C%96%E8%BA%AB%E5%9C%B0%E7%8D%84%E6%85%A3%E8%80%81%E9%97%86%EF%BC%9F-%E5%85%A9%E7%AF%87%E7%A0%94%E7%A9%B6%E6%8F%AD%E9%9C%B2-prompt-%E8%AA%9E/)（阳明交大图书馆转载）显示：连“用什么语气下指令”都会改变输出质量，提示词工程玄学成分高。
- 实操上：要 AI 写出“冷峻克制的文风”，它可能给你“冷峻地笑了笑”；要“爽文节奏”，它给你“突然，异变陡生”×10。

优设文把原因说透了：你从未让模型“尝过你的菜”，只说了“不要什么”。

### 4.2 改一处崩全局

- 让 AI 修改某一章，它常常**顺手动到别处**：改了台词把伏笔删了、润色一段把设定改了、续写时把前文人物写死。越是长篇，这种“蝴蝶效应”越严重。

**〔经验结论〕** 聊天界面没有真正的“只改这一段”。模型会重写邻近句以保持“流畅”，流畅的代价就是你没让它动的信息被平滑掉。对策见 4.6 的 diff 纪律。

### 4.3 反复生成、仍不满意

- 创作实践普遍反馈：初稿容易、**满意难**。同一段场景生成 5–8 次仍不满意是常态，消耗的时间精力可能超过自己写。

Salesforce 的偏好实验与此同向：模型自改优于原文，仍明显不如人改。所以“再生成一次说不定就对了”往往是沉没成本陷阱。

### 4.4 输出格式不稳定、编辑成本高

- AI 输出有时带标题党式小标题、有时口语化、有时突然英文标点；复制进文档后仍需大量人工清理、合并、统一风格——**"AI 代笔"最后变成"给 AI 打工"**。

网文场景更具体：分章异常、标点错乱、提纲式写文、句式重复——番茄 2026 年 5 月公告把这些直接列为低质行为（[京报网报道](https://news.bjd.com.cn/2026/05/26/11766927.shtml)）。格式不稳不只是难看，可能被平台当低质打。

### 4.5 思路被 AI 带偏

- 生成内容看多了，作者自己的构思会被模型的“默认套路”反向塑造，越写越像 AI（创作惰性），这点在长篇连载中尤为明显。
- 凯尼恩研究的“增强提示只是换一套模板”、StoryScope 的“AI 故事挤在叙事空间同一区域”，都在说同一件事：你越依赖模型出选项，可选的故事形状越窄。

澎湃报道里作者程淼的话更刺：为了不被说有 AI 味，**连自己脑子里最先跳出来的那个词都要躲开**。这是检测压力对文风的反向驯化，不只是模型带偏。

### 4.6 【新增】多模型、多工具切换：风格漂移与协调成本

典型工作流〔经验结论〕：Claude 写正文、ChatGPT 改大纲/找逻辑洞、DeepSeek 或国产模型便宜扩写、网文助手管设定检索。单看每步都合理，合在一起会出三种漂移：

1. **句级漂移**：Claude 偏书面克制，GPT 爱完整三段式，DeepSeek 爱比喻和推理腔。同一章里会像几个人轮流写。
2. **结构漂移**：负责大纲的模型爱“起承转合完整”，负责正文的模型按章堆冲突，章纲和正文开始互相对不上。
3. **设定漂移**：各工具的“记忆”互相不通。ChatGPT 项目知识、Claude Project、本地设定书、网文助手世界观，四处各存一版，改了一处另外三处还是旧的。

协调成本经常被低估：你不是在用四个模型，你是在做**四个编辑部的统稿**。

可执行约束：

- **一个模型锁死终稿文风**。其他模型只允许输出：大纲、检查清单、选项（A/B/C）、事实核对。它们的句子不准直接进正文。
- **一份设定书为唯一真源**，放在你自己的磁盘上（见 4.8）。各 AI 只能读，不许各自存一版“它理解的设定”。
- 换模型续写时，除了交接卡，再贴 400 字**已定稿的前文**当文风样本。不要只贴设定卡。
- 不要用模型 A 的输出当模型 B 的“风格参考”——那是在放大平均腔。风格参考必须是你写的，或你改到满意的。

