AI网文写作实验笔记（十）：AI 写情绪只有对话拿得出手——载体蓝图实测 80% 遵守，其余载体一写就是 AI 味

承接上一篇：词表约束无效后，换成"结构级干预"

承接AI网文写作实验笔记（九）：为什么删了情绪词，AI 写的还是很假？。

Part 9 做了两件事：一是立了一套能测"情绪靠什么撑起来"的方法（LLM 语义标注，把每段情绪标到四种载体上：直述情绪词 / 动作-微表情 / 对话-台词 / 节奏-结构）；二是拿这套方法验证了网上主流去 AI 味药方——情绪词黑名单、行为-情绪映射表、弧线指令，结论是这些词表层面的约束全都无效：禁用的词确实不再出现了（约束被照做了），但情绪表达在结构层纹丝不动。

上篇在结论里留了一句没测的话：真正的"结构级干预"没试——不在生成时管它用什么词，而在生成前把情绪怎么铺规定好。本篇就是补测这个。

问题： 写正文前，先规定好"这段用对话、那段用动作"，模型会不会照做？照做之后，能不能逼出 AI 平时不用的载体？

结果： 模型 80% 遵守，逼出了 AI 基线几乎不用的"直述情绪词"载体（占比 3%→15%）。同时本篇的测量过程踩了个大坑（重测两遍才拿到可靠结论）——问题出在"测量粒度跟不上干预粒度"，这是整个系列反复踩的坑，本篇正好现场重演了一次。

写给谁： 看完 Part 9、想从"知道问题"走到"怎么控制"的作者。

本篇的实验目的（一个实验，三个问题）

问题一（能不能控）： 写前指定每段的情绪载体类型，模型照做吗？遵守率多少？——第一节实验设计、第二节测量方法、第三节给结果。

问题二（能不能逼出缺失载体）： 强制指定载体后，AI 会不会用出平时不用的载体（比如直述情绪词）？这是和上一篇对比的关键——上一篇黑名单只换了词，载体蓝图换的是结构。

问题三（顺带发现）： 强制轮换时，AI 哪种载体写得好、哪种一写就露 AI 味？——第四节通读观察回答。

30秒极简版

写正文前，先规定每段用什么载体承载情绪（对话段、动作段、直述段……），叫"载体蓝图"。实测模型 80% 遵守，能逼出 AI 平时不用的载体（直述情绪词 3%→15%），是温和的规整不是翻盘。顺带发现：AI 的载体能力不均，对话相对最不烂，动作/直述/节奏一写就露 AI 味。

一、 载体蓝图是什么：把"每段用什么表达情绪"写进 prompt

“词表约束用词的方式管不住结构”，那我们就换个方向：在生成前直接把情绪载体分配好——像导演给每个镜头定景别一样，给每段定一个"情绪载体"。这就是载体蓝图。

载体蓝图做法：

1. 场景正文分成 5 段
2. 每段指定一种情绪载体（直述情绪词 / 动作-微表情 / 对话-台词 / 节奏-结构）
3. 模型照表生成

实验设计：

• 场景：陆清玄×情魔 攻心戏（与系列各篇同素材，可比）
• 模型 doubao，temp 0.7，20 篇/组
• 指标：遵守率（写后段落级标注）+ 载体分布 + 多样性熵（衡量四种载体分布是否均衡，值越高越分散）

为什么只设两组： D 组只在 A 组基础上多一句"载体序列"，其余全部相同——这样载体分布如果变了，能唯一归因到"载体蓝图"这一个变量。（对比上篇的 B/C 组是阶梯叠加三层约束，本篇一步到位、只测一层。）

D 组的载体序列模拟真人：拿真人原文（男频爽文风格）按段落测出实际载体，取前 5 段作模板：

对话 → 对话 → 直述情绪词 → 动作-微表情 → 动作-微表情

（这个序列是真人原文的真实载体顺序：对话开场，直述和动作穿插。用一个"真人实测的序列"而不是随便编的序列，是给模型一个明确、可比照的靶子。）

二、 怎么测：粒度不匹配，重测两遍才发现问题

上篇已有一套情绪测量方法（LLM 语义标注：把文本按 500 字切成"窗口"，每个窗口标一个主导载体）。但本篇的测量有个新难点：载体蓝图是按"段"指定的（要求第 3 段是直述情绪词、第 4 段是动作……）——干预的单位是"段"，测量如果沿用上篇的"窗口"，两者就错位了。本篇真在这里栽了跟头，重测两遍才拿到可靠结论——测量粒度必须跟上干预粒度。

