用 AI 写古风小说世界观设定、角色塑造、风格一致性的三难问题一、个性化深度引言去年尝试用 AI 辅助写古风小说。第一版生成出来主角在唐朝用手机 App 点外卖。这算 Bug 还是算创意模型没有时代意识它只会根据概率拼接——而“手机”和“吃饭”在语料中的共现概率极高。古风创作有三个特殊挑战世界观必须自洽不能出现时代错位、角色必须一致同一个人不能上一章腹黑下一章天真、语言必须纯正不能冒出“好的亲”这种现代口语。见证奇迹的时刻是我们发现这三者不是独立问题而是一个耦合问题——世界观约束角色角色约束语言。二、个性化原理剖析三难问题的耦合关系解决方案三层约束注入第一层世界观注入System Prompt 级将世界观设定作为系统级约束永久生效。包括时代背景、技术上限、语言规范。第二层角色注入User Prompt 级在每次生成前注入当前出场角色的人物档案。包括性格、目标、当前状态。第三层风格注入Few-shot 级提供 3-5 个同风格的段落示例让模型学习具体的语言节奏。一致性校验机制生成完成后运行三层校验时代一致性检查是否存在时间错位词如古代语境中出现“手机”“WiFi”角色一致性检查角色的行为和语气是否符合人物设定风格一致性检查相邻段落的语言风格是否突变三、个性化代码实践from typing import List, Dict, Optional from dataclasses import dataclass, field import re dataclass class WorldSetting: 世界观设定 dynasty: str # 朝代 tech_level: str # 科技水平 forbidden_terms: List[str] # 禁止词汇 allowed_greetings: List[str] # 允许的称谓 dataclass class CharacterProfile: 角色档案 name: str title: str # 称号/身份 personality: str # 性格描述 speech_style: str # 说话风格 motivation: str # 核心动机 forbidden_actions: List[str] # 不允许的行为 class AncientStyleWriter: 古风小说辅助写作工具 # 设计原因时代违禁词库——古风写作中最基础的过滤层 MODERN_TERMS { 唐朝: [手机, 电脑, WiFi, App, 地铁, 飞机, 电话, 网络, 微信, 外卖, 快递, 共享], 宋代: [手机, 电脑, WiFi, App, 地铁, 飞机, 电话, 网络, 微信, 外卖, 快递, 共享], # 通用古代禁止词 通用: [OK, 好的亲, 宝子, 集美, 栓Q], } def __init__( self, world: WorldSetting, characters: Dict[str, CharacterProfile], ): self.world world self.characters characters def build_system_prompt(self) - str: 构建世界观 System Prompt # 设计原因三层约束分离注入——系统级、角色级、风格级 forbidden self.MODERN_TERMS.get( self.world.dynasty, self.MODERN_TERMS[通用] ) prompt f# 世界观设定 - 故事发生在 {self.world.dynasty}科技水平{self.world.tech_level} - 人物称谓使用古语避免任何近现代词汇 - 禁止使用以下词汇{, .join(forbidden)} # 语言风格 - 使用古风书面语偶尔使用文言句式 - 对话允许口语化但不能出现网络用语 - 描写重视意象和氛围多用五感描写 return prompt def build_character_prompt( self, character_id: str ) - str: 构建角色 User Prompt # 设计原因每次只注入当前场景出场角色避免上下文过长 char self.characters.get(character_id) if not char: return return f# 当前主角{char.name} - 身份{char.title} - 性格{char.personality} - 说话风格{char.speech_style} - 动机{char.motivation} - 行为限制{, .join(char.forbidden_actions)} def check_era_consistency(self, text: str) - Dict: 时代一致性检查 # 设计原因生成后必须校验不能假设 Prompt 能完美约束模型 issues [] forbidden self.MODERN_TERMS.get( self.world.dynasty, self.MODERN_TERMS[通用] ) for term in forbidden: if term in text: # 找到违禁词所在的句子 for sentence in text.split(。): if term in sentence: issues.append({ term: term, context: sentence.strip() 。