### 4.7 【新增】提示词管理本身成为新负担

“维护设定圣经”写在建议里很正确，做起来会变成第二份全职工作。

负担从哪来〔经验结论〕：

- 提示词库、人设卡、禁止清单、风格 Skill、章纲模板、去 AI 味词表……文件一多，**你开始不知道该喂哪一份**。
- 设定书越写越长，超过模型有效注意范围，等于没喂。LLMWriter、ai-novelist 都在用“分层记忆 + 只检索相关片段”回避这件事，手工操作时同样要分层。
- 人物一多，人设卡互相矛盾（A 卡写“恨 B”，B 卡写“与 A 暧昧”），模型会两边讨好。
- 风格 Skill 与本章目标冲突：Skill 说“禁止排比”，打戏章又需要节奏重复。没有“本章覆盖规则”，模型会随机遵守。

可执行的“最小设定书”（宁可短，不要全）：

| 文件 | 硬上限 | 只写什么 |
|---|---|---|
| `voice.md` | 1 页 | 叙述口吻、禁用句式、2 段范文 |
| `chars.md` | 每人 ≤12 行 | 外貌锚 1 个、绝不会说的词、当前目标、与主角关系 |
| `rules.md` | 1 页 | 力量/世界观不可破的 8–15 条 |
| `timeline.md` | 表 | 章号 / 故事日 / 地点 / 未结算 |
| `hooks.md` | 表 | 伏笔、埋于哪章、计划回收章、状态 |
| `prompts/` | 每条 ≤40 行 | 按任务拆：续写 / 改台词 / 扩写 / 审稿，禁止一个万能提示 |

维护纪律：

- **每章只更新变更**，不要重写全书设定。
- 人设冲突以 `chars.md` 为准，模型说的不算。
- 风格 Skill 里的禁止清单超过约 30 条就该合并成规律（优设文也警告过：清单太长会互斥、占窗口）。
- 三个月不用的提示词删掉。过期提示词比没有更糟。

### 4.8 【新增】版本管理混乱：哪版是定稿、AI 改坏了怎么找回

聊天记录不是版本库。刷新一次、模型重写一次、你手工改一半再让 AI“顺一下”，四份稿叠在同一对话里，**最后往往只剩最新那份——而最新那份经常是最差的。**

典型事故〔经验结论〕：

- “帮我润色这一段”后发现伏笔没了，往上翻找不到未润色原文（有的产品会折叠旧输出）。
- 同一章存成 `第32章.txt`、`第32章最终.txt`、`第32章最终真的.txt`、`第32章-Claude改`，一周后不知道哪份进了起点后台。
- 用 AI 按“全书风格统一”跑一遍，把你特意写的口语脏词全部洗成书面语，又没有 diff。

最低可行版本纪律（从轻到重，选一级做实）：

1. **落盘优先于聊天**：对话里满意的段落立刻复制进本地文件。聊天只是工位，不是稿库。
2. **一章三态、不许第四个“最终”**：`ch032.draft.md`（AI 或手写初稿）→ `ch032.rev.md`（你改过）→ `ch032.ok.md`（冻结，只许改错字）。AI 只许动 `.draft`。
3. **每次 AI 改动先复制再改**。改完用对比工具看 diff（VS Code、`git diff`、甚至 Word 修订）。看不到变更的润色，视为没发生。
4. 能接受 Git 的话：一章一提交，commit message 写“人工改对话”或“Claude 扩写打斗”。回滚成本接近零。
5. **冻结章禁止再喂给模型做“全书统稿”**。统稿只出问题清单，由你决定改不改。

### 4.9 【新增】写作工具链：Markdown 落盘与文档组织

网页编辑器和作家助手方便发布，不方便回溯。长篇 AI 协作几乎一定要有**磁盘上的一本“书”**。

推荐目录（可按平台改名，结构别散）：

```text
my-novel/
  bible/          设定真源（见 4.7 最小设定书）
  outline/        卷纲、章纲，与正文分开
  chapters/       ch001.draft.md / ch001.rev.md / ch001.ok.md
  prompts/        任务型提示词，不当聊天收藏
  reviews/        模型或自己出的问题清单（不是正文）
  export/         贴进起点/番茄/晋江的纯文本
  CHANGELOG.md    只记“改了什么设定、从哪章生效”
```

