为什么说写小说就像写代码？
在小说创作领域，世界观与人物设定的一致性向来是衡量作品质量的关键标尺。对于以“世界观”为核心卖点的类型小说而言，正文的展开本质上是通过线索人物与代表性事件，使读者得以窥见一整套虚构世界的运行规则。这一过程与软件开发具有高度的结构相似性：当创作者撰写某个情节P，涉及人物A、B、场景C与物品I 时，情节的发展必须与A、B的人物档案保持一致，场景C的特有规则与氛围也应自然体现，物品I的使用效果更需符合预设。这恰如编程语言中的 import 语法——在主程序中调用已封装好的类或函数，避免重复劳动。人物、场景与物品恰恰是小说创作中“复用率”最高的要素。
双向跳转的写作模式
大多数小说的创作行为都呈现出高度的“双向跳转”特点，即：创作者有时先写设定再展开正文，有时则先写正文再补全设定，二者呈交替式的相互拉动关系。这是因为创作动机往往源于灵感驱动，创作者无法在一开始便看清小说的全貌，必须在写作过程中不断探索。正如对一位职业小说家长达两年半、近四百次写作会话的击键记录分析中所揭示的，真实的写作过程极少是线性的。作者会频繁地在文档中前后跳跃，进行远距离修订、重读已有内容以刷新记忆，或者将新产生的想法插入到已写成的段落中(Buschenhenke et al., 2024)。这种非线性行为恰恰证明了“设定”与“情节”之间的动态耦合，而非单向的线性输出。
Agent辅助的创作工具及其问题
随着大语言模型与多智能体（Multi-Agent）技术的发展，越来越多的研究尝试将其应用于小说与剧本创作。现有工作大致可分为两类：其一，以 BookWorld(Ran et al., 2025)为代表，构建基于世界观的仿真剧场，让由大语言模型驱动的角色 Agent 在设定好的虚拟社会中自主推进故事；其二，以 IBSEN(Han et al., 2024)和 Agents’ Room(Huot et al., 2024)为代表，从剧组分工视角出发，由多个 Agent 分别承担世界观构建、人物塑造、导演、编剧等职能，协作完成长篇叙事。
然而，上述研究路径在很大程度上将小说创作复杂化了，也日益脱离人工干预的范畴。正如 Knowles（2024）在批评“人类在环”（Human-in-the-loop）写作时所警示的：将过多的修辞负载（rhetorical load）——包括构思、布局、记忆查证、风格与交付——推给大语言模型，不仅会导致生成文本缺乏真正的作者声音，还会因为模型的自回归预测特性而引入难以察觉的事实错误(Knowles, 2024)。Knowles 提出的“机器在环”（Machine-in-the-loop）写作理念恰恰强调：人类作者应保留绝大部分的修辞负载，而将大语言模型定位为“研究助理”或“草稿转换器”——例如，由人类撰写详细的研究提纲，再由模型将其扩展为完整的散文体初稿。这种方式不仅保留了作者对内容与逻辑的完全控制，也有效抑制了大语言模型“幻觉”带来的事实偏差。
相比于沉浸式的角色扮演或者七嘴八舌的剧组，现实中的小说创作者行为方式更接近程序员——在设定文档与小说正文不断跳转，确保二者匹配得当。这种工作方式与 COMPASS 系统所解决的问题不谋而合。(Mori et al., 2023)指出，即便是经验丰富的作者，也常常在无意中遗漏关键信息，导致读者无法理解故事。他们提出的可变数量缺失位置预测（VN-MPP）任务，能够自动检测出输入文本中哪些位置存在缺失（包括零个或多个缺失句子），并生成候选补全内容。这一机制类似于集成开发环境中的静态代码检查——不仅指出“哪里可能有问题”，还提供修复建议。更重要的是，COMPASS 允许作者仅参考缺失位置信息而不必采纳生成的补全文本，从而尊重了作者的最终裁量权。
Agent辅助小说创作的有效落地方法
从上述视角出发，基于 Agent技术的代码辅助创作工具（如 GitHub Copilot）已经奠定了成熟可用的工程框架。将此类框架中的 skill 与提示词策略加以调整，并引入适当的可视化辅助手段，这种人机协作模式或许才是 Agent 赋能小说创作最直接、最有效的落地路径。具体而言，一整套具备双向互通能力的智能创作辅助环境应实现以下功能：
设定驱动的情节高亮：当创作者修改某个人物或场景的设定时，系统自动检索并高亮出正文中可能受该操作影响的情节片段(Knowles, 2024)；
情节驱动的设定演化：当创作者在正文中为人物引入新的记忆或特质时，系统自动提取相关信息并更新至对应的人物文档(Buschenhenke et al., 2024)；
上下文感知的超链接：创作者在正文中输入特定场景或人物的名称时，支持鼠标悬停即显示该实体在当前时间节点下的详细设定——这既是一种知识库的即时调用，也是一种“叙事中的 import”。
总而言之，Agent 技术赋能小说创作不应追求让 AI 替代人类进行创作，也不应将其复杂化为一个完全自我推演的仿真剧场。相反，借鉴软件开发领域已被验证的人机协作范式，尊重创作者以灵感驱动的非线性工作节奏，同时保证设定与正文之间的一致性，才是当前最具前景的方向。正如(Knowles, 2024)所言：“我们应当鼓励学生以‘机器在环’的方式与生成式 AI 协作——保留大部分修辞负载，将AI 定位为增强而非替代”。
参考文献
Buschenhenke, F., Conijn, R., & Van Waes, L. (2024). Measuring non-linearity of multi-session writing processes. Reading and Writing, 37(2), 511–537. https://doi.org/10.1007/s11145-023-10449-9
Han, S., Chen, L., Lin, L.-M., Xu, Z., & Yu, K. (2024). IBSEN: Director-actor agent collaboration for controllable and interactive drama script generation (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2407.01093
Huot, F., Amplayo, R. K., Palomaki, J., Jakobovits, A. S., Clark, E., & Lapata, M. (2024). Agents’ room: Narrative generation through multi-step collaboration (Version 2). arXiv. https://doi.org/10.48550/ARXIV.2410.02603
Knowles, A. M. (2024). Machine-in-the-loop writing: Optimizing the rhetorical load. Computers and Composition, 71, 102826. https://doi.org/10.1016/j.compcom.2024.102826
Mori, Y., Yamane, H., Shimizu, R., Mukuta, Y., & Harada, T. (2023). COMPASS: A creative support system that alerts novelists to the unnoticed missing contents. Computer Speech & Language, 80, 101484. https://doi.org/10.1016/j.csl.2023.101484
Ran, Y., Wang, X., Qiu, T., Liang, J., Xiao, Y., & Yang, D. (2025). BOOKWORLD: From novels to interactive agent societies for story creation. Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 15898–15912. https://doi.org/10.18653/v1/2025.acl-long.773
