本站唯一域名：www.qqiyuan.cn

ChatGPT写小说：从技术原理到创作实践

1次阅读
没有评论

共计 3653 个字符，预计需要花费 10 分钟才能阅读完成。

image.webp

1. 背景：AI 写作与传统工具的本质差异

传统写作工具（如 Word 或 Scrivener）本质是记录载体，而 AI 创作是内容生产者。最核心的差异在于：

ChatGPT 写小说：从技术原理到创作实践

  • 创意来源 ：传统工具依赖作者构思，AI 通过概率模型预测下一个 token
  • 交互方式 ：传统工具是单向输入，AI 需要双向对话式引导
  • 内容边界 ：传统工具不设限，AI 受限于训练数据和上下文窗口

有趣的是，AI 写作反而更接近人类「灵感迸发」的过程——通过大量阅读（训练）形成潜在模式，在特定刺激（prompt）下产生联想输出。

2. 技术实现：从 API 调用到内容控制

2.1 API 基础调用

先安装必备库：

pip install openai tiktoken

基础请求示例：

import openai

response = openai.ChatCompletion.create(
  model="gpt-4",
  messages=[{"role": "system", "content": "你是一位科幻小说作家"},
    {"role": "user", "content": "写一段关于火星殖民的 200 字开头"}
  ],
  temperature=0.7
)
print(response.choices[0].message.content)

关键参数说明：

  • temperature：0- 2 之间，值越大输出越随机
  • max_tokens：限制生成长度（注意：输入 + 输出不能超过模型上下文限制）

2.2 Prompt 工程技巧

优秀的小说 prompt 应包含：

  1. 角色设定 ：明确 AI 的作家身份 / 风格
  2. 结构要求 ：章节长度、段落数量等
  3. 内容锚点 ：关键情节或人物特征

进阶技巧：

prompt = """ 以悬疑风格写第 3 章，需包含以下元素：- 主角在古董店发现怀表
- 店员露出诡异微笑
- 天气突然变暗
保持描写细腻，每段不超过 3 句话，结尾留下悬念 """

2.3 长篇叙事控制

解决「上下文遗忘」问题的两种方案：

方案 A：摘要继承法 

def generate_chapter(previous_summary, current_prompt):
    system_msg = f"根据以下摘要延续故事:\n{previous_summary}"
    response = openai.ChatCompletion.create(
        model="gpt-4",
        messages=[{"role": "system", "content": system_msg},
            {"role": "user", "content": current_prompt}
        ]
    )
    return extract_summary(response.choices[0].message.content)

方案 B：关键信息注入 

character_card = """
主角档案：- 姓名：林默
- 特征：左脸有疤痕，随身携带铜制打火机
- 口头禅："事情没那么简单"
"""

# 每次请求都附加角色卡
messages.append({"role": "system", "content": character_card})

3. 完整代码示例：小说生成器 

import openai
import json
from tiktoken import encoding_for_model

class NovelGenerator:
    def __init__(self, api_key, model="gpt-4"):
        openai.api_key = api_key
        self.model = model
        self.encoder = encoding_for_model(model)

    def count_tokens(self, text):
        return len(self.encoder.encode(text))

    def generate_chapter(self, outline, previous_chapters=[], max_tokens=1500):
        # 构建上下文历史
        messages = [{"role": "system", "content": "你是一位专业小说家"},
            {"role": "user", "content": outline}
        ]

        # 添加前文摘要（控制 token 消耗）if previous_chapters:
            summary = "\n".join([ch["summary"] for ch in previous_chapters[-3:]])
            if self.count_tokens(summary) < 500:
                messages.insert(1, {"role": "system", "content": f"前情提要:\n{summary}"})

        # 执行生成
        response = openai.ChatCompletion.create(
            model=self.model,
            messages=messages,
            temperature=0.7,
            max_tokens=max_tokens
        )

        content = response.choices[0].message.content
        return {
            "content": content,
            "summary": self.create_summary(content),
            "tokens": response.usage["total_tokens"]
        }

    def create_summary(self, text, max_sentences=3):
        # 用 AI 提取摘要
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=[{"role": "system", "content": "提取以下文本的核心内容，用 3 句话概括"},
                {"role": "user", "content": text}
            ],
            temperature=0
        )
        return response.choices[0].message.content

# 使用示例
if __name__ == "__main__":
    generator = NovelGenerator("your-api-key")

    # 生成第一章
    chapter1 = generator.generate_chapter("写一个科幻小说的第一章，关于发现外星遗迹，2000 字左右")

    # 延续第二章
    chapter2 = generator.generate_chapter(
        "接着写第二章，描述遗迹内部结构",
        previous_chapters=[chapter1]
    )

    print(json.dumps(chapter2, indent=2, ensure_ascii=False))

4. 性能优化与成本控制

4.1 Token 消耗监控

  • GPT- 4 输入 + 输出：$0.06/1K tokens
  • 监控代码示例：
    def show_cost(usage):
    cost_map = {"gpt-4": 0.06, "gpt-3.5-turbo": 0.002}
    model = usage["model"]
    return f"消耗 {usage['total_tokens']} tokens，费用 ${cost_map[model] * usage['total_tokens']/1000:.4f}"

4.2 速度优化技巧

  • 对非关键内容使用 gpt-3.5-turbo
  • 设置合理的 max_tokens 避免长等待
  • 异步处理多章节生成

5. 常见问题解决方案

问题 1：角色特征漂移
– 解决方案：维护角色特征 JSON 库，每 5 章重新注入

问题 2：情节矛盾
– 解决方案：建立时间线检查器：

def check_consistency(new_text, existing_data):
    prompt = f"验证以下内容是否与已知信息冲突:\n 已知:\n{existing_data}\n 新内容:\n{new_text}"
    response = openai.ChatCompletion.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}],
        temperature=0
    )
    return "不冲突" in response.choices[0].message.content

问题 3：重复描写
– 解决方案：在 prompt 中加入「避免重复使用以下形容词：[列表]」

6. 伦理与版权考量

  1. 版权声明 ：
  2. AI 生成内容目前在美国不受版权保护

  3. 建议人工修改比例 >30% 再申请版权

  4. 内容过滤 ：

    from openai import Moderation

def safety_check(text):
    response = Moderation.create(input=text)
    return not response.results[0].flagged

  5. 人类参与度 ：

  6. 建议作为灵感工具而非完全代笔
  7. 关键情节转折点应由人工决定

结语：人机协作的创作未来

实际使用中发现，AI 在场景描写和次要角色塑造上表现优异，但主线把控仍需人类作者。最佳实践是：

  1. 用 AI 快速生成备选段落
  2. 人工筛选并重组内容
  3. 关键情节手动润色

这种协作模式既能保持创作效率，又能确保作品的独特性和深度。”

正文完
AI写作 ChatGPT Prompt工程
发表至： 人工智能应用
近三天内
 0
ChatGPT辅助专利撰写：技术实现与避坑指南
ChatGPT辅助专利撰写：从技术原理到实战避坑指南
ChatGPT论文指令优化指南：如何精准控制生成内容
ChatGPT读文献Prompt实战：从精准解析到高效知识提取
ChatGPT写论文的技术实践：从指令优化到内容生成
ChatGPT降重指令实战指南：从原理到最佳实践
基于Qwen2-72B-Instruct构建PowerAgent认证考试智能体的Workflow实践指南
如何用ChatGPT高效生成论文回复意见：技术方案与实战指南
评论（没有评论）