一

源 起

大約在三年前，我開始組建團(tuán)隊(duì)，探索智能寫作的方法①。從自然語(yǔ)言處理的技術(shù)角度來看，智能寫作已經(jīng)不再是一個(gè)難以攻克的難題。只要找到一條合適的道路，便能夠大展拳腳。當(dāng)時(shí)，我們制訂了智能寫作的方案，并邀請(qǐng)了計(jì)算機(jī)、文學(xué)、語(yǔ)言、哲學(xué)、古籍、數(shù)學(xué)、地理等多個(gè)領(lǐng)域的研究者共同探討這一方案。大家從各個(gè)角度對(duì)這一方案進(jìn)行了評(píng)估，認(rèn)為，實(shí)現(xiàn)智能寫作的可能性非常大，因此，我們充滿信心和激情，準(zhǔn)備將這一方案付諸實(shí)踐。

我們的方案是，采用自然語(yǔ)言處理技術(shù)，借助GPT2進(jìn)行語(yǔ)句替換，以期實(shí)現(xiàn)智能寫作②。然而，2022年底GPT3.5的發(fā)布給我們的設(shè)計(jì)帶來了巨大沖擊。我們發(fā)現(xiàn)，幾乎所有設(shè)計(jì)都可能被GPT3.5所替代，留給我們的技術(shù)空間已經(jīng)非常有限。這讓我們感到有些失望，團(tuán)隊(duì)中的計(jì)算機(jī)專家認(rèn)為研究空間已經(jīng)被大幅壓縮，甚至產(chǎn)生了對(duì)計(jì)算機(jī)專業(yè)合理性的懷疑。同時(shí)，由于ChatGPT訪問的困難，最新技術(shù)無(wú)法快速使用，這也影響了我們的探索。

四五個(gè)月后，國(guó)內(nèi)大模型蓬勃發(fā)展，在技術(shù)上也逐漸能夠滿足我們的需要。在重新審視問題后，我們決定將工作方案與新的大模型技術(shù)結(jié)合起來，以便更快速地實(shí)現(xiàn)智能寫作。我們將大模型能夠?qū)崿F(xiàn)的部分交給它處理，同時(shí)制訂了提示詞工程的工作方案，其原則是，將大模型可以實(shí)現(xiàn)的部分交給大模型完成，其他部分由人制定，最大限度發(fā)揮大模型的潛力。這一方案此前尚未有人探索過，我們對(duì)其可行性也心存疑慮?？紤]到大模型的巨大潛力，我們決定勇敢嘗試。通過這一調(diào)整，我們將主要精力投入提示詞的實(shí)驗(yàn)和工程建設(shè)上。

此前，我們雖然做過提示詞撰寫工作，也對(duì)大模型的生成結(jié)果做出不少實(shí)驗(yàn)，但是生成長(zhǎng)篇文本卻并沒有嘗試過，這也是單獨(dú)個(gè)人能力達(dá)不到的。我憂慮的并不是提示詞本身的質(zhì)量，也不擔(dān)心大模型生成的文本質(zhì)量，因?yàn)檫@些都可以通過繼續(xù)優(yōu)化來提升；我所憂慮的，一旦投入50條或100條提示詞到大模型中，大模型失去邏輯性，無(wú)法輸出文本，以致無(wú)法進(jìn)行下去。進(jìn)而說，哪怕100條提示詞成功了，也不代表1000條提示詞能夠成功，特別是長(zhǎng)篇小說往往要達(dá)到2000條甚至更多的提示詞，大模型能承受如此多的提示詞連續(xù)投入嗎？我們心中無(wú)數(shù)。我們對(duì)大模型的文本生成界限還一無(wú)所知。文本生成能力是否會(huì)一直保持穩(wěn)定？我們也不知道。我個(gè)人無(wú)法完成這項(xiàng)任務(wù)，因此，我和集美大學(xué)的周偉薇老師一道共同建立大模型創(chuàng)意寫作工作坊，邀請(qǐng)華東師范大學(xué)和集美大學(xué)的幾十名同學(xué)參與探索。在這個(gè)過程中，我們遇到了許多困難。一個(gè)基本困難就是提示詞的編寫，怎樣做才是達(dá)到要求？這并不容易。