组织原则〔经验结论〕：

- **大纲、正文、修订分文件**。让 AI 在同一篇里“一边写一边改纲”，纲和正文会一起漂。
- 正文用 Markdown 或纯文本，不用 Word 当主库（对比、Git、拆章都痛苦）。Word 只当投稿导出。
- 章文件名含序号，禁止 `新章.md`。检索、脚本、模型读目录才不会乱序。
- 发布前从 `*.ok.md` 复制到 `export/`，不要在作家助手里直接对着 AI 成品再改一版而不回写磁盘——那是最常见的“线上一个版、本地一个版”。
- 大文件（全书单 txt）只作备份。日常读写按章，控制每次喂给模型的体积。

---

## 五、【新增】成本与效率账：哪些环节 AI 真省时，哪些更费时

原稿把“Token 贵、速度慢”附在长篇连贯性里。对创作者来说，**时间结构**比单价更重要：你到底是在加速写作，还是在加速返工。

### 5.1 钱：Token 与订阅

- 长上下文把前文一次性塞进去，费用随字数近似线性上涨，这是 LLMWriter 要上 RAG 的直接动机。
- 专用写作工具（Sudowrite 等）按积分；通用模型按 token 或月费。〔经验结论〕同一章“生成 6 次 + 让另一个模型审 + 再润色”，花费常常是“一次写对”的数倍，仍可能不如自己写 40 分钟。
- 开源流水线有人报出“百万字 DeepSeek 数元到数十元、Gemini 高一个数量级”的量级（见各类 GitHub 小说 Agent 的自述）。那是**机器生成字数**，不含你的修订工时，不能拿来当“写完一部长篇的成本”。

### 5.2 时间：按环节拆，不要只看“字/小时”

| 环节 | 相对纯人工 | 说明 |
|---|---|---|
| 题材/钩子头脑风暴 | **省** | 出 10 个选项很快；你要做的是否决 9 个。 |
| 卷纲、章纲骨架 | **省** | 适合让模型打底，你改因果和高潮位置。 |
| 资料检索、起名、列表型设定 | **省** | 仍须人工核史实与内在逻辑。 |
| 单场戏草稿、对白变体 | **条件性省** | 你方向清楚时省；方向不清时会带偏（见 4.5）。 |
| 按章续写长篇正文 | **不明，常不省** | 生成快，接情绪、接设定、去 AI 味慢。 |
| 局部润色（你圈定 200 字） | **省** | 范围越小越省。 |
| “帮我整章改得更好” | **费** | 蝴蝶效应 + 重读成本。 |
| 一致性/伏笔体检 | **省筛选、费裁决** | 模型能列疑点，真伪要你判。 |
| 去 AI 味、过检测 | **费** | 纯人工写作没有这项。 |
| 提示词/设定书/版本管理 | **费** | 纯人工写作也有笔记，但不会膨胀成“第二本书”。 |

中国作家网引董江波：指挥 AI 写三四万字中篇只要十几分钟，但“根本读不下去”。速度优势在**码字**，不在**成文**。

**〔经验结论〕粗算**：短中篇、结构已在你脑子里时，AI 辅助可能把日历时间缩短两到四成。百万字连载若追求日更、又要过平台检测，不少人会打平甚至更慢——因为每天多出来的“质检班”是固定开销。

### 5.3 何时该自己写

连续两次生成仍拿不准情绪，或你已经能在脑子里听到下一句对白：**停。** 把这一场手写。AI 适合填你不想填的过渡（赶路、备菜、会议过场），不适合填你唯一在乎的那场对手戏。

---

## 六、【新增】网文平台特定语境：爽点、日更、催更下的 AI 使用

文学性问题和平台生产问题不是同一套。网文作者面对的是：**读者要密度，平台要更新，检测要人味。** 三件事互相咬。

### 6.1 平台在打的是“低质 AI 文”，手段会误伤

- 2026 年 2 月起番茄小说专项整治滥用 AI 批量水文；5 月公告明确四类低质：AI 粗制滥造、格式混乱、结构失常、空洞水文。京报网报道 5 月拒签低质书 112,706 本、处置违规书 40,275 本，梯度处置违规账号 855 个（部分永久封禁）。
- 澎湃/经济观察报 7 月报道：6 月再拒签低质书 10 万余本、处置超 4 万本；有作者自认未用 AI 却被判低质、推荐消失，客服不给判定依据；已签约作品版权归平台，停推后转投无门。
- 平台侧现实：投稿量太大，**主要靠 AI 审 AI**（番茄招聘相关 HR 对经济观察报的表述）。作家专区仍挂着平台自有 AI 工具——鼓励辅助与打击低质同时存在，边界靠检测和举报，不靠作者心理。