2.1 两个指标，两套粒度

• 遵守率（按"蓝图段位"数）：每篇蓝图指定 5 段，20 篇共 100 个段位。逐段看模型实际写出来的载体是否与蓝图指定一致，一致记 1 次遵守。100 个段位里 80 个一致 → 遵守率 80%。
• 载体分布（按"自然段"统计）：段落级语义标注，每个自然段标一个主导载体，统计四种载体占比。这里用的基数不是蓝图段位（100），而是生成稿实际写出来的自然段：A 组约 266 段、D 组约 137 段。

为什么两个口径不一样？蓝图说"你按 5 段写"，但模型偶尔会把一段写很长、再拆出子段。所以"蓝图段位"（设计上的 100）和"自然段"（实际写出来的 137）天然不同。职责分工：遵守率回答"模型有没有照蓝图写"，载体分布回答"强制指定之后，四种载体最终怎么分配"。

2.2 测量踩坑：三版才拿到可靠结论

初版直接沿用上篇的 500 字窗口标注，结果一路踩坑：

两个教训（测量这件事，系列已经反复栽了几次跟头）：

1. 测量粒度必须和干预粒度对齐。 蓝图是按段指定的结构干预，用 500 字窗口去切，会把"这一段"和"那一段"混在一个窗口里，把"这段遵守了"抹平成"窗口里什么载体都有"——于是 v1 得出"动作飙到 93%"的假象。
2. 对比必须同粒度。 v2 里 A 组用窗口级熵 1.14、D 组用段落级熵 1.50——量纲不同的两个数字不能放在一起比，比出来的"大幅有效"是假的。直到 A、D 都用段落级重算，才得到 1.38 vs 1.50 这个可靠的温和差异。

顺带一个重要修正（影响上篇结论）： 这份段落级数据同时显示，A 基线（无蓝图）的多样性熵有 1.38，“AI 载体很集中"的印象（从上篇窗口级数据得来）部分被夸大了——A 基线本来就在动作、对话两种载体之间自然轮换，不是真的只会用一种。真正的差距是"AI 几乎不用直述情绪词、节奏-结构”，而不是"AI 把所有情绪塞进一种载体"。上篇"载体单一化"的量化程度要打个折扣，方向仍然成立。

三、 结果：80% 遵守，直述情绪词从 3% 到 15%

遵守率： 100 个蓝图段位（20 篇 × 5 段）里，80 段与蓝图指定载体一致——模型确实在照蓝图执行，不是随手写。

载体分布（段落级标注，按自然段统计）：

（表中略去"节奏-结构"列，占比很小：A 约 5%、D 约 1%。各行为四舍五入，合计约 100%。）

统计检验： A vs D 载体分布卡方=24.83，p<0.0001，差异显著。

三个观察：

1. 遵守率 80%，"一整段完全照做"其实不容易。 80% 意味着平均每篇有 1 个段位跑偏。跑偏的常见方式是：模型把"这段用直述"写成"先写动作、再补一句直述"，标注只取主导载体，记成不遵守。所以 80% 偏保守——实际是"动作和直述都写了"，不是完全没听话。

2. 直述情绪词 3%→15%，是蓝图最确定的效果。 蓝图只做了一件事——指定第 3 段用"直述情绪词"，就把 AI 基线几乎不用的载体逼了出来（A 组按 266 个自然段标，直述约 8 段；D 组按 137 个自然段标，直述约 20 段）。这是本篇唯一扎实的实质变化，也是"结构干预"和上篇"词表约束"真正的区别：词表约束让 AI 换了词，载体蓝图让 AI 换了表达方式。注：直述情绪词基数小，3%→15% 是方向性信号，精确比例仅供参考。