, severity: high if term not in [OK, 好的亲] else medium, }) return { passed: len(issues) 0, issues: issues, score: 1.0 - len(issues) * 0.1, } def check_character_consistency( self, text: str, character_id: str ) - Dict: 角色一致性检查 # 设计原因用关键词匹配检测角色行为是否越界 char self.characters.get(character_id) if not char: return {passed: True, issues: [], score: 1.0} issues [] for action in char.forbidden_actions: if action in text: issues.append({ character: char.name, forbidden: action, severity: medium, }) return { passed: len(issues) 0, issues: issues, score: 1.0 - len(issues) * 0.15, } def check_style_consistency( self, paragraphs: List[str] ) - Dict: 段落间风格一致性检查 # 设计原因相邻段落风格突变会影响阅读体验 if len(paragraphs) 2: return {passed: True, score: 1.0} # 计算相邻段的句长差异 issues [] for i in range(len(paragraphs) - 1): len_a len(paragraphs[i].replace( , )) len_b len(paragraphs[i 1].replace( , )) # 设计原因相邻段长度比超过 3 倍视为风格突变 ratio max(len_a, len_b) / max(min(len_a, len_b), 1) if ratio 3: issues.append({ para: i 1, ratio: ratio, severity: low, }) return { passed: len(issues) 0, issues: issues, score: 1.0 - len(issues) * 0.05, } # 使用示例 world WorldSetting( dynasty唐朝, tech_level冷兵器时代无电力, forbidden_terms[], allowed_greetings[公子, 娘子, 陛下, 大人], ) characters { li_mo: CharacterProfile( name李墨, title剑客/前朝遗孤, personality冷峻寡言但内心重情义, speech_style话极少每句不超过15字不用敬语, motivation为家族复仇, forbidden_actions[哭泣, 示弱, 长篇大论, 开玩笑], ), } writer AncientStyleWriter(world, characters) system_prompt writer.build_system_prompt() character_prompt writer.build_character_prompt(li_mo) print( System Prompt ) print(system_prompt[:200]) print(\n Character Prompt ) print(character_prompt[:200]) # 一致性校验示例 test_text 李墨掏出手机看了看时间心想该出发了。这位剑客哭了。 era_result writer.check_era_consistency(test_text) char_result writer.check_character_consistency(test_text, li_mo) style_result writer.check_style_consistency(test_text.split(\n\n)) print(f\n时代一致性: {通过 if era_result[passed] else 未通过}) if era_result[issues]: for issue in era_result[issues]: print(f 违禁词「{issue[term]}」{issue[context]}) print(f角色一致性: {通过 if char_result[passed] else 未通过}) if char_result[issues]: for issue in char_result[issues]: print(f {issue[character]} 执行了禁止行为「{issue[forbidden]}」)四、个性化边界权衡约束策略自由度一致性错误率写作体验无约束自由生成极高极低高出现现代词随意但混乱仅 System Prompt高中低中较自然System 角色 Prompt中中高中低有一定方向感三层约束 生成后校验中低高低像填表格缺乏惊喜人工自由写作极高依赖作者低知识正确最佳关键权衡约束 vs 惊喜强约束确实能避免错误但也会扼杀模型自发产生的创意表达。比如禁止“手机”可能也扼杀了“手执木机”古代一种算命工具。泛化 vs 定制通用古风 Prompt 在大多数场景下够用但涉及特定朝代如唐朝的“坊市制度”时需要定制化知识库。自动校验的局限关键词过滤只能检测最表面的错误。深层的时代错位——如唐朝人用明代典故——需要领域知识图谱。五、总结AI 辅助古风小说创作的三大难题——世界观设定、角色塑造、风格一致性——是具有强耦合关系的系统性问题。世界观约束角色的行为边界和语言选择角色的性格决定其表达方式语言的连贯性反哺风格统一。技术上建议采用“三层注入 生成后校验”的策略System Prompt 注入世界观User Prompt 注入角色档案Few-shot 注入风格示例生成后在时代一致性、角色一致性和风格一致性三个维度进行校验。工程上违禁词库是最基础也最有效的一致性保障手段但深层错误需要配合知识图谱进行检测。最终AI 的角色是辅助工具而非替代者——它可以帮你避免低级错误但无法替你判断哪句话更好。