企业官网建设流程全解析

用AI写长篇这件事，我身边越来越多人尝试过。小说写手拿来写网文连载，自媒体拿来写系列科普，产品经理拿来写万字PRD，大家几乎都会撞上同一堵墙：开头惊艳，越长越崩。你让AI写第1章，它像模像样，人物鲜活得能蹦出来；写到第7章，它忘了主角是个左撇子，把第3章埋的伏笔丢得一干二净，剧情在同一个困境里绕了三圈，最后还能在结尾突然赶火车一样把所有矛盾草草收掉。

问题不是你不会提问，也不是AI太笨，而是长篇写作本质上是一个状态管理问题。AI大模型的生成方式是逐词预测，它并没有一个真正长期存在的记忆。写第10章的时候，模型只能看到当前上下文窗口里的内容，第1到第5章的细节早就被挤出了窗口。它不是"忘了"，是压根儿没看见。

我在反复踩坑之后，把遇到的每种崩法都做成了对应的"代码"。这里的代码有两层含义：一层是可复用的提示词模板，我叫它写作代码块；另一层是真正用来管理章节状态和伏笔追踪的小脚本。两种合起来，就是我这套解决长篇写崩问题的方法。这篇东西不是理论，全是我自己写连载、写系列长文时一步步试出来的，适合正在用AI写长篇的人直接抄作业。

1. 先说清楚：AI长篇写作到底是怎么写崩的

1.1 我从翻车现场里总结出的五大通病

我前前后后写了十几个长篇项目，每崩一次就记录一次症状，最后发现所有翻车现场其实都可以归成五类。

这五个问题不是独立出现的。实际情况通常是上下文失忆诱发人物漂移，人物漂移导致情节推进不下去，AI只好靠注水填空，最后收不住就烂尾。一条完整的崩坏链。

1.2 底层原因：模型眼里没有"50章之前"

聊解决方案之前，得先弄明白模型为什么会有这些通病。Transformer架构的生成原理是：根据前面所有的token，预测下一个token的出现概率。所以它每一句话都是合格的，每一段都是通顺的，但它的规划范围只限于当前窗口。上下文窗口就是模型一次性能"看到"的内容上限，常见的是几千到十几万个token。如果你把一部20万字的长篇全部扔进去，后面的token会把前面的内容冲掉，相当于你的第10章是在"不知道第1章写了什么"的情况下生成的。

这个特性决定了AI天然适合写片段，不适合写长卷。它像一个记忆力很差的天才写手，单看任何一段都才华横溢，但你让它写完一整本书，它记不住自己前面埋了什么雷。

1.3 解决思路：把"记忆"从模型内部搬到外部

既然模型内部没有稳定记忆，那就不要在模型内部找答案，而是把记忆外置到你自己可控的文件、模板和脚本里。这就是我做代码的出发点：

• 人物状态卡负责记录人物，每次生成前重新加载。
• 事件状态追踪表负责锁死剧情，防止AI无中生有或绕圈。
• 细节密度清单负责防止注水。
• 结局锚点负责防止烂尾。
• 上下文注入脚本负责把这些东西自动拼装，塞进每一条生成请求。

这套方法本质上是把一个不擅长长程记忆的模型，改造成一个"每章都带着完整备忘录开工"的写手。你不用提升模型的记忆力，只要每次开工前把备忘录摆在它面前就行。

2. 通病一：设定与人物"见光死"，我用人物状态卡治它

2.1 症状与根因

写网文最怕人物崩。第1章那个冷静克制、外冷内热的刑警，到第9章突然变成了话痨暖男，读者第一个炸。但你怎么怪AI？你每次对话都是从零开始的，它根本不知道主角在第1章说过什么话、做过什么事。

很多人的第一反应是把"人设"写进第一句提示词，比如"你是一个冷酷的刑警"。但冷酷这个词太抽象，AI生成出来的冷酷只有一种模板：话少、眼神冷、动作干脆。等你写到第20章，这个脸谱化角色已经没有任何新意了。真正的角色是具体的：他左手习惯还是右手习惯，他遇到危险时先保护谁，他有什么绝对不能触碰的底线。