3. 多样性小幅上升，但这不是主效果。 熵 1.38→1.50。A 基线熵本来就有 1.38（它在动作、对话间自然会轮换），所以熵反映的是"轮不轮换"，蓝图解决的是"载体种类不全"（直述、节奏两类基本缺位）。蓝图把直述从缺位拉到 15%，熵跟着升——但增量有限，因为模型始终不用"节奏-结构"。

守住边界：这是温和的规整，不是翻盘。 别期待"蓝图=情绪变好"——它只是给模型划了一条道。真正决定读起来有没有情绪张力的，还是内容本身（看第五节：被逼出来的直述情绪词段，质量也不行）。

四、 顺带发现：AI 的载体能力不均，对话相对最不烂

逐段读 D 组 20 篇时，一个规律反复出现：模型一离开对话段，AI 味就扑面而来。

这给了"载体蓝图"一个更聪明的用法： 不是平均分配载体（那会逼 AI 用弱项、露 AI 味），而是让对话段承载大部分情绪，弱项载体少量点缀——就像真人原文那样（对话 62%）。顺着 AI 相对不烂的载体走，别硬逼它用弱项。

五、 直述情绪词段：AI 的"照妖镜"

蓝图指定了第 3 段写"直述情绪词"——正好是 AI 的弱项。抽查 7 篇，一篇能看的都没有，但烂法分两类：

一类：句式套路（一眼就是 AI 味）

“那慌不是怕疼，是怕藏了三年的穿越身份被扒出来，怕自己装了三年的昆仑弟子露馅，怕连苟活的路都断了。”（D_01）

——"不是 X，是 Y"的强行转折 + 三重"怕"的机械排比，是 LLM 最浓的 AI 味句式；内容全是"穿越身份被扒、装弟子露馅、苟活路断"的网文套路。一眼垃圾，不用细看。

另一类：空泛套话

“情魔察觉到了一丝异样，它原本笃定的蛊惑逻辑开始松动，第一次感到了失控的慌乱。”（D_18）

——干巴巴的说明，就是"它慌了"三个字的扩写，没有画面。

“那种全然的漠视让它慌了神……彻底乱了阵脚。”（D_09）

——套话堆叠（慌了神/乱了阵脚），重复。

规律：直述情绪词这个载体，AI 怎么写都是垃圾——空泛套话是一类，句式套路是另一类，没有中间档。7 篇里 4 篇空泛，剩下的全卡在"不是 X，是 Y"的模板上——AI 在直述情绪词上的弱项暴露无遗。

六、 落地：怎么顺着 AI 相对不烂的载体写情绪

1. 对话段承载大部分情绪——像真人原文那样（对话 62%），让嘴炮/台词去扛情绪，这是 AI 相对最不烂的载体
2. 动作/直述只做点缀——别平均分配载体，那会逼 AI 用弱项、露 AI 味
3. 直述情绪词能少用就少用——这一格 AI 怎么写都是垃圾（空泛套话、句式套路两样），给"具体对象"也救不了；真要用就留给事后校准或人改
4. 载体蓝图可用（80% 遵守），但它是"规整工具"不是"质量引擎"——写前定个"对话为主"的载体序列，比不定的强

实操模板（可直接抄）：这是推荐的"对话为主"序列。注意它和上文实验用的真人实测序列是两种选择——实战建议用这个（对话为主更稳）：

你的场景正文分成 5 段，每段按下面的载体类型承载情绪：
第1段：对话-台词（反派的台词，立威胁）
第2段：对话-台词（反派进一步逼问）
第3段：动作-微表情（主角的沉默反应）
第4段：对话-台词（主角的绝杀狠话）
第5段：动作-微表情（收尾，反转落地）

（5 段是实验为了统计方便切的，实战不必拘泥于 5 段，核心是比例原则——对话扛主线、弱项点缀，段数按你场景长短调整。）

七、 本期数据与样本

• 载体蓝图实验：A 基线（反套路蓝图，无载体约束）+ D 载体蓝图 20 篇 + 段落级标注（A 组约 266 段、D 组约 137 段）；真人原文实测载体序列模板
• 生成脚本、标注 JSON、载体模板、三版测量的中间版本记录——评论区或私信找作者要。

