LLMs如何释放小说创作力：从设定管理到一致性维护

过去半年我写小说的时候遇到过很多次中途停下来。不是灵感停了是检索停了。比如写到第十五章主角走进一家旧书店我需要回忆起他在第三章提到过的那本书究竟叫什么名字。这个细节在读者那里可能毫无存在感但它决定了后面章节里主角和店员对话时能不能准确报出书脊上的烫金字。前几年我会翻文档、翻草稿、翻人物卡效率低得惊人。现在我会把零散材料丢给 LLMs让它按统一格式整理出答案。问题解决得很快快到我意识到一个更底层的现象写作真正的瓶颈不是创作能力而是创作过程中大量结构性的重复劳动。标题叫“LLMs Set My Fiction Free”这个判断很准确。它不是“AI 帮我把小说写完了”的意思而是 LLMs 把套在创作流程里的那些耗散性环节解开了让作者可以把脑力留给真正需要判断力的地方。这篇文章想聊的就是这件事在实际创作里是怎么发生的以及怎么让它稳定发生在你的工作流里。1. 为什么 LLMs 最终解决的是“创作前置劳动”不是创作本身1.1 写小说真正消耗人的其实是一堆“非创作型劳动”很多没写过小说的人会误以为卡文是因为缺乏灵感。写过长篇的人会告诉你卡文更多时候是因为信息断裂。你已经知道自己接下来要写什么但不知道前文里某个配角是左撇子还是右撇子你确定要让主角在第五章回到老宅但不记得老宅在第二章出现过几次、每次描述里窗户是在哪一边。这些碎片构成了一个巨大的管理负担而人脑的工作记忆非常有限一旦被这类问题占满别说灵感连基本的表达顺畅都做不到。我在写第一部中篇时就吃过这个亏。当时我坚持“必须自己记住所有设定”认为依赖笔记是能力不足。结果写到第三万字我连续两次让角色穿越了已经封闭的走廊一次让角色叫错了另一个角色的名字。那之后我才承认纯粹靠记忆维护一个虚构世界既不浪漫也不高效。这就是 LLMs 真正介入的位置。它不能替你做美学判断但在整理、检索、命名、归纳、扩展这些环节上它可以比人类快出一个数量级。你需要做的只是把材料交给它再把结果放回你的创作上下文里。1.2 把写作过程拆开看LLM 的介入点全在中间层为了说清楚这件事我们可以把一次完整的虚构写作拆成四层写作环节作者主要工作LLM 可以承担的部分灵感阶段决定写什么方向、什么情绪根据一句话前提扩展思路、提供反常识分支大纲阶段选择情节走向、确定因果关系生成场景清单、检查逻辑漏洞、梳理时间线草稿阶段写出人物对白、场景氛围、叙事节奏提供段落骨架、修改句式、补充细节选项打磨阶段保持文风统一、控制信息释放速度扮演目标读者做反馈识别设定矛盾你会发现LLM 的介入点几乎全在“生成选项”和“整理约束”这两件事上而不是在“做决定”这件事上。这跟我们用搜索引擎、用卡片笔记是同一个逻辑只是交互方式从“检索”变成了“对话”。所以在后面所有操作流程里我的核心原则是LLM 只负责把分叉打开作者负责把分叉合上。你让它帮你列出五种可能性这是合理的你让它帮你直接决定故事走向这通常会把小说变成套路样本因为模型会倾向平均化、稳妥化的叙事。2. 从想法到大纲建立一套“最小创作流程”2.1 一句话灵感先做五个方向的分叉很多写作者已经有了一个模糊的火花却不知道从哪个角度切入。这时候最忌讳的是直接让 LLM “写一个故事”。越宽泛的指令越容易得到平庸的结果。更实用的做法是先确定一个最小前提然后让模型针对这个前提生成多个差异化方向。比如你脑子里有一句“主角是考古学家发现某地钟声和旧照片联动”可以这样写请基于这个前提主角是考古学家发现某地钟声和旧照片联动。 给出 5 种不同开场方向每个方向不超过 150 字。 方向要有明显差异性分别偏向悬疑、温情、惊悚、荒诞、青春五种气质。 请标注每个方向的主要冲突和悬念。