在使用大模型進(jìn)行研究或應(yīng)用落地時(shí)，要注意安全問題。個(gè)人研究時(shí)可以用ChatGPT，但如果追求可以成長(zhǎng)的平臺(tái)，那么就只能使用國(guó)內(nèi)大模型來生成。我們希望建立一個(gè)公共的平臺(tái)，為了規(guī)避可預(yù)計(jì)的風(fēng)險(xiǎn)，并且考慮到長(zhǎng)期的數(shù)據(jù)安全問題，因此并不使用國(guó)外的大模型。盡管目前國(guó)產(chǎn)大模型的表現(xiàn)尚有欠缺，但我們堅(jiān)決選擇使用國(guó)產(chǎn)大模型，只要它們能夠正常運(yùn)行。我們期待在未來幾年內(nèi)，國(guó)產(chǎn)大模型能夠與國(guó)外的大模型齊頭并進(jìn)，成為常用的生成工具，那時(shí)，我們的平臺(tái)系統(tǒng)也基本搭建起來，可以生成具有相當(dāng)質(zhì)量的智能小說內(nèi)容。因此，從一開始，我們就明確大模型的探索原則：以國(guó)產(chǎn)大模型為應(yīng)用底座。

二

“失控”的內(nèi)容生成

為了達(dá)到我們的實(shí)驗(yàn)?zāi)繕?biāo)，即迅速檢驗(yàn)提示詞投入大模型的效果，我們采用了一種特殊的方法：復(fù)刻已有的網(wǎng)絡(luò)小說，以快速獲得一個(gè)小說結(jié)構(gòu)。復(fù)刻就是對(duì)照既有小說寫作提示詞，并將這些提示詞投入大模型。我們的實(shí)踐發(fā)現(xiàn)這一技術(shù)路線是高效的，能夠達(dá)成實(shí)驗(yàn)的目的。

在實(shí)際操作過程中，我們對(duì)探索方法進(jìn)行了多次調(diào)整和優(yōu)化。怎樣寫作高質(zhì)量的提示詞成為前三次工作坊的主題。后來慢慢找到寫作的技巧，但另一個(gè)問題產(chǎn)生。一開始，我們希望大模型能夠生成符合我們期望的文本結(jié)果，但現(xiàn)實(shí)卻是大模型的生成結(jié)果往往顯得有些“失控”。這不免讓我們感到手足無(wú)措。我們努力進(jìn)行控制，但很快發(fā)現(xiàn)，幾乎所有的控制都無(wú)法完成任務(wù)。提示詞寫長(zhǎng)了不行，寫短了也不行。將提示詞輸入大模型時(shí)，我們發(fā)現(xiàn)每次生成都不一樣，當(dāng)然如果刷新到六七次，重復(fù)就開始出現(xiàn)了。但無(wú)論哪種情況，生成的文本與復(fù)刻對(duì)象在文本語(yǔ)句相似度上幾乎為零。起初，這讓我們非常煩惱，后來我們逐漸領(lǐng)悟到：既然無(wú)法完全控制大模型的輸出，何苦一味追求符合自己完美構(gòu)想的結(jié)果呢？或許這正是大模型本身的特點(diǎn)，試圖讓它按照我們的期望產(chǎn)生完美的文本結(jié)果幾乎是不可能的。

