为什么 AI 写到第 5 章就忘了你的小说（以及如何修复）

你一直在用 AI 写小说。前三章很棒——文笔紧凑、角色一致、情节稳步推进。然后第 5 章出了问题：AI 把一个已经在第 2 章出场过的角色当成新人物介绍。你精心铺设的情节线被无视。文风从文学小说突变为青少年读物。

你没做错什么。AI 只是忘了你的小说。

这不是 bug——这是大语言模型的根本工作方式。一旦你理解了其中的机制，就能找到应对方法。本文解释 AI 为什么会丢失上下文、这到底有多大代价，以及四种保持连贯性的实用方法——从免费的手动技巧到自动化方案。

AI 为什么会忘记：技术现实（通俗版）

每个 AI 模型都有一个上下文窗口——它一次能"看到"的最大文本量。把它想象成 AI 的工作记忆。截至 2026 年：

| 模型 | 上下文窗口 | 大约相当于 | |------|-----------|-----------| | GPT-4o | 128K tokens | ~5 万字（一部短篇小说） | | Claude Sonnet | 200K tokens | ~8 万字 | | Gemini Pro | 1M tokens | ~40 万字 |

这些数字看起来很慷慨，但问题在于：

1. 上下文窗口 ≠ 可用上下文。 你的提示、系统指令和模型自身的输出都计入限额。128K 的窗口可能只给你留下 80K 用于实际的故事上下文——如果你运气好的话。

2. 中间部分的质量会下降。 研究一致表明，大语言模型对上下文窗口的开头和结尾关注最多，中间的内容关注最少——所谓的"中间迷失"（lost in the middle）问题。所以即使你第 3 章的摘要在技术上放得下窗口，AI 也可能没有充分考虑它。

3. 每次生成都是无状态的。 这是关键。当你开始一条新的聊天消息或 API 调用时，AI 对之前的调用零记忆，除非你明确包含了那些上下文。它不是在"遗忘"——它从来就不知道。每次生成都从头开始，只有你放进提示里的内容。

4. 上下文窗口是昂贵的。 每次生成都发送 10 万 token 的上下文既慢又贵。你在为 AI "阅读"你的整部小说买单，只为了写一段话。

丢失连贯性的真实代价

角色不一致是最明显的症状。但丢失连贯性会导致更深层的结构性问题：

• 情节线蒸发。 第 4 章埋下的推理线索永远不会被解决，因为 AI 在写第 20 章时根本不知道它的存在。
• 节奏崩塌。 不知道前面章节的节奏，AI 就无法保持张力的积累或在恰当的时机提供缓解。
• 世界规则被违反。 你的魔法体系在第 1 章确立了具体的限制条件。到第 15 章，角色们用的魔法方式打破了那些规则。
• 伏笔落空。 AI 无法兑现它不知道的铺垫。

结果：你的小说读起来像是每几章就换了一个作者。因为从某种意义上说，确实如此——每次生成都是一个没有历史记忆的全新 AI。

方法一：手动上下文注入（免费，适用于任何工具）

最易上手的方法。每次生成前，你手动将相关上下文粘贴到提示中。

需要包含的内容：

1. 故事前提（2-3 句话）
2. 当前相关的角色档案
3. 最近 3 章的摘要
4. 未解决的情节线
5. 当前章节计划

优点：

• 适用于任何 AI 工具（ChatGPT、Claude 等）
• 你完全控制 AI 看到的上下文
• 免费

缺点：

• 耗时：每章 15-30 分钟的准备工作
• 容易出错：漏掉一个细节，AI 也会漏掉
• 不可扩展：到第 20 章时，决定包含什么本身就成了一个项目

时间成本估算： 对于一部 30 章的小说，预计仅在上下文管理上就要花费 8-15 小时——这些时间本可以用在创作决策上。

建议： 创建一个持续更新的"上下文文档"，每写完一章就更新。用标题结构化组织，这样可以快速复制相关部分。这比每次提示前重新阅读之前的章节要快。

方法二：结构化摘要（免费，适用于任何工具）

相比原始上下文注入的一个改进。你不是粘贴全文，而是维护结构化的摘要。

每章结束后写：

• 摘要（3-5 句话）：这一章发生了什么。
• 结局（3-5 句话）：发生了什么变化。揭示的新信息、关系转变、角色状态变化、打开或关闭的情节线。
• 活跃线索（要点列表）：哪些未解决的问题或铺垫延续到后面。

