Novelcrafter 為虛構小說創作者提供了一套高度專業化的模組化架構，旨在解決 AI 輔助寫作中長篇敘事連貫性與上下文保留這兩大核心挑戰。常規的文本生成工具通常將故事創作視為孤立的提示詞查詢，極易導致角色遺忘設定、世界觀偏離以及敘事節奏失衡；與此不同，Novelcrafter 將作者的世界觀設定知識庫與當前的場景正文生成徹底解耦。該系統的核心由兩大模組構成：一是 Codex（法典），這是一個互動式的故事聖經（story bible），用於追蹤角色特徵、別名及動態演進的人物關係弧光；二是 Plan（大綱視圖），用於將全局章節大綱逐層拆解為細粒度的場景節拍（scene beats）。透過將 Codex 條目與原子化的敘事節拍同步，小說創作者能夠在跨多章節的長篇手稿中保持高度的敘事連貫性，消除模型幻覺，並引導人工智慧模型嚴格按照已建立的故事設定生成正文。
架構劃分：Codex 設定與結構化大綱
創作一部十萬字規模的長篇小說，需要管理兩種截然不同的創作資訊：靜態或低頻變動的參考資料（角色外貌特徵、心理缺陷、魔法規則、環境設定描述），以及動態的時間線推進（推動情節發展的動作順序、關鍵揭示、情緒轉折與對話）。在通用生成工具中，作者被迫在龐大的提示詞視窗中反覆貼上角色描述與劇情提示，這不僅會迅速耗盡上下文窗口配額，還會讓模型被無關的零碎細節所干擾。
Novelcrafter 透過解耦的三層架構解決了這項痛點：
- Codex（故事聖經）： 一個集中式的關聯型知識庫，用於儲存所有持久設定的世界觀要素——包括角色、陣營派系、地點、道具神器及世界觀概念。系統不會在每次生成提示詞時傾倒所有設定，而是依賴智慧標籤識別與場景級選擇性掛載，僅提取特定場景所需的情境條目。
- Plan 視圖（宏觀層級）： 一個用於組織手稿宏觀結構單元的大綱畫布——分為幕（Acts）、章（Chapters）與場景（Scenes）。每個場景都包含專門的摘要以及元數據欄位（如視角人物 POV、場景發生地和時間線位置），為模型提供不可或缺的上下文基準。
- Write 視圖與場景節拍（微觀執行）： 正文起草工作區，場景在此被拆解為按時間推進的定向指令，即場景節拍（scene beats）。作者無需讓 AI 一次性寫出整章，而是按步驟逐步輸入時序明確的指令，從而對敘事節奏、角色反應和正文質感實現精準掌控。
透過明確劃分「角色是什麼」（Codex）、「場景處於全書何處」（Plan）以及「當下正在發生什麼」（Scene Beats）的界限，小說家在利用現代大型語言模型高速生成正文的同時，能夠保持嚴謹的創作主導權。
在 Codex 中構建角色設定與世界觀
Codex 作為首要的知識層，為 AI 理解虛構世界奠定了堅實基礎。合理的結構設計可以防止常見的生成錯誤——例如角色在章節中途眼睛顏色突變、說出不符合性格的俚語，或是遺忘前十章早已確立的關鍵人際關係。
1. 構建高密度的角色條目
Codex 中的每個角色條目都應作為高資訊密度、具備可操作性的參考卡片，而非冗長的文章小傳。相比洋洋灑灑的背景故事段落，大型語言模型處理結構化、精煉的描述要高效得多。
一個完善的角色條目通常包含以下核心欄位：
- 名稱與標識（Name and Identifiers）： 用於標題和索引的角色正式名稱。
- 別名與暱稱（Aliases and Nicknames）： 以逗號分隔的別名、頭銜或愛稱列表，代表手稿中指代該角色的各類稱謂（例如："Eleanor Vance, Nora, Lady Vance, The Red Fox"）。
- 角色定位與原型（Role and Archetype）： 分類標籤，標明角色是主角、反派、盟友還是次要背景人物。
- 外貌描寫（Physical Description）： 具體、鮮明的視覺特徵——如身高、髮質、臉部傷疤、標誌性服飾特徵、體態舉止以及說話語調。
- 心理核心與動機（Psychological Core and Motivation）： 核心慾望、主要恐懼、心理創傷和內在衝突，決定角色在壓力情境下的反應方式。
- 聲音與習慣舉止（Voice and Mannerisms）： 特定的句式模式、常用口頭禪、言語習慣及行為癖好，幫助 AI 模擬出真實鮮明的個人口吻。
2. 別名系統與智慧識別機制
智慧識別（Smart Detection）是 Novelcrafter 最核心的技術特性之一。在長篇小說中，作者很少在每一頁都直呼角色的全名；一位名為 "Captain Marcus Sterling" 的角色，根據敘述語境和場景的情感距離，可能會被稱為 "Marcus"、"the captain" 或 "Sterling"。