许耀义一文还写过：疑似 AI 账号日更可达近十万字，却无法回应读者评论，割裂网文的交往性。读者会根据措辞和互动猜是不是 AI，并通常给出负面评价。

### 6.2 爽点密度：模型会“每段都高潮”，也会“描写错位”

〔经验结论〕通用大模型没有“付费点/章末钩子/打脸节拍”的内建节奏。两种失败：

- **密度虚高**：每 800 字一个反转，读者反而无感（许耀义说的“套路堆积带来快感消退”）。
- **密度错位**：刀写了八百字，砍人不用刀（澎湃读者例）。模型优化的是局部华丽，不是“这章卖的是哪一口”。

对策：章纲里写死**本章只卖一个爽点**（打脸 / 揭秘 / 升级 / 情感兑现 四选一），其余全是铺垫。提示词写“禁止额外反转”，比写“请写得爽”有效。

### 6.3 日更与催更：AI 最容易在这里把你坑进水文

董江波说：认识的网文作者里，有人能半年日更两万字，稍有名气的基本日更八千以上。催更下一章用 AI 顶上，是最常见的使用场景，也是最容易露出“中后段崩”的场景——开头人写、中后段模型写，正是番茄编辑描述的“拿了流量再开新书”模式的变体。

〔经验结论〕日更场景的安全用法：

- AI 只写**过场与资料性段落**（赶路、回看、设定说明的第一稿），高潮章手写。
- 当日来不及：宁可短更、预告，不要用模型“补 6 千字过审核”。短更会被骂，水文会被判低质，后者伤账号。
- 更新节奏一旦让读者习惯“每天 8 千”，你就给自己锁死了质检时间。用 AI 把字数顶上去，等于把债务往后推。

### 6.4 读者举报与“文好可破”

澎湃报道：书籍举报里有“AI 水文”选项；圈内也传“文好可破”——足够好看，规则可以破例。对认真写的人，这意味着：**检测分数不是读者，读者也不是检测分数。** 但你无法证明自己没用 AI（见第七节），所以正文层面减少模板句，比准备申辩有用。

---

## 七、【新增】AI 检测误伤：投稿前自查与改写，而不是“把分数刷到 0”

原稿第六节第 6 条点到检测后写“此处不展开”。对要投稿的人，这已经是日常操作，不是另一专题。

### 7.1 检测器不可当法庭

- Turnitin 官方写明：AI 写作检测**可能误判**，不应作为处分学生的唯一依据；0–19% 区间假阳性更高，现以星号（*）显示而不给具体百分比（[Turnitin Guides](https://guides.turnitin.com/hc/en-us/articles/22774058814093-AI-writing-detection-in-the-new-enhanced-Similarity-Report)）。
- GPTZero 自己的说明：检测的是统计模式不是意图；过于光滑、缺少个人声音的人类文字会被误伤，ESL、技术写作、模板化写作中更常见（[Why Does My Writing Get Flagged as AI](https://gptzero.me/news/why-writing-flagged-ai/)）。
- 网文实务：晋江站长曾吐槽自己的诗被 DeepSeek 判成 AI；作家荷桃粥用腾讯朱雀测自己连载的第 1、22、40 章，分别得到 0%、44%、87%，删掉第 1 章铺垫只留三分之一后变成 100%（[太平洋科技](https://www.pconline.com.cn/focus/1895/18955080.html)）。朱雀官方也承认存在误报。

结论只有一条：**同一段人写的稿，换切片、换工具、换长度，分数能从 0 跳到 100。** 把“AI 率 <20%”当投稿KPI，会逼你去改检测器而不是改读者体验。

### 7.2 误伤高发的写法（小说同样适用）

检测器爱抓的是低困惑度、低爆发度、过分整齐：主题句清楚、段段起承转合、词汇安全、节奏平滑。这和“好学生作文”“翻译腔书面语”“AI 平均风格”重叠。所以：

- 文笔干净的人、非母语腔、爱写短句排比的人，误伤风险更高。
- 用 Humanizer / 同义替换刷分，分数可能下降，**读者仍觉得像 AI**（第二套模板）。StoryScope 进一步说明：只改文风、不改叙事骨架，结构检测几乎不掉点。

