AI网文写作实验笔记（十三）：系列总结——12 篇实验、8 条核心结论，把“AI 写小说“每一步拆开验证

为什么写这一篇

这是系列的最后一篇。前面 12 篇做了几十个实验，这篇把它们串起来：我们到底验证了什么、哪些结论稳、哪些还没做、最终怎么用。

没空看完全部 12 篇的话，读这一篇就够——前面是过程，这里是答案。

写给谁： 想一口气看完"AI 写小说到底能不能、怎么才能"的人。

30秒极简版

12 篇实验、几十次测量，把"AI 写小说"拆成 8 条核心结论逐条验证。结论浓缩成几句话：

• AI 能搭出"戏"——人给蓝图，它就能执行
• 能部分控制"情绪曲线"——压抑释放、载体能指定；峰值位置只有趋势
• 但"文风"和"长文伏笔"必须靠人——校准去 AI 味、伏笔要专门管理

工程化的正确答案不是"全自动"，是"人给结构、AI 填血肉、校准去味、工具管长线"。

一、 这条路的起点：为什么 AI 写小说"看着对、读着假"

系列一开始（Part 1-4）解决的是最基础的问题：AI 写网文到底行不行？结论是**“行，但很多人卡在错误的地方”**——问题往往不在提示词本身，而在一些"大家以为的关键"上：

这四篇的价值在"证伪"：把"提示词玄学"里大家最信的误区，用实验一个个证伪，留下的才是真正管用的。

二、 中段：真正管用的三样——蓝图、校准、结构

从 Part 5 开始，系列进入"什么真正管用"的建设阶段，结论可以归成三样：

1. 蓝图定"戏"（Part 6-7）

核心发现：约束管不住剧情设计，蓝图管得住。

• Part 6：只有写作约束 + 剧本格式、没有剧情蓝图时，提示词救不了剧情（有戏四要素 0/20 达标）
• Part 7：人先填"戏蓝图"（谁打谁/谁失控/怎么绝杀/什么反转），AI 照蓝图执行——从 0/20 到 20/20 达标

一句话：戏是设计出来的，不是提示词挤出来的。 人定结构，AI 照做。

2. 校准去"味"（Part 5）

核心发现：AI 腔是模型思维烙印，写的时候拦不住，写完用独立模型校准才能洗掉。

• 标杆放生成端无效（盲测全不及格）
• 独立强模型写后校准，比喻密度 7.2→0.2/千字（降 97%）
• 但校准也会带新 AI 味，需要"白描铁律"压住

一句话：文风是最后一公里，得靠"独立模型 + 白描铁律"的事后校准，不是 prompt 能解决的。

3. 情绪曲线部分可编程（Part 9-11）

核心发现：AI 的情绪表达可以测量、部分可以控制。

• Part 9：词表扫描测情绪方向是反的（AI 情绪词 11 倍反而更假），要用 LLM 语义标注（强度+载体）
• Part 10：AI 载体能力不均——对话相对最不烂，一离开对话就 AI 味
• Part 11：压抑释放能控（强度差 1.0→1.7，统计显著）、峰值位置只有趋势（三组不显著），载体能指定

一句话：情绪曲线的"骨架"部分可编程（载体、压抑释放可靠；峰值位置只有趋势），“血肉”（压得多深）还得靠校准。

三、 后期：长文的问题不是记忆，是远期资产（Part 12）

测短场景看不到的问题，在一本完整写完的 80 章 AI 长书里暴露了：

• 短期记忆强：主角当前状态逐章连贯、角色一致性零 OOC
• 长期记忆弱：69 条伏笔只收 35%，书完结了还大量烂尾

而且挖出三条反直觉规则（不是"记忆要管理"这种空话，是可判定的具体规则）：

1. 伏笔标"接近兑现"后 0% 真兑现（状态机缺限期兑现）
2. 全书 60-75% 位置埋的伏笔回收率最低（14%）
3. 转折章一次埋 3-7 条容易烂尾

一句话：AI 长文的问题不是"记不住"，是"远期资产没有专门管理"——伏笔要限期兑现、埋设要守位置、单章要限数量。

四、 收尾实验（人参与梯度）：人到底该在哪介入？

最后一个实验测"人参与梯度"——人介入程度从 0 到全面：

（B 和 D 都是"人写大纲 + AI 正文"，区别是：B 用系列验证过的"戏蓝图"作骨架，D 是传统写法，只给大纲、不给蓝图。主线是 B、D 都对比 A（全自动）和 C（工程化）——看"人介入多少"和"怎么介入"各值不值。）

三条结论：

1. 人参与值得，但边际收益递减（3.5→4.2，从 0 到参与提升最大）
2. 人写大纲是性价比最高的介入点（AI 腔 0.0 最低、意愿 4.0）
3. 逐章审校提意愿最多但引入新 AI 腔——审查模型会把套话通过修改意见带进正文，需要"去套话"约束

一句话：工程化的正确答案不是"全自动"或"全人工"，是"人写大纲 + AI 填血肉 + 校准去味 + 工具管长线"。

五、 8 条核心结论覆盖情况（这些是本系列的 8 个实验主题）

这 8 条核心结论全部有实测数据撑着。

关键数据速查（一表看完系列最有用的数字）：

六、 最终结论：AI 写网文，怎么做

把系列所有结论收成一份"正稿流程"：

【人】写戏蓝图（谁打谁/谁失控/怎么绝杀/什么反转）
   ↓
【人】写大纲（关键节点 + 情绪曲线 + 载体序列）   ← 性价比最高，AI腔降为0
   ↓
【AI】照蓝图+大纲生成初稿（doubao）
   ↓
【独立模型】校准去 AI 味（deepseek + 白描铁律）   ← 比喻密度 -97%
   ↓
【AI】追问优化 1 轮（别追 3 轮，白花钱）
   ↓
【工具】管长线（伏笔限期兑现/埋设守位置/单章限数量）
   ↓
【人】终审剧情

（注：人参与梯度实验里"逐章审校"提意愿最多（4.2），但它会引入审查模型的套话（AI 腔 2.2），所以正稿流程用的是"校准去味"而非"逐章审校"——校准只改文风不查剧情，副作用更小。若要加剧情审校，需配"去套话"约束。）

七、 没做完的、和可以继续的

诚实交代还没验证的：

1. 跨题材、跨模型：全部实验用攻心戏 + doubao/deepseek；打斗/权谋/感情戏、Claude/GPT 都没验证
2. 真人读者大规模盲评：只在早期的一个实验里做过一次（结论不乐观），后续评估以 LLM 双评者为主
3. "百万字不崩"那条（记忆管理）：用的是"千金归来"那一套工具做观测，不是我们自己搭的对照实验
4. 样本量：多数实验 20 篇/组，方向可靠、精度有限

可以继续的方向：把上面的"正稿流程"真正跑完一本 30 万字以上的书，看它能不能在真实长篇里稳住——这是最有价值的下一个实验，但它需要时间。

八、 数据与样本

全部实验数据、脚本、报告都散落在各篇的"数据与样本"一节——评论区或私信找作者要，注明要哪一篇的。

九、 系列索引

十、 一句话总结

AI 写小说这条路能走通，但关键不在"提示词"，在"结构"。人给蓝图和结构（戏蓝图、大纲、情绪曲线、伏笔规则），AI 填血肉，独立模型去 AI 味，工具管长线。12 篇实验把这条路每一步都用数据验证过，没有玄学，只有可复现的结论。 系列完结，感谢读到这里的你。

本系列完结。 Part 1-13 全部发布。