透過在 Codex 條目的 Aliases 欄位中填入別名，作者即可啟用 Novelcrafter 的後台斷詞解析器，在場景節拍或正文起草時自動識別這些交替出現的稱呼。當作者在節拍中輸入別名或透過 @ 觸發器進行選擇時，平台會自動將該稱謂與主 Codex 記錄關聯，並將相應條目注入發送給 AI 模型的提示詞上下文中。這消除了人工交叉核對的負擔，確保模型始終準確知曉當前提及的對象。
3. 透過進展與狀態追蹤動態弧光
虛構人物在敘事發展中很少是一成不變的。主角可能在第 5 章落下一處永久性傷殘，在第 12 章發現毀滅性的背叛，或在第 20 章轉變陣營立場。如果 Codex 條目始終停留在初始狀態，後續的 AI 生成就可能產生違背這些情節變化的矛盾內容。
Novelcrafter 透過動態筆記、條目進展（entry progressions）與狀態追蹤來記錄角色的演化軌跡：
- 階段性更新（Progressive Updates）： 作者可以在條目中追加特定時間節點的筆記，記錄永久性變化，例如新習得的魔法技能、截肢殘疾或變更的爵位頭銜。
- 人物關係修飾器（Relationship Modifiers）： 當角色間關係發生轉變（例如昔日勁敵達成脆弱的同盟）時，作者可以在各自條目中更新相互關係筆記，確保模型在生成的對話中體現出這種演變後的人際張力。
- 封存與停用（Archiving and Deprecation）： 對於陣亡或徹底退場的人物，作者可以調整其標籤或條目狀態，防止在後續自動檢測掃描中被無意召回。
4. 上下文最佳化：全局設定與場景級掛載
上下文視窗容量有限，向提示詞中填充過多的參考資料會導致注意力稀釋（attention dilution），使 AI 忽略微調指令或產生細節矛盾的幻覺。Novelcrafter 提供了兩種互補機制來調控上下文密度：
- 基於提及的自動注入（Automatic Mention-Based Injection）： 當活躍場景節拍中明確提及某個角色、陣營或道具神器時，Novelcrafter 會自動提取對應的 Codex 條目並放入生成載荷中。
- 手動場景上下文（Manual Scene Context，
+ Codex）： 在許多敘事場景中，某項世界觀要素即便未在正文中直接提及名字，也會對場景產生深遠影響。例如，一場緊張的審訊場景可能會受到潛在地緣政治條約或難以言說的家族秘密的制約。透過點擊場景摘要下方的+ Codex按鈕，作者可以將這些設定條目顯式掛載到整個場景上，使 AI 在不增加節拍指令負擔的前提下始終保持情境感知。
構建手稿架構：在 Plan 視圖中編制大綱
在落筆寫下具體段落之前，作者會在 Plan 視圖中建立故事的宏觀骨架。這一大綱介面提供了清晰直觀的層級結構，架起了高層主題構思與逐場景落地的橋樑。
1. 層次化敘事組織
Plan 視圖將寫作內容劃分為三個嵌套的結構層級：
- 幕（Acts）： 宏觀敘事樂章，界定戲劇張力的主要演進階段（例如經典的三幕結構、五幕悲劇或救貓咪節拍表）。
- 章（Chapters）： 獨立的閱讀切片，包含一個或多個關聯場景，提供自然的節奏停頓與主題劃分。
- 場景（Scenes）： Novelcrafter 的基本作業單元。每個場景代表一段連續的行動，發生在特定地點，以特定人物視角展開，覆蓋離散的敘事時間片段。
在每個場景卡片中，作者分配關鍵的結構元數據：
- 視角人物（Point of View，POV）： 指定以哪個角色的視角來過濾場景中的感官細節與內心獨白。
- 主要地點（Primary Location）： 將場景關聯至 Codex 中的特定地點條目，自動帶入環境細節與感官背景。
- 目標字數（Target Word Count）： 設定結構化字數目標，輔助作者平衡各章節的敘事節奏。
2. 場景摘要的戰略職能
在 Novelcrafter 中，場景摘要（Scene Summary）不僅是供作者查閱的備忘筆記，更是 AI 生成引擎讀取的活動程式化輸入。
在 Write 視圖中起草正文時，AI 模型需要了解當前片段與此前情節的承接關係。直接將成千上萬字的原始手稿送入提示詞既昂貴耗時，又容易導致上下文衰減；與此相反，Novelcrafter 會將緊鄰的前序場景摘要注入生成提示詞中。
為了使場景摘要在 AI 連貫性表現上發揮最大效力，作者宜遵循以下編寫原則：