2.2 对症代码：人物状态卡模板

我做的第一个人物状态卡长这样：

【人物状态卡】角色名：林澈 【基本属性】年龄：29；性别：男；职业：刑警 【性格基线】冷静、克制、不轻易表达情绪；外冷内热 【行为规则】遇到威胁时优先保护无关人员；不抽烟；左撇子 【当前状态】第7章结束时：右手受伤，住处被人侵入 【禁忌】绝不可能背叛搭档 【已用伏笔】第3章提到父亲留下的怀表，尚未揭晓

看起来像普通笔记，核心是注入时机。每次生成新章节之前，把这份状态卡连同上一章末尾一起喂给模型，让它先吸收设定，再开始写。我把这个动作叫作重新加载上下文。这跟写代码之前先看一遍需求文档是一个道理。

2.3 实操：把人物状态卡做成自动注入

手贴状态卡能做，但很烦。我现在靠一段脚本自动加载，把人物卡、世界观和上一章结尾拼成一个提示词，直接丢给模型。

import json def load_context(character_file, world_file, last_chapter): with open(character_file, "r", encoding="utf-8") as f: characters = json.load(f) with open(world_file, "r", encoding="utf-8") as f: world = f.read() character_text = json.dumps(characters, ensure_ascii=False, indent=2) context = ( "【世界观设定】\n" + world + "\n\n" "【人物状态】\n" + character_text + "\n\n" "【上一章结尾】\n" + last_chapter + "\n\n" "请严格依据以上信息续写下一章。" "不允许出现与人物状态卡矛盾的行为、对话和习惯。" ) return context

这段脚本本身没什么高深的，重点在于它逼迫你维护好characters.json。每次章节更新之后，你都要打开这个JSON，把人物当前状态改掉。比如林澈右手受伤这件事，如果第8章没写他康复，那第9章他就不能徒手跟人搏斗。状态卡记一笔，模型就老实一笔。

这里有一个特别容易踩的坑：JSON字段不要贪多。我一开始把角色的童年经历、家庭关系、喜欢吃什么全塞进去，结果发现上下文被无关信息占满，反而把真正重要的当前状态挤掉了。人物状态卡只保留三个部分：不会变的基本设定、当前会影响剧情的动态状态、绝对不能违背的禁忌。什么童年阴影、星座血型，等写到相关情节再单独补。

3. 通病二：剧情逻辑断裂与无限绕圈，用事件状态追踪表锁死进度

3.1 症状与根因

AI写长篇写到中期，会出现一种我称之为伪进展的现象。看起来每章都有新情节，但整体上故事一步都没往前走。主角刚到A地又被传送回B地，反派死了一次下一章又活了，同一个悬念每次翻章都重新抛出来。为什么会这样？因为模型在生成每一章时，只追求单章内部的自洽，它没有能力核对已经发生的事件清单。

这是长篇写作最难治的一个病。人物漂移你还能靠状态卡约束，剧情逻辑问题则需要一套更复杂的机制——事件锁。

3.2 对症代码：事件状态追踪表

事件状态追踪表是我最先完善的工具，核心思想是：把已经发生的事实记录下来，并且明确告诉模型这些事实不可推翻。

【事件状态追踪表】 - 事件编号：E-01 章节：第3章 人物：林澈、苏薇 关键动作：取得怀表 结果：怀表在苏薇手里 后续影响：苏薇身份存疑 - 事件编号：E-02 章节：第5章 人物：苏薇 关键动作：苏薇谎称怀表丢失 结果：林澈暂时相信 后续影响：苏薇的谎言是后期关键爆点

3.3 实操：把事件锁写进提示词

生成新章节之前，把事件追踪表整理成一段铁律，直接放在提示词最上方：

【铁律】以下事件已经发生，不得推翻、不得遗忘、不得重复发生： 1. 林澈在第3章取得了怀表。 2. 怀表目前由苏薇保管。 3. 苏薇在第5章向林澈谎称怀表丢失。 4. 林澈右手在第7章受伤，尚未痊愈。 请续写下一章。新章节可以创造新事件，但必须与以上事件保持一致。

我试过很多复杂prompt，最后发现最有效的反而是这种简单直白的条件约束。模型写崩往往不是因为它不知道怎么写，而是因为没人告诉它哪些是记忆里必须存在的东西。你把事件清单摊开，它就不会自己脑补出一个新的怀表去向。