为什么这比全文有效： 摘要高效地压缩信息。不需要把第 3 章的 5000 字全部发给 AI，你只需发送 100 字就能捕获关键事实。这意味着你可以在同样的窗口中装入更多章节的上下文。

示例：

第 7 章摘要： 马伦在图书馆档案中发现了密码信息。她解读了其中一部分——指向北海岸的坐标——但被沃斯局长打断，后者没收了她的笔记。

结局： 马伦现在知道了位置但失去了实体笔记。她记住了坐标但没记住信息的后半段。沃斯现在知道了她的调查。马伦和沃斯之间的信任破裂。

活跃线索： 坐标指向哪里？信息后半段说了什么？沃斯会对他看到的信息采取行动吗？

时间成本： 每章 5-10 分钟来写摘要。比原始注入可扩展得多。

方法三：基于 RAG 的方法（技术性，DIY）

检索增强生成（RAG）是一种技术，不是把所有内容都塞进上下文窗口，而是将小说数据存储在可搜索的数据库中，只检索每次生成相关的片段。

概念工作流程：

1. 将所有章节、角色档案和世界设定存储在向量数据库中
2. 生成第 15 章时，系统搜索与第 15 章计划相关的内容
3. 只有最相关的片段被注入到提示中

优点：

• 可扩展到非常长的小说
• 相关上下文自动选择
• 高效利用上下文窗口

缺点：

• 需要技术搭建（向量数据库、嵌入模型、检索流程）
• 检索不完美——可能遗漏没有明显关键词重叠的相关上下文
• 对大多数作者来说不是开箱即用的方案

适合谁： 如果你是一个把写小说当爱好的程序员，这是个有趣的项目。如果你是一个想写作的作者，这可能不值得投入工程成本。

方法四：专用小说工具（自动化）

一些工具专门为长篇小说设计，将上下文管理作为核心功能而非事后补丁。

自动化上下文管理是什么样的：

• 角色档案存储在持久数据库中，而非聊天记录中
• 每章完成后，摘要和结局会自动提取
• 生成新章节时，系统自动注入：小说背景 + 相关角色档案 + 所有之前章节的摘要/结局 + 当前章节计划
• 你永远不需要手动粘贴任何东西

权衡： 你被锁定在特定工具的工作流中，而不是自由使用通用 AI。

Noveble 是这种方法的一个例子。它永久存储角色档案，自动生成章节摘要和结局，并在每次生成中注入完整的上下文链。结果是：当你生成第 20 章时，AI 知道第 1-19 章发生的一切——情节线、角色发展、未解决的问题——你不需要粘贴一个字。

选择你的方法

| 方法 | 搭建时间 | 每章成本 | 最适合 | |------|---------|---------|--------| | 手动注入 | 无 | 15-30 分钟 | 短篇小说（< 10 章） | | 结构化摘要 | 1 小时 | 5-10 分钟 | 中篇小说，任何工具 | | RAG | 10+ 小时 | 极少 | 程序员，超长小说 | | 专用工具 | 30 分钟 | 1-2 分钟 | 认真的长篇项目 |

对于大多数写 15 章以上小说的作者来说，结构化摘要是最低可行方案。它免费，适用于任何 AI 工具，而且能大幅提升连贯性。

如果你正在计划一部 30 章以上的小说，不想在上下文管理上花费大量时间，专用工具仅凭节省的时间就值回票价。

每章连贯性检查清单

无论你使用哪种方法，在定稿每一章之前过一遍这个清单：

1. 角色事实 —— 有没有任何人做了与已设定的特征或能力矛盾的事？
2. 情节线 —— 这一章是否提及了所有应该在此相关的活跃线索？
3. 信息一致性 —— 每个角色是否只知道他们实际上已经了解到的信息？
4. 文风和语言 —— 写作风格是否与前面的章节一致？
5. 因果关系 —— 这一章中的一切是否从前面发生的事情中合乎逻辑地推导出来？
6. 铺垫与回收 —— 如果这一章解决了一个铺垫，解决方式是否与最初设定一致？

这只需 5 分钟，就能捕捉到大多数连贯性错误——那种让读者说"等等，他们不是已经……"的错误。

想让上下文管理自动完成？Noveble 会跨整部小说追踪每一个情节点、角色细节和章节结局——让你可以专注于故事本身，而不是 AI 忘了什么。30 个免费积分，无需信用卡。