### 7.3 投稿前可执行的自查（目标是“不像”，不是“0 分”）

1. **自己大声读一章**。读着别扭的排比、重复的“坚定/微微/不禁”，先删。
2. **抽检三章**（开头、中段、最新章）进你目标平台编辑在用的工具，只看**被高亮的句式**，不看总分。
3. 对着高亮句做三类手术，而不是整章重写：  
   - 换成这个人物才会有的具体动作或脏词；  
   - 拆掉“不是 A 而是 B”；  
   - 补一个**只有这本书才有的**物件细节（伤痕位置、欠的钱、昨天没洗的杯子）。
4. 不要为过检引入错别字或乱序——部分平台把格式混乱也当低质。
5. 若平台允许，辅助范围限在校对、粗纲、资料；正文保留你的句法毛刺。晋江对辅助分级更严，以当时公告为准。

**〔经验结论〕** 最稳的“过检”不是检测器分数，是：**章与章之间有记忆、人物说话能认出来、每章有一件具体的事发生。** 这三项同时满足时，读者和编辑都不太会先去开检测。

---

## 八、【新增】数据隐私：未发表作品喂给云端 AI 的风险

版权法理另说。实操风险更短、更硬：

**你贴进消费级聊天框的设定书、未刊稿、角色隐私向背景，可能被用来改进下一代模型；一旦进入已完成的训练，抽不出来。**

可核验的厂商规则（2026 年，以设置为准，政策会改）：

- **ChatGPT 消费级**（Free/Plus/Pro 等）：默认可能用内容改进模型；需在 Settings → Data Controls 关闭 “Improve the model for everyone”。关闭后主要管**之后的新对话**。点赞/点踩、已有历史、记忆、上传文件，不在同一个开关里（OpenAI [Privacy Portal](https://privacy.openai.com/)；说明见各 Data Controls 帮助页）。Temporary Chat 不进历史、不用来训练。Team / Enterprise / API 默认不训练，除非另开。
- **Claude 消费级**（Free/Pro/Max）：以隐私设置里的模型改进开关为准；Incognito 对话即使开着改进也不用于训练。**点赞/点踩会把整段对话存最多 5 年，并可能用于训练**（[Anthropic 说明](https://privacy.claude.com/en/articles/10023580-is-my-data-used-for-model-training)）。Claude for Work / API 按商业条款，默认不训练。2025 年 10 月起消费级政策已从“基本不训练”改为用户选择（[Anthropic 公告](https://www.anthropic.com/news/updates-to-our-consumer-terms)）。
- 国内通用模型与网文平台助手条款各异。番茄“AI 训练补充协议”曾引发作者抵制（许耀义文）；平台内工具往往默认你的作品可被用来改进**该平台的**模型。用之前读授权，不要假设“助手 = 私密”。

创作者可执行的最低防护：

1. 未刊长篇：**不要把全书或设定圣经贴进未关训练的消费级对话**。
2. 需要云端模型时：关训练开关；敏感章用 Temporary / Incognito；不要对未刊稿点赞点踩。
3. 真有保密需求：API / 团队版 / 本地模型。消费级月费买的是方便，不是保密合同。
4. 设定书放本地（4.8 的目录），每次只粘贴**本章需要的切片**，不要“把 bible 整份丢进项目知识库就忘了”。
5. 假设最坏情况：你贴出去的情节，将来以“同类题材平均故事”的形式出现在别人的生成里。你很难取证，所以事先少贴。