- 聚焦狀態變遷： 明確闡述角色關係、身體狀況和認知狀態在場景中發生了何種改變（例如：「埃琳娜在羅伯特勳爵的書房裡發現了偽造的帳冊；羅伯特在她穿過中庭逃跑時將她當場截獲」）。
- 記錄未解衝突： 顯式標明遺留的衝突或延伸至後續場景的緊迫疑問。
- 保持嚴密時序： 嚴格按照事件發生的先後順序進行總結，避免使用華麗辭藻或可能干擾模型時序理解的主觀評論。
落地執行大綱：使用場景節拍進行起草
如果說 Plan 視圖規劃了整部作品的發展走向，那麼 Write 視圖則是作者利用場景節拍將這些構想落地成篇的工坊。場景節拍構成了人類敘事意圖與機器正文生成之間的直接互動介面。
1. 什麼是場景節拍？
場景節拍（scene beat）是一條細粒度的時序性指令，用於指揮 AI 撰寫場景內特定的一段動作、對話或描寫。作者無需給 AI 下達諸如「寫第三章」這樣寬泛的指令，而是將第三章拆解為五到十個具體的節拍。
在 Novelcrafter 的編輯器中，節拍可以透過 /beat 命令或正斜槓快捷鍵調用。作者輸入指令後，AI 會在其正下方直接生成對應的正文。作者在繼續進入下一個節拍之前，可以對生成內容進行採納、編輯、重新生成或捨棄。
2. 簡略節拍與引導型節拍
根據個人的創作風格，作者通常在兩種起草策略之間切換：
- 簡略節拍（探索型寫作）： 適用於作者希望 AI 在限定邊界內探索敘事可能性的情境。簡略節拍提供大致的行動和意圖，例如：
/beat Marcus enters the tavern, soaking wet from the storm, looking for his informant. - 引導型節拍（導演式把控）： 適用於作者需要嚴格遵循特定走位調度、對話微差、情感暗流或感官質感的情境。引導型節拍將行動與精確的潛台詞及語氣引導結合在一起：
/beat Marcus enters the tavern, shivering from the torrential rain. He spots Dennis sitting in the dark corner booth nursing a stale ale. Dennis avoids eye contact, terrified of being seen together. Marcus approaches, speaking in a low, threatening whisper, demanding the cipher key.
透過調整場景節拍的細緻程度，小說創作者既能牢牢掌控關鍵劇情轉折的導演權，又能顯著加快日常過渡段落的推進速度。
3. 敘事節奏與「因果鏈」框架
在生成式小說寫作中，一個常見問題是時間維度的驟縮（temporal compression）——即 AI 傾向於在一個段落內過快地化解複雜的戲劇衝突。場景節拍透過落實基於「因果鏈」（Cause and Effect，或稱「由此進而」）框架的步驟，有效抑制了這種傾向：
- 節拍 1（起始行動 / 感官錨定）： 確立物理環境以及角色面臨的直接外界刺激。
- 節拍 2（內心反應 / 情感處理）： 指引 AI 呈現視角人物的心理應答、內在衝突或感官評估。
- 節拍 3（應對行動 / 言語互動）： 促使角色根據其判斷採取行動，付諸口頭對話或肢體動作。
- 節拍 4（衝突加劇 / 環境變遷）： 引入新的障礙、打斷或意外揭示，擾動角色最初的目標意圖。
透過按順序逐步推進這些原子化步驟，生成的文本便能獲得自然的呼吸節奏、令人信服的張力以及真實可信的敘事厚度。
4. 提示詞生成引擎的底層剖析
當作者在 Novelcrafter 中觸發節拍生成時，平台會在後台動態組裝一個多層級提示詞。深入理解這些層級之間的互動機制，有助於作者精準排查生成異常：
- 系統提示詞（System Prompt）： 設定全域文風、敘事視角（第一人稱 vs. 第三人稱有限視角）、時態（過去時 vs. 現在時）以及負向約束條件（例如避免通俗劇套話或現代流行俚語）。
- 場景摘要與元數據（Scene Summary and Metadata）： 提供場景的宏觀背景，標明視角人物、當前地點以及敘事目標。
- 前序正文（回溯上下文，Lookback Context）： 傳入緊鄰節拍之前最新寫成的若干段落，確保文風過渡平順、基調一致且句式富有節奏感。
- 掛載與提及的 Codex 條目（Attached and Mentioned Codex Entries）： 注入透過自動檢測或手動場景標籤提取的相關角色特徵、聲音準則和世界觀設定。