分享一个实操细节：事件追踪表每章都要更新，更新的动作最好固定在写完之后马上做。我一开始是写三五章才回头补一次，结果刚补完上一章，下一章又写了一章新冲突，旧事件彻底对不上号了。后来我每章生成完，第一件事就是打开events.md，追加新事件，同步修改旧事件的后续影响。坚持了大概十章，整个剧情线的连贯性明显上了一个台阶。

4. 通病三：内容空洞、套话连篇，用细节密度清单逼它写具体

4.1 症状与根因

AI写的长篇里，水是最常见的现象。它太会写那种正确但没有信息量的句子了："他感到一丝不安，仿佛有什么事情即将发生""她的眼神里透着复杂的光芒"。这种句子连写十段，剧情还是原地踏步。根因在于模型生成文本时倾向输出概率最高的表达，而概率最高的表达往往是概括性的、模糊的、放之四海而皆准的。

这个问题本职工作叫注水，放在长篇写作里是致命的。读者可以容忍一章的过渡，但容忍不了连续五章都是这种内容。

4.2 对症代码：五感写作卡

我给每章生成写了一个细节密度清单，要求生成的文本必须覆盖以下要素：

• 具体动作：不是情绪概括，而是身体行为。比如"他攥紧拳头"而不是"他愤怒"。
• 实物细节：场景里有具体物品，有气味、声音、光影，不只是"房间很暗"。
• 对话潜台词：两个人的对话不能是简单的一问一答，必须有弦外之音。
• 时间与空间锚点：读者能清楚知道现在是几点、在哪个城市哪个房间。

把它做成提示词，放在章节生成指令里：

【写作要求】 本段要求使用细节密度清单： - 每个角色至少有1个具体的身体动作 - 场景至少包含2个可感知的实物细节 - 对话中至少有1处潜台词 - 每章开头100字内交代时间和空间锚点

4.3 实操：空洞写法与细节写法的现场对比

同样一个情节，直接让AI写和加了细节清单的AI写，差距非常直观。

空洞版：

林澈走进了房间，看到苏薇坐在窗边。他心里很复杂，不知道该不该相信眼前这个女人。空气里弥漫着紧张的气氛，他总觉得有什么事情要发生了。

细节版：

林澈推门时，门轴发出一声尖锐的吱呀。房间里的白炽灯闪了一下，窗边坐着的苏薇手里握着一只已经凉透的茶杯，茶水表面浮着一层细小的白色泡沫。他把右手藏进风衣口袋，指尖碰到绷带粗糙的布面。苏薇没有抬头，只说了一句："你来得真晚。"她面前的窗台上，那只怀表不见了。

很明显，第二版的信息密度完全不同。读者能从"右手藏进口袋"看到林澈的伤，从"怀表不见了"看到剧情冲突，从"凉透的茶杯"看到等待时间。细节不是装饰，细节就是剧情的容器。

4.4 补充技巧：图层展开法

我在写长篇时还有一个习惯，叫图层展开。把每一段文本拆成动作层、环境层、心理层三个维度。动作层负责推进情节，环境层负责氛围渲染，心理层负责角色情绪。跟AI说清楚这个分层逻辑之后，提示词长这样：

请按图层展开本段： 1. 先写动作层：主角做了什么，怎么做的。 2. 再写环境层：周围有什么，光线、声音、气味。 3. 最后穿插心理层：角色此刻的判断和怀疑。 要求三层交替分布，禁止写成整段心理独白。

这招直接治住了AI爱写大段情绪独白的毛病。因为如果你不指挥它，模型会自然地沉溺在"他感到""他觉得""他意识到"里面，整页纸没有一个人做事情。

5. 通病四：结局烂尾或突然加速，用逆提纲和收束检查兜底

5.1 症状与根因

长篇最怕烂尾，AI尤其容易烂尾。写到后半段时上下文压力越来越大，模型判断"尽快结束"反而是概率最高的选择，于是主角突然大爆发打败反派，伏笔什么都还没解释，整本书就戛然而止。这种体验就像追了三个月的小说，最后两章签约作家跑路了。