---

## 九、现有解法与工具（缓解而非根治）

### 9.1 原表：方法型工具（开源 / 论文）

| 问题 | 代表性解法/工具 | 来源 | 使用时要注意 |
|---|---|---|---|
| 上下文爆炸 / 前文遗忘 | RAG 检索式创作（LLMWriter）；长文写作规划 + 信息发现（RAPID） | [LLMWriter](https://github.com/zhangwen-max/LLMWriter)、[RAPID (ACL 2025)](https://aclanthology.org/2025.findings-acl.859/) | RAPID 的实验场是百科长文，不是小说；可学“先计划再检索再写”，不要指望论文代码直接日更。LLMWriter 是工程原型，分层记忆思路可抄，稳定性当生产工具需自测。 |
| 记忆 / 设定一致性 | 显式记忆系统（ai-novelist；long-novel-writer） | [ai-novelist memory-system](https://github.com/JIRBOY/ai-novelist/blob/main/references/memory-system.md)、[long-novel-writer](https://github.com/jiaw-Zh/long-novel-writer) | 五层记忆 + 每章门禁很完整，维护成本也完整。人工写长篇时，先抄它的“交接卡 + 伏笔表”，再考虑上图谱。 |
| 长篇流程失控 | 分阶段写作 skill（大纲→章节→修订） | [phase-fiction-skill](https://github.com/nanzhipro/phase-fiction-skill)、[novel-workflow-mcp](https://github.com/slowman2084/novel-workflow-mcp) | 阶段门禁能防模型口头跳步。人如果自己跳步，工具救不了。 |
| 长文写崩 / 幻觉 | 结构化提示词（LCAS V3.1） | [阿里云开发者社区](https://developer.aliyun.com/article/1715251) | **作者自测**。可当“强约束系统提示”参考，不可引用其误差率数字当事实。 |
| AI 味 / 文笔平庸 | 专家编辑流程；风格 Skill；自动编辑实验 | [CHI 2025 / arXiv:2409.14509](https://arxiv.org/abs/2409.14509)、[优设](https://www.uisdc.com/code-your-style) | 自动编辑 < 专家编辑。风格要用自己的改稿迭代，不要下载一份万能去 AI 味提示。 |

**共性结论**：所有方案都在做同一件事——**把"一次生成长文"拆成"可管理的小步"**（检索、记忆、分阶段、人工编辑），承认 AI 只负责产出素材，质量责任仍在人。

### 9.2 【新增】专用 AI 小说软件 vs 通用大模型：怎么选

| 类型 | 代表 | 真能帮上的 | 局限 |
|---|---|---|---|
| 平台内置助手 | 阅文[作家助手·妙笔](https://www.chinawriter.com.cn/n1/2025/0704/c404027-40514892.html)、番茄作家助手 | 网文术语、资料、起名、伏笔检索、错字；阅文公开定位是辅助不是代笔。白金作家榴弹怕水评价“妙笔通鉴”能查出缺失后续的角色（[极客公园/腾讯新闻相关报道](https://view.inews.qq.com/a/20251020A03CGG00)）。 | 正文生成保守（平台怕冲击生态）；长情节仍会冲突；内容授权与训练条款要单独读；番茄侧 AI 工具与 AI 审核并存。 |
| 中文垂直网文工具 | 笔灵、蛙蛙、FeelFish 等 | 章纲、拆书、长篇目录，比纯聊天省切换。 | 模型能力通常弱于前沿通用模型；文风仍是平均网文腔；质量参差，需试用。〔产品口碑为经验归纳〕 |
| 英文小说工作台 | Sudowrite（Story Bible）、Novelcrafter（Codex + 自带密钥） | 把设定**结构化进生成上下文**，比每次手抄设定强。Sudowrite 偏容易出第一稿，Novelcrafter 偏设定控制。 | 中文网文节奏/爽点不在它们的默认戏路里；月费叠加模型费；Codex 一旦过时，错设定会被“精确地”反复注入。 |
| 通用大模型 | Claude / ChatGPT / DeepSeek / Gemini / 国产旗舰 | **单段文笔上限通常更高**；适合当终稿文风模型（见 4.6）。 | 没有章、卷、伏笔表；记忆靠你外挂；窗口一满就忘。 |
| 本地 / 开源流水线 | LLMWriter、各类 novel-agent | 数据可留在自己机器；能按 RAG 思路定制。 | 要会装、会修、会看日志。不是“打开就能日更”。 |

**取舍〔经验结论〕**：

- 只要灵感和单章质量、不管百万字：直接用通用模型 + 本地设定书。
- 要写长系列、人物超过 15 个：需要 Codex / RAG / 自己的 `bible/`，否则再贵的模型也会吃设定。
- 已在阅文/番茄连载：平台助手当**检索和校对**，正文仍走你选定的一个文风模型，最后在作家助手里粘贴发布。
- 不要叠三层：助手生成 → 通用模型润色 → Humanizer 去味。每多一层平均腔，人味少一层。

---

## 十、给创作者的操作建议

保留原稿七条，改成能照着做的版本，并补上本版新增对应的动作。

1. **别让 AI 一口气写长文**  
   固定链路：`设定库 → 卷纲 → 章纲 → 单章草稿 → 你改定稿`。每步你点头再进下一步。章纲只写：本章一件事、一个爽点/一个情绪、开场从哪接、结束停在哪个未完成动作。