當(dāng)我們放棄這種想法后，發(fā)現(xiàn)道路反而變得更加寬廣。如果將這種“失控”視為大模型自身的一種特殊變量，我們可以嘗試為它提供一個(gè)適度的框架，讓它根據(jù)自身的變量處理方式產(chǎn)生不同的文本。這樣一來，我們便可以利用提示詞讓大模型生成小說文本，只要我們?yōu)槠涮峁┮粋€(gè)相對(duì)具體的框架就可以進(jìn)行創(chuàng)作。凱文·凱利認(rèn)為，復(fù)雜的系統(tǒng)（如生態(tài)系統(tǒng)、經(jīng)濟(jì)系統(tǒng)、社會(huì)系統(tǒng)等）在看似混亂的過程中，實(shí)際上是在進(jìn)行自我組織和自我調(diào)整，從而形成新的穩(wěn)定狀態(tài)。這種過程是自發(fā)的，不受任何單一元素的控制，而是由系統(tǒng)內(nèi)部的所有元素共同參與③。大模型的文本生成正暗合這一復(fù)雜系統(tǒng)的構(gòu)想。只要我們放棄人類完全控制文本創(chuàng)作的執(zhí)念，將文本的具體生成視為大模型的任務(wù)，并且具有較高的偶然性，人機(jī)相融，人只要負(fù)責(zé)整體框架設(shè)計(jì)就可以，那么我們就達(dá)成了某種可接受的整體性。這是我們?cè)诖竽Ｐ烷L(zhǎng)篇小說寫作中獲得的第一個(gè)觀念：人來保證長(zhǎng)篇小說的整體可控，由大模型進(jìn)行細(xì)節(jié)控制（哪怕這時(shí)顯得有些失控）。

實(shí)際上，已經(jīng)有不少人嘗試?yán)么笮驼Z(yǔ)言模型來進(jìn)行小說創(chuàng)作。我的網(wǎng)絡(luò)寫手學(xué)生也告訴我，他們使用分段提示詞投入大模型來提供靈感，然后進(jìn)行大量的修改，成稿之后再交給網(wǎng)站編輯。這已經(jīng)是默認(rèn)的網(wǎng)絡(luò)小說流水線。

在我們的智能寫作探索之前，國(guó)內(nèi)已經(jīng)有公司進(jìn)行了相關(guān)嘗試，比如一個(gè)優(yōu)秀的創(chuàng)意寫作公司彩云小夢(mèng)，主要使用GPT2進(jìn)行語(yǔ)句續(xù)寫。這一探索的本質(zhì)是將寫作任務(wù)交給大模型，只給大模型一個(gè)句子，讓其進(jìn)行續(xù)寫。但是由于此前GPT2本身的能力限制，這一實(shí)踐推進(jìn)緩慢。2024年，清華大學(xué)沈陽(yáng)教授團(tuán)隊(duì)借助ChatGPT完成了一個(gè)中篇小說作品，方法是讓大模型編寫一個(gè)提綱，再按照提綱的條目生成內(nèi)容，就此結(jié)成一個(gè)小說。這是將一個(gè)大型任務(wù)分解為諸多小任務(wù)的做法，這種做法與我們的做法相似，即利用大語(yǔ)言模型，將大型任務(wù)分解為小任務(wù)，小任務(wù)轉(zhuǎn)變?yōu)樘崾驹~，通過提示詞投入大模型的方式來生成內(nèi)容，結(jié)成一部小說。

