用 AI 写长篇小说怎么选模型：从设定丢失到分章工作流

问题与背景

很多人第一次尝试用 AI 写小说，都是同一个起点：心里有个故事，可能是某部影视作品的改编或同人，不想写敏感内容，只想把脑内的情节落地成文字。于是问题变成一句很朴素的话——哪个模型写小说最好？

但真正开始写几万字之后，绝大多数人遇到的麻烦并不在文笔，而在“记不住”：第三章设定主角怕水，第十二章他跳进河里游了个来回；前文埋的伏笔，后文再也没被提起；同一个配角的名字从“沈砚”变成“沈彦”。所以选型问题的正确答案通常不是一个模型名，而是“模型 + 一套把设定管住的工作流”。

长文为什么会“吃设定”

把原因拆开看，会更容易找到对策：

• 上下文不是记忆。 窗口再大，模型对中段内容的利用率也会下降，越靠后的对话越占主导，早期设定容易被稀释。
• 每次续写都是重新采样。 没有外部约束时，模型会倾向于让情节走向“和解、收束、大家都不难看”，冲突被悄悄磨平，人物性格逐渐趋同。
• 摘要有损压缩。 如果只靠“把前文总结一下”来传递上下文，细节会在每一轮压缩里流失，几轮之后设定就走样。
• 模型的安全策略与风格偏好。 越界的描写会被拒绝或改写，这不是模型“笨”，而是产品策略，换模型只能换个边界位置，不能消除边界。

选型：按用途分层，而不是只挑一个

比较稳妥的做法是把写作拆成几种任务，每种任务用不同的模型，而不是指望一个模型包打天下。

几个经验性判断，供参考，具体效果请以自己题材的实测为准：

• 中文网络小说、古风、都市题材：国产中文模型的语感通常更自然，对类型套路更熟，开篇不容易写成翻译腔；代价是长程设定保持一般，需要外部管理。
• 长指令遵循、人物口吻维持、复杂设定同时生效：Claude 系列在长文叙事上的口碑较好，适合把设定写成结构化清单后一次性投喂。
• 通用性与工具链：OpenAI 系列生态完善、格式稳定，适合做设定整理、审查与批处理。
• 自部署开源模型：适合对内容边界有特殊要求的场景，但叙事质量与硬件成本需要自己权衡，且仍需遵守当地法律与服务条款。

真正决定成稿质量的，往往是下面这套流程，而不是换模型。

一套可落地的分章工作流

第一步：先建“设定库”，再动笔

用 Markdown 或 JSON 维护一份随写随改的设定文件，至少包含：人物（外貌、说话习惯、禁忌、目标）、地点、时间线、专有名词表（固定写法，防止名字漂移）、已埋伏笔与回收章节。

## 人物：沈砚
- 身份：旧城巡夜人，27 岁
- 说话习惯：短句，反问句多，不说“我觉得”
- 禁忌：怕水（第 3 章落水后留下）
- 目标：找到失踪的兄长
- 已知信息：不知道父亲与案件的关联（第 15 章前不能提）

第二步：大纲拆到“章节卡”

每章一行，写清四件事：本章目标、核心冲突、结尾钩子、必须出现的设定元素。章节卡是大纲和正文之间的缓冲层，改了不心疼。

第三步：生成正文时只喂相关片段

不要把全书都塞进上下文。每章只投喂：设定库中本章涉及的人物条目 + 上一章摘要（200 字内）+ 本章卡 + 前一章结尾原文。这样信息密度高，模型注意力也更集中。

你是长篇小说的执笔助手。以下为硬性约束：
1. 只能使用给定设定，不得新增人物能力或身份。
2. 人物对话需符合“说话习惯”条目。
3. 本章结尾必须落在章节卡指定的钩子上。
4. 输出 1800-2200 字，不要总结剧情，直接写正文。

【设定片段】…
【上一章摘要】…
【前一章结尾原文】…
【本章卡】…

第四步：滚动摘要，而不是全文回灌

每写完一章，让模型输出两段东西：200 字剧情摘要，以及“本章新增/变更的设定条目”。后者追加进设定库，前者作为下一章的输入。设定库是唯一事实来源，模型只是执行者。

第五步：单独跑一遍一致性审查

拿最近三章的正文加设定库，让模型只做检查、不做改写，输出问题清单：人名写法、时间线矛盾、能力越界、伏笔遗漏、口吻偏移。这一步用低温度，甚至换一个模型来做，交叉检查更容易发现问题。

第六步：人工润色，别省

模型初稿的价值是“把空白页填满”，节奏、留白、金句和情绪落点仍然得自己改。把润色当成第二轮创作，心理预期会好很多。

一致性检查清单

• 人名、地名、称号的写法是否与设定库完全一致
• 本章出现的道具、能力，前文是否交代过来源
• 时间线：过了几天、季节、伤势恢复进度是否对得上
• 人物是否说了不该说的信息（提前泄底或知情过头）
• 是否有“模型式和解”：冲突被无理由化解、反派突然转向
• 章节卡里的钩子是否真的落到了结尾
• 全文是否出现重复的句式与形容词（长文里非常常见）

内容边界与版权，提前想清楚

不少讨论会绕到“能不能写更露骨或更敏感的内容”。这里给不出操作细节，也不建议尝试：主流商用模型都有内容安全策略，硬绕通常意味着账号风险、稳定性下降，并且各平台规则会变，以官方最新说明为准。更实际的做法是把冲突写在情感张力、立场对立和代价上，留白往往比直写更有力。

另一个容易被忽略的点是版权。基于影视作品的改编、同人创作，自娱和公开发布的边界差别很大；商业化、投稿、上架前，请先确认原作授权与平台投稿规则，必要时咨询专业人士。对 AI 生成内容的标注要求，也建议按目标平台的最新规定执行。

长时间批量生成的环境问题

如果打算一次跑十几章、夜里挂着让模型慢慢写，本机的睡眠策略、散热降频、网络抖动都会打断流程，尤其是需要稳定访问境外模型服务的时候。一个可选做法是把这类长跑任务放到一台长期在线的远程 Mac 上执行——机房环境供电和网络更稳，本地只负责查看结果；是否需要取决于你的生成量和网络状况，不是必需品。

小结

选模型之前，先把设定库和章节卡建起来，收益远大于反复换模型。选型上按任务分层：中文语感类的模型写初稿，长指令遵循强的模型管设定与长线一致，再换一个模型做审查与润色。工作流上做到“设定外置、摘要滚动、分章投喂、独立审查、人工润色”。把这五点跑顺，任何中高端模型都能写出可用初稿；跑不顺，换再贵的模型也还是会吃设定。