- 活躍場景節拍（Active Scene Beat）： 核心指令，明確規定模型在該特定迭代中必須生成的內容。
由於每個組件均可獨立管理，作者可以隨時在 Codex 中微調角色口吻，或在 Plan 視圖中修改大綱摘要，而無需重寫數百個獨立的提示詞模板。
工作流對比：Codex、Plan 與 Scene Beats
下表歸納了 Novelcrafter 各大核心結構組件的運作方式、主要職能以及長篇小說創作的最佳實踐：
| 組件 | 主要架構職能 | 作用範圍 | 上下文傳遞方式 | 面向小說創作者的最佳實踐 |
|---|---|---|---|---|
| The Codex | 存放角色、設定和世界觀記錄的靜態及演進式故事聖經 | 整部小說或多卷系列作品 | 基於別名、@ 提及的智慧識別以及手動的 + Codex 場景關聯 | 保持條目精煉並聚焦核心特徵（150–300 字）；列出所有別名；在發生重大劇情轉折後及時更新進展 |
| The Plan View | 宏觀結構大綱與場景層級劃分（幕、章、場景） | 全書完整大綱 | 按時間順序將前序場景摘要送入當前提示詞 | 為每個場景設定 POV 與地點元數據；編寫側重劇情後果的狀態變遷摘要 |
| Scene Summaries | 連接連續場景的敘事紐帶 | 逐個場景（在 Plan 與 Write 視圖中） | 注入生成提示詞以維繫多章節間的連續性 | 總結因果演變結果；避免華麗辭藻；記錄角色的新認知狀態 |
| Scene Beats | 落實正文起草的微觀導演指令 | 活躍場景內的逐刻推進 | 透過正斜槓命令（/beat）處理為即時生成提示詞 | 運用因果鏈按順序構建節拍；在動作、內心獨白與對話指示之間交替推進 |
| Lookback Buffer | 維繫文風與節奏連貫性的短期記憶 | 緊鄰的前序段落（權杖長度可自訂） | 在活躍節拍指令之前自動追加 | 在觸發下一個節拍之前先潤色好前序正文，避免文風瑕疵層疊累積 |
維繫跨章節項目連貫性的最佳實踐
借助 Novelcrafter 成功創作一部渾然一體的長篇小說，需要建立嚴謹規範的操作習慣。資深作者普遍踐行以下幾項核心方法，確保在漫長的創作週期中角色設定不走樣、敘述節奏不崩塌：
1. 謹防 Codex 條目臃腫
初學者常犯的一個錯誤是將長篇大論的世界觀設定直接匯入 Codex 條目中。當一個場景掛載了多個篇幅過大的條目時，模型的注意力就會被稀釋，導致生成反應遲緩、指令被忽視以及 API 調用成本激增。
作者應當將 Codex 條目視為隨手翻閱的業務參考卡，而非肆意傾倒世界觀的垃圾場。著力記錄能直接影響正文寫作的功能性特徵：鮮明的感官細節、言語節奏、情緒觸發點以及直接關係網。對角色行為沒有直接影響的深層背景故事，可存放於外部研究筆記中，或濃縮為一句資訊密度極高的關鍵句。
2. 開展階段性大綱校準
即使在 Plan 視圖中制定了詳盡的大綱，起草過程中迸發的突發靈感也可能改變角色的動機或場景的走向。如果作者寫下了一個盟友角色意外叛變的新情節，卻沒有同步修改 Plan 視圖中後續的場景摘要，AI 在後續生成中便會繼續基於該角色依然忠誠這一過時假設展開敘述。
每當場景偏離既定大綱時：
- 立即更新已寫完場景的摘要，客觀反映實際成稿的走向。
- 調整 Plan 視圖中後續章節與場景的摘要，重新校準情節軌跡。
- 更新 Codex 中相關角色的記錄，體現新轉變的陣營效忠、身心傷痕或心理變化。
3. 借助 BYOK 架構調度多元模型
由於 Novelcrafter 採用自帶金鑰（BYOK）架構，作者不會被綁定在單一閉源 AI 模型上。寫作流程的不同階段可以充分發揮不同模型的獨特長處：
- 大綱構思與世界觀拓展： 回應迅速、性價比高的模型非常擅長腦力激盪場景節拍、拓展大綱分支以及生成初始 Codex 模板。
- 正文起草： 具備強大文風適應能力的高性能前沿模型最適合理解複雜的引導型節拍，拿捏微妙的對話潛台詞，並保持句式的多樣性。
- 修訂與潤色： 專注於文本分析的模型可以透過自訂提示詞預設，在章節定稿前全面審查草稿，排查節奏拖沓、形容詞堆砌或語氣失真的對話問題。
透過將 Codex 的集中參考能力、Plan 視圖的結構化指引與 Scene Beats 的微觀導演控制融為一體，小說作者成功將 AI 從變幻莫測的嘗鮮工具轉變為馴服、高度聽話的創作助手。長篇連貫性不再取決於運氣，而是系統性地深植於整部手稿的架構底座之中。