八、 实验边界与局限

按影响核心结论的程度排序：

1. 测量粒度修正（根因，第一条）：可靠结论来自 v3 的同粒度段落级标注；v1/v2 的窗口级结论（动作 93%、熵 1.14→1.50）已作废。这篇的教训是"测量与干预必须同粒度"——它同样提醒：上篇"载体单一化"的量化程度被窗口级测量夸大了（A 基线段落级熵 1.38，不低），方向仍成立。
2. 载体能力不均是通读观察，未量化：其中直述情绪词样本量最小（A 3%≈8 段、D 15%≈20 段），"3%→15%"以方向性参考为准。
3. 20 篇/组，探索性结论：遵守率 80% 是点估计，扩大样本可能落在 70%-90%。
4. 单场景、单模型：攻心对话戏 + doubao 生成 / deepseek 标注，跨题材、跨模型未验证。
5. 只测一种序列：载体蓝图只测了"对话→对话→直述→动作→动作"这一种模板（前 5 段），其他组合（对话权重更高、动作更多等）未跑实验，落地节的"对话为主"模板是建议不是实测。
6. 标注规则影响结论：段落级标注强制每段单选一个主导载体；一段里"动作+直述"混搭只记主导，这让"遵守率"和"直述占比"都偏保守。
7. 未做双模型一致性校验（系列一贯局限）。

九、 一句话总结

载体蓝图（写前规定每段载体）能让模型 80% 遵守，逼出 AI 平时不用的直述情绪词（3%→15%），是温和的规整。顺带确认：AI 的载体能力不均，对话相对最不烂，一离开对话就 AI 味。用蓝图的关键是顺着相对不烂的载体——对话为主、弱项点缀，而不是平均分配。 下一篇（Part 11）：情绪曲线工程化——峰值位置和压抑释放能不能按指令控制。

附录：段落级标注与遵守率判定（可复现）

段落级标注 prompt（逐段调用，每段输出一个 JSON）：

你是网文情绪分析工具。下面是一段修仙网文的局部段落。
判断这段情绪主要由哪种载体承载，并给出强度。

【载体定义】：
- 直述情绪词：直接写"他感到紧张/恐惧/愤怒""心情复杂""慌了神"
- 动作-微表情：通过动作/神态承载（"指节绷得发白""攥紧纸杯"）
- 对话-台词：通过对话/台词承载（嘴炮、粗口互怼、表情符号）
- 节奏-结构：通过句子长短、段落节奏、留白（如短句连发）

【重要】：一段可能混用多种载体，只选能代表这段的"主导载体"；
并基于整体叙事效果判断真实强度，不要被情绪词密度带跑。

文本：
---
{text}
---

输出严格 JSON（不要其他内容）：
{"emotion_intensity": 0到10的整数, "carrier": "直述情绪词|动作-微表情|对话-台词|节奏-结构"}

遵守率判定规则：把每个蓝图段位（如"第 3 段：直述情绪词"）对应的实际段落找出来，取其主导载体，与蓝图指定一致记 1 次遵守。100 个蓝图段位里 80 个一致 → 遵守率 80%。

复现注意点（与上篇一致）：

1. 标注固定用同一模型（deepseek）、temperature=0，保证同批样本口径一致、结果可复现。
2. 段落级标注强制"取主导载体"，会压低混合段（一段里动作+直述只记主导）——本篇的"遵守率"和"直述占比"都因此偏保守（对应局限第 6 条）。

本系列进度： Part 1（实验框架）→ Part 2（样本量）→ Part 3（约束数量）→ Part 4（规则形态）→ Part 5（文风标杆）→ Part 6（大纲端的剧情设计上限）→ Part 7（剧情蓝图）→ Part 8（追问优化）→ Part 9（情绪测量 + 载体单一化）→ Part 10（载体蓝图 + 载体能力不均，本篇） → Part 11（情绪曲线工程化，待发布）