5.2 对症代码：逆提纲法

我解决烂尾的方法是在动笔之前就先想好结局，这个动作叫逆提纲。不是从第1章往后推，而是先把最后一章的关键事件写出来，再往回倒推每一章该往哪个方向走。

实际操作时，我把结局锚点写成一个固定字段，注入每一次章节生成：

【结局锚点】 最终结局设定： 林澈最终发现苏薇才是幕后黑手，但在关键时刻选择保护她。 所有伏笔必须在最后一章收束： - 怀表的真正用途 - 林澈父亲死亡的真相 - 苏薇的真实身份 请确保本章情节向结局锚点推进，不得写出与结局方向完全无关的章节。

这个锚点相当于给AI的导航终点。它不是规定每一章必须发生什么，而是保证每章都在朝同一个方向走，不会迷路。

5.3 实操：收束条件自查清单

光有锚点还不够，我还做了一张收束条件自查清单，每写两三章就跑一遍：

【收束检查】 请检查当前章节是否满足以下条件： - 怀表伏笔：是否已经解释其用途？ - 父亲之死：是否已经揭晓真相？ - 苏薇身份：是否已经揭示？ - 未满足的部分，后续章节中是否已有潜在安排？ 如果没有，请给出下一章可以铺垫的方向建议。

这个检查单独作为一轮对话，不要和章节生成混在一起。它的作用不是让AI改稿，而是让你自己看清当前离结局还差几步，哪些伏笔在悄悄流失。

5.4 代码化：伏笔闭环检测脚本

如果项目够长，纯靠人脑记伏笔也不靠谱。我写了一个很简单的伏笔检测脚本，逻辑就是维护一张伏笔清单，每章标注状态，最后自动列出未闭环的项。

def check_plot_hooks(hooks_file): with open(hooks_file, "r", encoding="utf-8") as f: hooks = json.load(f) unresolved = [] for hook in hooks: if hook["status"] != "closed": unresolved.append(hook["name"] + " | 涉及章节: " + hook["opened_chapter"]) if unresolved: print("以下伏笔尚未闭环：") for item in unresolved: print("- " + item) else: print("所有伏笔均已闭环，可以安心收尾。")

脚本很简单，但跑起来很爽。每次写完一章更新伏笔状态，扫一眼输出结果，哪条线没跟上立刻一目了然。

6. 通病五：多线并行时全线失控，用主支线矩阵理顺脉络

6.1 症状与根因

写长篇只要稍微有点规模，几乎逃不开支线。主角查案是主线，反派视角是副线，配角的感情线偶尔也要出来透口气。AI最怕这种多线程任务，它没有能力同时维护几条线的因果关系，经常把支线写成独立短篇，主角在主线里下一步要干什么，等回到主线的时候已经完全接不上了。

6.2 对症代码：主线支线矩阵

我建了一个主线支线矩阵表，把所有进行中的线索都放在一张表里管理。

这张表的最重要作用是让AI知道当前主战场在哪。我在每次生成之前会加一段线序说明：

【当前线序】 当前主线：怀表谜案。本章围绕主线推进。 支线A：警察局内鬼。本章如涉及，描写不超过500字。 支线B：苏薇的救赎。本章场景控制在对话内，不触发大冲突。 支线场景结束后必须回到主线，不允许连续两章只写支线。

6.3 实操：把支线显式化

很多人写长篇会犯一个隐性错误：默认AI知道哪条线是主线。实际上模型根本不知道，你不在提示词里标明线序，它每一章都会随机抽取一条线写。有时候写了一整章配角的感情戏，主角的案子一点没推进，你还得回头删稿重写。

后来我强制自己每章开头标注本章归属线，这样AI才不会跑偏。把支线显式化还有一个好处，就是你自己也更容易控制节奏。主线写得太紧了，就安排一章支线缓冲；主线松了，就把支线停掉，专心推主线。这个节奏感，是在线序矩阵里直接体现出来的。

7. 把五套代码打包成一套可用的长篇写作流水线

7.1 目录设计与文件规范

以上五套方案分开用，各自都能解决一个问题，但真正好用是把它们组装成一个系统。我用了一个非常简单的文件夹结构来管理所有写作项目，直接分享出来：

novel_system/ ├─ 00_config/ │ ├─ world.md # 世界观、基本规则、地理气候 │ ├─ characters.md # 人物状态卡汇总 │ ├─ timeline.md # 时间线，记录每章经过的时间 │ ├─ plot_hooks.md # 伏笔清单 │ └─ events.md # 事件状态追踪表 ├─ 01_templates/ │ ├─ chapter_gen.md # 章节生成模板 │ ├─ state_update.md # 状态更新模板 │ ├─ plot_check.md # 剧情一致性检查模板 │ └─ ending_check.md # 收束检测模板 ├─ 02_scripts/ │ ├─ context_injector.py # 上下文注入脚本 │ └─ hook_checker.py # 伏笔闭环检测脚本 └─ 03_output/ ├─ chapters/ # 每章正文 └─ state_backup/ # 状态备份