對(duì)于短篇和中篇小說而言，上述兩種方案已經(jīng)是有效的，但對(duì)于長(zhǎng)篇小說而言，上述兩種方案都有可取或不可取之處?？扇≈幨?，大模型自身具有創(chuàng)作能力，這證明大模型進(jìn)行小說寫作是可行的；不可取之處是，兩種方案從本質(zhì)上講都依賴大模型自身的上下文長(zhǎng)度，這一上下文長(zhǎng)度也成為2024年國(guó)產(chǎn)大模型發(fā)力點(diǎn)，但這種上下文長(zhǎng)度指的是閱讀上下文，并不是生成上下文，生成文本與閱讀上下文的關(guān)系不是正比例關(guān)系，而是正指數(shù)比例關(guān)系，生成文本越長(zhǎng)，閱讀上下文長(zhǎng)度必須呈指數(shù)級(jí)別的提升。我認(rèn)為前兩種方法就像黃河決口，在平原上自由流淌，最終形成一些河道，這些河道完全不受控制，是一種完全依賴大模型自身能力的做法。在當(dāng)前階段，這種方法無(wú)法完成長(zhǎng)篇小說寫作這一目標(biāo)。如果大模型目前的上下文方案不改變，可能要到量子計(jì)算機(jī)普及時(shí)，大模型才能真正進(jìn)行基于自身能力的創(chuàng)寫。

我們采用的方法是通過系統(tǒng)性提示詞向大模型提問，在提問過程中對(duì)其進(jìn)行更精細(xì)的限制。再用黃河決口的比方，我們必須因勢(shì)利導(dǎo)，利用地形的優(yōu)勢(shì)，讓決口之后的河水在狹窄的地方流淌，在平坦的地方修建河道，引導(dǎo)它沿著我們期望的方向前進(jìn)。雖然這個(gè)過程可能會(huì)出現(xiàn)一些溢出，但這些溢出都在允許的范圍內(nèi)。同理，大模型最終形成的文本基本上會(huì)遵循我們希望的整體大框架和方向，而不是像黃河決口后在平原上肆意流淌，失去整體控制。

在整個(gè)工作坊的實(shí)驗(yàn)中，我們逐漸領(lǐng)悟到這種工作方式。通過提示詞工程這一方法，我們成功地生成了大量情節(jié)連貫的文本內(nèi)容。這為我們進(jìn)一步研究和探索提供了有力支持。

三

嘗試性的驗(yàn)證

文本生成檢驗(yàn)分為兩個(gè)階段。

第一個(gè)階段是將相同的100條提示詞投入6種國(guó)產(chǎn)大模型，以檢驗(yàn)?zāi)囊环N國(guó)產(chǎn)大模型能夠更好地生成文學(xué)文本。最終發(fā)現(xiàn)訊飛星火和文心一言這兩種大模型效果最佳，輸出文字多，表達(dá)也有一定的文學(xué)味道。月之暗面公司的KimiChat輸出文字較長(zhǎng)，但表達(dá)效果欠佳，更像是商業(yè)交往文本，可能是因?yàn)橛?xùn)練材料缺乏文學(xué)材料的緣故。其他大模型在連續(xù)投入30—50條提示詞之后，出現(xiàn)了無(wú)法回應(yīng)，或只是將提示詞重新輸出一遍，或頻繁無(wú)結(jié)果輸出等問題。我們期待在再過兩三年后，有10種以上的大模型都能被成功使用。當(dāng)然，哪怕是訊飛星火和文心一言，表達(dá)上也相對(duì)有些干癟，這是語(yǔ)料訓(xùn)練過度廣泛導(dǎo)致的，如果我們縮小訓(xùn)練語(yǔ)料，主要集中在小說語(yǔ)料上，并進(jìn)行本地大模型微調(diào)，輸出效果會(huì)明顯上升。第一階段的成果是一部4.3萬(wàn)字的中篇小說，2023年12月31日發(fā)布④。

