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”：
- 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。
- 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。
- 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”。
- 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：
- 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。
- 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。
- 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》（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？》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！（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）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》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）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 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（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？》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 的 18 种模式、shuorenhua/phrases-zh 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）。
可执行处理（〔经验结论〕）：
- 定稿前全文搜：
不是……而是、值得注意、某种意义、——、连续三个“的”。
- 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）。
- 热梗只留给这个人物会说的口吻，叙述层禁用。
- 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） 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
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）：
- 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）。
- 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。
- 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（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）。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：
- 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。
- 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。
- 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）：
- 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。
- 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。
- 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。
- 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。
- 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）：
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）。
- 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）。
- 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）。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”）
- 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。
- 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。
- 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）。
- 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。
- 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；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）。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）。
- 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：
- 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。
- 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。
- 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。
- 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”。
- 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）
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、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）。 | 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。
- 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。
- 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。
- 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”。
- 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。
- 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。
- 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。
- 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。
- 【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）。
- 【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。
- 【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）
- Many Stories, One Shape: Narrative Convergence in AI-Generated Fiction — 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）
- AI写作离真正的网络文学有多远？ — 中国作家网 / 文艺报，许耀义
- 当文学遇见 AI，写作是否会被重塑？ — 中国作家网，上官云（董江波、苗怀明访谈）
- 别再用提示词去AI味了，方向就是错的！ — 优设，宝玉
- 别再盲目调教大模型了！DeepMind 扒光 AI 写作底层套路 — 站长之家转载（二手；请以资料 17 的预印本为准）
- AI 写作 7 大缺陷揭晓！Salesforce 研究 — HK01 中文报道（二手；请以资料 18 为准）
- LLMWriter：基于 RAG 的长篇小说智能创作系统 — GitHub
- Lost in Stories: Consistency Bugs in Long Story Generation by LLMs — arXiv:2603.05890
- Narrative Consistency in Large Language Model-Generated Stories: A Survey — IEEE（付费页，条目可核验）
- RAPID: Retrieval-Augmented Long Text Generation with Writing Planning and Information Discovery — ACL Findings 2025（百科长文，非小说）
- LCAS V3.1：解决大模型长文本写崩、出现幻觉的提示词技术 — 阿里云开发者社区（作者自测）
- ai-novelist / memory-system.md — GitHub
- long-novel-writer — GitHub
- phase-fiction-skill / methodology.md — GitHub
- novel-workflow-mcp — GitHub
- 两篇研究揭露 Prompt 语气如何影响 AI 表现 — 阳明交大图书馆
【新增】本版补充
- StoryScope: Investigating idiosyncrasies in AI fiction — 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）
- Can AI writing be salvaged? Mitigating Idiosyncrasies and Improving Human-AI Alignment in the Writing Process through Edits — Chakrabarty et al., CHI 2025 / Salesforce AI Research（七类缺陷与 LAMP 语料）
- 网文作者困在AI味里，平台也是 — 澎湃号转载经济观察报，刘思璇，2026-07-04
- 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 — 京报网（四类低质行为与 855 账号）
- 七千万用户的网文平台，打出了「反 AI」的第一枪 — 太平洋科技（朱雀误检案例、DeepSeek 文风观察）
- Turnitin：AI writing detection in the Similarity Report
- GPTZero：Why Does My Writing Get Flagged as AI (When It’s Not)?
- OpenAI Privacy Portal：https://privacy.openai.com/
- Anthropic：Is my data used for model training?
- Anthropic：Updates to Consumer Terms and Privacy Policy
- 维基百科：翻译腔
- cn-humanizer — 中文 AI 模式与翻译腔规则（经验规则库）
- shuorenhua / phrases-zh.md — 中文 AI 腔与热梗对照
- 阅文「妙笔通鉴」相关公开报道：AI 能不能写出《庆余年》？
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。