2. **维护“最小设定圣经”，而不是无限膨胀的 wiki**  
   用 4.7 的六文件上限。每章写作前只喂：本章出场人物卡 + 本周时间线 + 未回收伏笔 + 上一章结尾原文。写完后只更新变更行。

3. **只让 AI 做局部；结构、关键情节、文风定稿权留在自己手里**  
   允许 AI：选项、过场草稿、对白变体、问题清单。不允许 AI：擅自改结局、擅自回收伏笔、擅自“升华主题”。

4. **改稿用“局部重写 + diff”**  
   指令写死“只改第 N 段，其他字一个不准动”。改完立刻 diff。进了 `.ok.md` 的章，模型只能出批注，不能直接改文件。

5. **接受“编辑是主流程”**  
   预期：生成 10 分钟的章，你要读 20–40 分钟。把返工写进日更计划，而不是写进“AI 让我快了三倍”的自我感觉。

6. **检测当体检，不当分数游戏**  
   投稿前按第七节抽检三章、改高亮句式、补只有本书才有的细节。不要通篇 Humanizer。不要和客服解释“我真的是人”——把稿改到读者先信。

7. **监控成本：钱和注意力分开算**  
   钱：能 RAG / 切片就不要塞全书。注意力：同一场戏生成第三次仍不对就手写。订阅费不是沉没成本，你的睡眠才是。

8. **【新增】锁一个终稿模型，锁一份磁盘真源**  
   文风模型只设一个。ChatGPT / Claude / 助手可以分工，但进 `chapters/*.ok.md` 的句子必须经过同一文风闸门（人或那个模型的最后一审）。

9. **【新增】续写带情绪锚，章间写交接卡**  
   见 3.5、3.6。没有交接卡就当上一章没写完，不准开下一章生成。

10. **【新增】未刊稿的隐私开关先于灵感**  
    消费级对话关训练；敏感内容 Temporary/Incognito；点赞点踩视为授权留存。全书不上传。

---

## 十一、参考资料

### 原稿已引（保留，部分加注）

1. [Many Stories, One Shape: Narrative Convergence in AI-Generated Fiction](https://digital.kenyon.edu/cgi/viewcontent.cgi?article=1041&context=dh_iphs_ss) — Kenyon College 数字人文研究（惊悚大纲跨模型趋同；增强提示会换模板而非增加多样性）
2. [AI写作离真正的网络文学有多远？](https://www.chinawriter.com.cn/n1/2025/0704/c404027-40514892.html) — 中国作家网 / 文艺报，许耀义
3. [当文学遇见 AI，写作是否会被重塑？](https://www.chinawriter.com.cn/n1/2026/0325/c403994-40688254.html) — 中国作家网，上官云（董江波、苗怀明访谈）
4. [别再用提示词去AI味了，方向就是错的！](https://www.uisdc.com/code-your-style) — 优设，宝玉
5. [别再盲目调教大模型了！DeepMind 扒光 AI 写作底层套路](https://m.chinaz.com/ainews/28487.shtml) — 站长之家转载（二手；请以资料 17 的预印本为准）
6. [AI 写作 7 大缺陷揭晓！Salesforce 研究](https://global.hk01.com/%E8%81%8C%E5%9C%BA/60301793/ai%E5%86%99%E4%BD%9C7%E5%A4%A7%E7%BC%BA%E9%99%B7%E6%8F%AD%E6%99%93-%E5%AB%8Cgpt-4o%E6%96%87%E7%AC%94%E5%B7%AE-%E4%B8%93%E5%AE%B61%E6%8B%9B%E6%98%BE%E8%91%97%E6%8F%90%E5%8D%87%E5%93%81%E8%B4%A8) — HK01 中文报道（二手；请以资料 18 为准）
7. [LLMWriter：基于 RAG 的长篇小说智能创作系统](https://github.com/zhangwen-max/LLMWriter) — GitHub
8. [Lost in Stories: Consistency Bugs in Long Story Generation by LLMs](https://arxiv.org/abs/2603.05890) — arXiv:2603.05890
9. [Narrative Consistency in Large Language Model-Generated Stories: A Survey](https://ieeexplore.ieee.org/document/11595786) — IEEE（付费页，条目可核验）
10. [RAPID: Retrieval-Augmented Long Text Generation with Writing Planning and Information Discovery](https://aclanthology.org/2025.findings-acl.859/) — ACL Findings 2025（百科长文，非小说）
11. [LCAS V3.1：解决大模型长文本写崩、出现幻觉的提示词技术](https://developer.aliyun.com/article/1715251) — 阿里云开发者社区（作者自测）
12. [ai-novelist / memory-system.md](https://github.com/JIRBOY/ai-novelist/blob/main/references/memory-system.md) — GitHub
13. [long-novel-writer](https://github.com/jiaw-Zh/long-novel-writer) — GitHub
14. [phase-fiction-skill / methodology.md](https://github.com/nanzhipro/phase-fiction-skill/blob/HEAD/references/methodology.md) — GitHub
15. [novel-workflow-mcp](https://github.com/slowman2084/novel-workflow-mcp/blob/main/v2.2.0-RELEASE-NOTES.md) — GitHub
16. [两篇研究揭露 Prompt 语气如何影响 AI 表现](https://news.lib.nycu.edu.tw/researches/research-methods/%E5%8D%91%E5%BE%AE%E6%B1%82%E5%8A%A9%E9%82%84%E6%98%AF%E5%8C%96%E8%BA%AB%E5%9C%B0%E7%8D%84%E6%85%A3%E8%80%81%E9%97%86%EF%BC%9F-%E5%85%A9%E7%AF%87%E7%A0%94%E7%A9%B6%E6%8F%AD%E9%9C%B2-prompt-%E8%AA%9E/) — 阳明交大图书馆

