企业官网建设流程全解析

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：

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：

1. 标记所有“设定冲突”类问题；
2. 标记所有“读者困惑”类问题；
3. 区分哪些是信息给少了，哪些是故事本身应该保持模糊；
4. 选择解决其中一个最影响理解的问题，重写对应段落；
5. 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：

1. 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。
2. 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”。
3. 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。
4. 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。