这个提示的关键在于你不要求模型给完整故事只要求给“方向”。150 字这个长度限制也避免了模型堆一堆没意义的设定说明。你拿到的是一排不同颜色的门口读者不需要它直接带你进房间但你需要先看到五扇门才知道自己想推开哪一扇。实际使用里我会把生成的五个方向当作“设想的集合”不会照单全收。有时候第五个方向看起来不合常理但里面一个“钟声其实是老照片里那个人的敲门声”细节反而能触发真正属于我的灵感。这里模型是喷枪不是裁判。2.2 选定方向之后让模型生成“场景清单”而不是完整草稿方向定了下一步不是“写正文”而是列“场景清单”。场景清单指的是把整个故事拆成若干关键事件每个事件标明出现人物、发生地点、承担功能、大致发生时序。它比大纲更细比分镜稿又更简。场景清单的好处很明显一是在写正文时不至于迷路二是可以提前发现结构问题。如果你发现某个场景的功能是“让主角发现旧照”而前一个场景已经让他无意间看到了旧照那就有冲突。提示可以这样写根据我选择的方向[粘贴你的方向摘要] 请把故事拆成一个场景清单共 8 到 10 个场景。 每个场景只写四行 1. 场景题目 2. 主要出场人物 3. 发生的时间与地点 4. 这场戏在故事里的功能 不要扩展成正文不要添加心理描写。让模型只输出四行是为了防止它用大量形容词掩盖逻辑漏洞。你需要的是一副骨架不是一团带肉的半成品。我第一次这么做的时候在第四个场景处发现功能重复提前删掉了一场原本打算写的戏省了大概两天时间。2.3 一个可复用的“创作工作台”文件组织方式如果你只是偶然写一个短篇用对话窗口临时问几句就够了。如果你要在长篇里长期使用 LLMs必须解决“上下文记忆”问题。模型不会记住你上一次对话讲过的设定除非你把设定作为输入再次带进来。一个简单但很有效的做法是建立一个专门用于创作的文件夹里面维护三个固定文件世界观_设定.md存放地点、历史、规则、魔法体系或世界观限制人物卡.md每个角色一条记录外貌、性格、目标、说话风格、重大事件时间线.md按时间维度记录已经发生的关键事件每次和 LLM 协作时把对应文件内容粘贴进对话并声明以下是我当前的设定文件请基于这些内容回答问题。不要自行添加与设定冲突的信息。其中无法从文件确认的信息请回答“设定文件中未找到”不要编造。这个做法看起来原始但在大多数场景下比想象中有效。它本质上是在把 LLM 当作一个需要对上下文负责的协作对象而不是每次失忆的新人。只要设定的文本量控制得当直接粘贴比接知识库、接向量数据库更省事。等你确认当前流程跑不通再考虑引入更复杂的检索工程。3. 前后约束用“人物卡时间线设定清单”解决一致性3.1 长篇小说最头痛的是上下文管理你的故事越长越容易在细节上“穿越”。我把这称为“创作漂移”。最典型的例子是角色的年龄。第 2 章里主角还说自己“刚从学校毕业”第 9 章里因为剧情需要突然变成了“工作十年”。还有地点描述大门明明朝南开角色却从北门走进院子。这些错误并不难改但往往要等读者指出来或者你自己重读全文后才发现。以前我靠 Excel 表格维护但写起来很笨重。后来我试过纸笔、双屏备注最终发现 LLM 能最快做到“你给我材料我按你要求格式总结”它真正优势就是把散落在大纲、草稿、聊天记录里的信息统一化。3.2 把模型变成“设定维护员”而不只是对话窗口一个我验证过多次的用法是让模型扮演“设定维护员”角色每次聊完一个章节后立刻更新人物卡和时间线。你可以这样要求你是我的设定维护员。 我会给你一段新写完的章节摘要请你 1. 更新相关人物卡只改有变化的信息保留原有内容 2. 更新时间线新增摘要里发生的事件不删除旧事件 3. 如果发现摘要与既有设定冲突单独列出冲突点不要直接改掉 4. 