这套目录本身没什么技术含量，但它解决了一个很现实的问题：写作状态到底是放在脑子里还是放在文件里。你每写十章，状态文件就是你的记忆外挂。哪怕隔了一个月再回来写，只要把config目录打开，全貌立刻恢复。

7.2 操作流水线：七步工作法

有了目录和脚本，我每章的实际操作流程固定为七个步骤。

第一步，定主线与结局。新项目动笔前，先用逆提纲法写出结局锚点和主线方向，写进world.md。

第二步，建人物状态卡。给主要角色建卡，填基本属性、行为规则、禁忌，暂空当前状态。

第三步，每章先写大纲。一小段就好，100字左右，说清楚本章发生在哪里、由谁推动、解决什么问题、朝结局推进多少。

第四步，注入上下文生成。用context_injector.py把世界观、人物卡、事件表、上一章结尾、本章大纲拼装成完整提示词，喂给模型生成正文。

第五步，更新状态。打开events.md，追加本章新事件，同步修改人物当前状态和伏笔表。

第六步，一致性巡检。用plot_check.md做一轮快速检查，确认没有出现矛盾设定。

第七步，伏笔闭环扫描。运行hook_checker.py，看哪些伏笔未闭环，及时在下一章安排收束。

这套流程看起来繁琐，实际上跑熟之后一章只需要十分钟左右。其中第四步生成占大头，第五和第七步加起来三分钟。但就是这三分钟的固定动作，把我原来写到第20章必崩的魔咒破掉了。

7.3 几条保住性命的实操经验

这些经验全部来自翻车之后，每一条都是真金白银换来的。

第一，不要一次性把整个世界观全扔给模型。我第一版把world.md写了两千字，注入进去之后把上下文塞得满满当当，模型反而不知道该关注什么，生成的章节既没重点也没风格。后来只保留当前剧情真正相关的规则，状态瘦身之后效果立竿见影。

第二，每章的大纲阶段不能省。你要让AI写的是一章有明确目标的章节，而不是"故事自然发展"。没有目标的章节，模型就会用自己最喜欢的套路写，三章之后所有章节结构全部雷同。

第三，跑偏了立刻打断，不要将错就错。如果生成到一半发现人物说了一句完全不符合设定的话，直接停止，重新调整提示词再生成。你让它把整章写完再改，这个错误可能已经渗透进后面的文本里了。

第四，定期备份状态文件。state_backup目录里的备份我是每五章做一次，全项目打包压缩。AI生成的文本本身不贵，但状态文件里的设定和事件表积累起来之后非常值钱，丢一次心态直接崩。

8. 写在最后：别指望AI记住，你要替它记住

这套方法我自己用了将近半年，最大的收获不是让AI写的每一章都完美，而是让崩坏变得可控。以前写到20章只能扔掉重来，现在写到20章还能清晰地指出是第几章开始发飘，具体是哪个角色出了问题，哪条事件链断了。这种掌控感，比任何prompt技巧都重要。

这五套代码不是什么黑科技，本质上是把写作这件事工程化了。人物状态卡是实时更新的人设表，事件追踪表是剧情的事实数据库，细节清单是防注水规范，结局锚点是导航终点，注入脚本是每天开工前的例行检查。它们合在一起，解决了AI最不擅长的问题：把散装文本变成一条贯穿始终的长线。

最后再分享一个小技巧。每次写完一章，花三十秒问AI一个问题："本章如果全部删掉，后面的故事是否还能成立？"如果答案是能，那这就是一章水章，下一章必须大幅推进。这个问题我试过很多次，比任何复杂的结构分析都直观。

AI写长篇不崩的秘诀，说到底就一句话：别指望模型拥有好记性，你要做那个把备忘录一直摊在它面前的导演。