第二個(gè)階段是2000余條提示詞生成的長(zhǎng)篇文本，110萬(wàn)字小說，2024年3月22日通過澎湃新聞發(fā)布⑤。百萬(wàn)字小說的影響力明顯比較大，閱讀量和下載量都還不錯(cuò)。有一些朋友讀過，覺得非常有趣。這可能是由于大模型的“文風(fēng)”比較特殊的緣故。大模型生成的小說情節(jié)還算跌宕起伏，但推進(jìn)的方式是議論式的，這跟我們寫小說不太一樣。我們?cè)趯懶≌f時(shí)，一般通過對(duì)話和情節(jié)描述來展現(xiàn)情緒，而不是一下子把所有內(nèi)容都說出來。這種方式更有文學(xué)性，因?yàn)樗梢灾鸩浇沂厩楣?jié)，整個(gè)故事結(jié)構(gòu)完整，包含了許多情節(jié)和心理活動(dòng)。大模型生成的小說卻包含大量的議論性內(nèi)容，讀起來不免乏味，我們雖然刪掉了明顯冗余和過度議論的內(nèi)容，但其基本表述結(jié)構(gòu)是無(wú)法修改的，只能任其如此。我們完全可以想見，目前讀到智能生成小說的讀者（尤其是文學(xué)學(xué)者）對(duì)小說是不太喜歡的，因?yàn)樗c我們既有的小說寫法太不一樣。按我們目前對(duì)小說的看法，大模型小說全身皆病，非?！八?。我們也同意這樣的判斷。然而，考慮到大模型未來的迅速“進(jìn)化”，也考慮到我們可以對(duì)大模型進(jìn)行進(jìn)一步調(diào)整，完全可以推斷，再過兩年，也許更短時(shí)間，大模型小說就可以從目前的“青澀”階段進(jìn)展到相對(duì)成熟的階段，具有一定的寫作質(zhì)量。

考慮到保存“歷史”狀態(tài)這一因素，我們盡量控制人工修改的幅度，只是對(duì)自動(dòng)生成的文本做了一些必要的修訂，主要是調(diào)整情節(jié)跳躍的地方，對(duì)表達(dá)語(yǔ)句并未做修訂。由于大模型的“文風(fēng)”實(shí)在獨(dú)特，修改就是動(dòng)全身，也無(wú)法進(jìn)行全面修訂。

大模型利用提示詞進(jìn)行寫作時(shí)，有一個(gè)獨(dú)特的特點(diǎn)，即光明的尾巴。比如，我讓它寫一段情節(jié)，一次生成的長(zhǎng)度通常在400—700字之間。使用任何國(guó)產(chǎn)大模型，生成的文本長(zhǎng)度最多也只能達(dá)到500字。（基于2024年2月1日前的國(guó)產(chǎn)大模型能力）即使運(yùn)氣好，生成700字，也時(shí)常會(huì)出現(xiàn)100字左右充滿正能量的結(jié)論性論證。這需要?jiǎng)h掉，保證后面的情節(jié)還能進(jìn)行下去。

在寫提示詞時(shí)，這是一個(gè)特別痛苦的過程。后來我們發(fā)現(xiàn)，通過更具體地描述場(chǎng)景，可以更好地控制情節(jié)走向，也可以消除“光明的尾巴”。但是，如果提示詞過于具體，大模型就無(wú)法生成文本了。因此，我們需要學(xué)會(huì)巧妙地書寫提示詞。

當(dāng)然，哪怕我們提升了提示詞的寫作技巧，也會(huì)發(fā)現(xiàn)，大模型時(shí)常寫出讓我們啼笑皆非的句子。以實(shí)驗(yàn)性的中篇小說《扮演那個(gè)有魔法的人》為例，其中一處寫到游戲中的8種雕像，運(yùn)用了排比句來描述它們，但是我們?cè)趯懽鲿r(shí)很少使用這樣的句式，這正是典型的大模型寫作風(fēng)格。

在圣殿的深處，田一元被八座巨大的種族雕像所吸引。他可以看到每座雕像都代表著一種不同的種族，而每一種族的雕像都散發(fā)著獨(dú)特的光芒。

首先，他看到了人類的雕像。這座雕像高大而威嚴(yán)，散發(fā)著一種智慧和領(lǐng)導(dǎo)力的光芒。人類作為艾澤拉斯上最強(qiáng)大的種族之一，他們的雕像自然也散發(fā)出無(wú)與倫比的威嚴(yán)。