输出格式Markdown 表格包含“设定项、原文摘要、既有资料、是否冲突”。这个提示的价值在于“不要直接改掉”。你希望模型是记录员不是创作者。一旦它直接改了设定反而会掩盖矛盾让你误以为一切都对得上。实际操作时我会在每写完一章之后先把章节压缩成 200 字以内的摘要再把摘要丢给模型更新设定。这比把整章文本贴进去更省 token也更容易让模型聚焦。3.3 当内容超出单次对话记忆时怎么操作所有对话式模型都有上下文窗口限制。设定文件太大时不可能把整本书塞进一次对话里。这时候不要硬塞可以按场景拆。我会给模型一个不会超过上下文上限的“局部上下文包”里面只包含当前要写的场景编号该场景涉及的人物卡该场景涉及的地点设定该场景之前一章的结局摘要如果模型提出“无法从文件确认”的问题那就回到原始文档去查。这套方法听起来很反技术但它稳定。对于大部分中短篇完全够用。只有当你写的是几十万字的长篇人物超过几十个、设定事件上百条时才需要认真考虑用检索增强生成或者建立项目级知识库。那是另一个工程话题。4. “生成—反馈—重写”而非“让 AI 直接出稿”的实操策略4.1 让模型“生成草稿骨骼”而不是全文很多人第一次用 LLM 写小说时会直接说“帮我写一个两万字的悬疑短篇。”结果往往得到一篇结构完整但面目模糊、毫无个人风格的文本。这不是模型能力问题而是你把决定权全部外包了。我的习惯是让模型做“骨骼”。以一场“主角发现旧照片里出现未来的自己”的戏为例。我正在写一场戏目标约 1500 字。情节节点如下 1. 主角无意中发现旧照片 2. 照片里出现一个不该存在的人影特征像主角 3. 主角内心意识到这可能是时间穿越的线索 4. 结尾停在主角决定去照片拍摄地一探究竟。 请给我四条这一场戏的写作路径 A. 以环境细节为先 B. 以内心独白为先 C. 以对话中断为先 D. 以悬念反转为先。 每条路径用 200 字概括不要写成正文。这样你得到的是四种写法路径而不是一段可直接粘贴的文字。接下来你选择一种最贴近当前叙事节奏的路径再自己写正文。在这个过程里LLM 提供的是信息和视角而不是作者声音。4.2 固定角色让模型从不同读者视角反馈写完一稿之后大多数人的问题是看不出哪里有问题。因为作者已经默认了自己的叙事顺序很难跳到外部视角。我经常使用的一种方式是让模型扮演特定类型的读者。不是“请帮我审稿”而是给它一个明确身份你是一位只看过前五章的新读者。这是我刚写完的章节。 请从以下三个角度给出反馈 1. 有没有让你觉得信息量过大、跟不上节奏的地方 2. 有没有让你觉得角色改变突然、缺少动机的地方 3. 有没有想继续读下去如果不想指出第一个想放弃的位置。 请用短句列出不要空泛夸奖。重点是最后一句“不要空泛夸奖”。模型为了迎合用户默认会先夸一通。如果不加约束你会得到一堆“写得真好很有代入感”的无用反馈。让模型扮演读者等于在草稿和正式发布之间加了一道低成本的内测。但也要记住这个读者没有真正的审美偏好。它不能告诉你“你的故事在这个时代是否有意义”。它只是帮你判断信息顺滑度、逻辑连贯度和动机充分度。4.3 重写决定权留在作者手里的校验流程拿到反馈后我会按一个固定顺序行动标记所有“设定冲突”类问题标记所有“读者困惑”类问题区分哪些是信息给少了哪些是故事本身应该保持模糊选择解决其中一个最影响理解的问题重写对应段落重写之后再让模型对修改段落做一次对比反馈。这套流程的关键不是说每一次都要推翻重来。有时候读者困惑是正常的是叙事策略的一部分但你必须知道那是故意为之而不是漏掉信息。校验的意义就是让“模糊”从事故变成选择。5. 注意 LLM 的两类陷阱幻觉和“AI味”5.1 幻觉不是不可避免但必须交叉验证LLM 天生会生成听起来合理的文本。