### 【新增】本版补充

17. [StoryScope: Investigating idiosyncrasies in AI fiction](https://arxiv.org/abs/2604.03136) — 马里兰大学 & Google DeepMind，arXiv:2604.03136（叙事结构检测 macro-F1 93.2%；Claude/GPT/Gemini 叙事指纹）
18. [Can AI writing be salvaged? Mitigating Idiosyncrasies and Improving Human-AI Alignment in the Writing Process through Edits](https://arxiv.org/abs/2409.14509) — Chakrabarty et al., CHI 2025 / Salesforce AI Research（七类缺陷与 LAMP 语料）
19. [网文作者困在AI味里，平台也是](https://m.thepaper.cn/newsDetail_forward_33518939) — 澎湃号转载经济观察报，刘思璇，2026-07-04
20. [番茄小说持续加强低质内容治理 5 月处置低质书籍超15万本](https://news.bjd.com.cn/2026/05/26/11766927.shtml) — 京报网（四类低质行为与 855 账号）
21. [七千万用户的网文平台，打出了「反 AI」的第一枪](https://www.pconline.com.cn/focus/1895/18955080.html) — 太平洋科技（朱雀误检案例、DeepSeek 文风观察）
22. Turnitin：[AI writing detection in the Similarity Report](https://guides.turnitin.com/hc/en-us/articles/22774058814093-AI-writing-detection-in-the-new-enhanced-Similarity-Report)
23. GPTZero：[Why Does My Writing Get Flagged as AI (When It’s Not)?](https://gptzero.me/news/why-writing-flagged-ai/)
24. OpenAI Privacy Portal：<https://privacy.openai.com/>
25. Anthropic：[Is my data used for model training?](https://privacy.claude.com/en/articles/10023580-is-my-data-used-for-model-training)
26. Anthropic：[Updates to Consumer Terms and Privacy Policy](https://www.anthropic.com/news/updates-to-our-consumer-terms)
27. 维基百科：[翻译腔](https://zh.wikipedia.org/wiki/Wikipedia:%E7%BF%BB%E8%AF%91%E8%85%94)
28. [cn-humanizer](https://github.com/0xtresser/cn-humanizer) — 中文 AI 模式与翻译腔规则（经验规则库）
29. [shuorenhua / phrases-zh.md](https://github.com/MrGeDiao/shuorenhua/blob/main/references/phrases-zh.md) — 中文 AI 腔与热梗对照
30. 阅文「妙笔通鉴」相关公开报道：[AI 能不能写出《庆余年》？](https://view.inews.qq.com/a/20251020A03CGG00)

---

*本报告基于公开网络资料整理，并补入标为〔经验结论〕的一线实操归纳，仅供个人研究参考。厂商隐私开关与平台审核规则会变，引用前请核原文。*