当它不知道某个具体信息时不一定承认不知道而是会平滑地编一个。在虚构写作里这个特性有点特殊。纯粹虚构的设定它编造出来不算错因为本来就没有唯一事实但涉及真实历史上的事件、地点、风俗、科学原理时它就可能给你制造硬伤。我经历过一次典型翻车让模型帮我列出 20 世纪 80 年代中国某个小城的路边摊细节。它给了一份看起来很生动的清单后来我核对后发现里面夹杂着两个九十年代后期才出现的食品包装品牌。这类问题如果直接写进小说会破坏场景可信度。对策很简单涉及真实世界信息时模型输出只能当草稿必须人工核对。如果是纯虚构设定就没有这次担心但你需要检查它是否和你的既有设定冲突。5.2 “AI味”常来自提示词给了太多包办空间很多作者抱怨 AI 生成的文字有“AI味”写成一种华丽但空洞、比喻密集但缺乏落点的排比句。这通常不是模型的问题而是提示词给得太宽。如果你说“帮我写一段夜色的描写”模型大概率会给你“夜色如墨星光如碎银”之类的通用隐喻。但如果你说“夜色描写要求没有任何比喻只写触觉和声音”它会立刻切换到另一种风格。所以“AI味”可以理解为模型默认风格而不是能力上限。你在意文风时与其换一个模型重写不如先检查提示词里有没有给出足够明确的风格约束。可以给模型一个你已经写过的段落作为风格参照再要求它模仿句式节奏而不是模仿情绪。5.3 如果效果不对怎么排查当你觉得 LLM 输出很不满意时不用急着判定“AI 不会写小说”。可以按下面顺序排查先看问题是在“信息层面”还是“风格层面”信息错误说明上下文补得不够风格不对说明风格参照没给够。再看是不是提示范围太大从“写一个完整故事”缩小到“写一个场景”“写一段对白”“写一条线索”。然后检查是不是缺少负面约束你只说了“要诡异”没说“不要奇诡堆叠”它自然会往极端形容词上飘。最后看是不是上下文过长设定文件太长时模型注意力容易丢失把真正关键的信息淹没掉。此时要精简输入而不是无限拉长。这个排查逻辑可以复用到很多场景。它不是模型失灵而是你的输入工具还不顺手。6. 这套写作流帮你解决了什么以及它的边界在哪6.1 适用场景从短篇到长篇从想法到改稿我推荐的这套方法对以下人群最有效正在写中长篇但觉得设定管理很累的人经常有灵感但无法快速拆解成可执行大纲的人写完一稿后看不清自己逻辑漏洞的人想尝试用工具提升写作效率但不想放弃作者主导权的人它的核心价值不是让你写得比以前快多少而是让你在写作过程中不再频繁地因为“查询、回忆、分类”这些事务性工作而离开故事世界。你进入心流的时间变长了那种“被卡住”的频率明显下降。6.2 不适用场景它不能替代审美和价值观必须承认LLM 目前在审美判断力上非常有限。它知道什么是“好的类型套路”但不知道什么是“只有你能写的那种好”。它知道如何把一段对白改得平滑却不知道角色那句沉默背后需要多少潜台词。所以如果你把 LLM 当“创作合伙人”会在某个阶段发现它在关键抉择上平庸但这不妨碍把它当“创作助理”负责那些不需要太多人格立场的劳动。这个边界必须摆正。6.3 下一步最该做的第一件事如果你看完这篇只想做一件事那我的建议是不要先去搭复杂的知识库也不要先买一堆教程先找一篇你写过的旧稿挑一段两百字的片段按文章里的方法让它帮你生成五个方向、拆成条场景清单或者更新一份人物卡。跑通一次最小流程之后你会清楚知道它在哪里能帮上你、哪里让你反感。这个判断比任何功能清单都重要。对我来说LLMs 并没有让写小说这件事变容易。该琢磨的地方还是得琢磨该推翻的稿子还是要推翻。但它确实剪掉了那些我早就想剪掉的胶带让我可以更专心去做那种只有人能做的事成为一个在虚构世界里做出判断的人。这才是“Set My Fiction Free”的本来意思。