接下來是精靈的雕像，他們堅(jiān)毅而勇敢，散發(fā)出一種勇氣和堅(jiān)韌的光芒。精靈作為艾澤拉斯上最勇敢的種族之一，他們的雕像也散發(fā)出了這種勇敢的氣息。

然后是妖人的雕像，他們機(jī)智而聰明，散發(fā)出一種智慧和創(chuàng)造力的光芒。妖人作為艾澤拉斯上最聰明的種族之一，他們的雕像也散發(fā)出了這種智慧的氣息。

接下來是獸人的雕像，他們優(yōu)雅而神秘，散發(fā)出一種自然和神秘的光芒。獸人作為艾澤拉斯上最神秘的種族之一，他們的雕像也散發(fā)出了這種神秘的氣息。

然后是妖精的雕像，他們粗獷而強(qiáng)壯，散發(fā)出一種力量和狂野的光芒。妖精作為艾澤拉斯上最強(qiáng)大的種族之一，他們的雕像也散發(fā)出了這種狂野的氣息。

接下來是龍族的雕像，他們雄壯而威猛，散發(fā)出一種勇氣和榮譽(yù)的光芒。龍族作為艾澤拉斯上最崇尚榮譽(yù)的種族之一，他們的雕像也散發(fā)出了這種榮譽(yù)的氣息。

然后是亡靈的雕像，他們陰森而詭異，散發(fā)出一種死亡和破壞的光芒。亡靈作為艾澤拉斯上最恐怖的種族之一，他們的雕像也散發(fā)出了這種恐怖的氣息。

這樣的描寫暫時(shí)沒有辦法修訂，只能原樣保留，也算是一種“歷史狀態(tài)”。

第二階段的實(shí)驗(yàn)是為了進(jìn)一步驗(yàn)證1000條以上的提示詞能夠在國(guó)產(chǎn)大模型上進(jìn)行有效生成。我們采用了復(fù)刻現(xiàn)有網(wǎng)絡(luò)長(zhǎng)篇小說的方式，這樣可以迅速獲得一個(gè)連貫的結(jié)構(gòu)，投入大模型進(jìn)行長(zhǎng)文本實(shí)驗(yàn)。我們首先選擇玄幻小說為實(shí)驗(yàn)對(duì)象。目前的大模型適合寫玄幻、現(xiàn)實(shí)類小說，古典類有些困難，這可能與訓(xùn)練材料有關(guān)。相信我們后面進(jìn)行小說大模型微調(diào)之后，這些難點(diǎn)就會(huì)消除。整個(gè)工作流程是，對(duì)網(wǎng)絡(luò)小說的結(jié)構(gòu)進(jìn)行分析研究，根據(jù)大模型的特點(diǎn)，分解出網(wǎng)絡(luò)小說適合于大模型的情節(jié)分段結(jié)構(gòu)，編程進(jìn)行結(jié)構(gòu)化處理，撰寫大量提示詞，建構(gòu)出一套玄幻小說提示詞，并通過調(diào)用國(guó)產(chǎn)大模型API，將提示詞投入大模型，批量生成內(nèi)容，抓取生成結(jié)果，形成一部長(zhǎng)篇小說。從實(shí)驗(yàn)結(jié)果來看，我們完成了設(shè)定的任務(wù)，并且收獲了不少有益的經(jīng)驗(yàn)。

由于提示詞是系統(tǒng)化的，所以整個(gè)小說的基本線索是連貫的，整體上能夠達(dá)成可控制，但是由于大模型生成具有偶然性，總是存在一些不確定性，導(dǎo)致細(xì)節(jié)上跳躍性大，不連貫處多，所以后期人工介入對(duì)其進(jìn)行修改，刪除掉重復(fù)、累贅的部分，為情節(jié)跳躍的部分撰寫連接語(yǔ)句，同時(shí)也刪減了某些多余的結(jié)構(gòu)，精減線索，以免大模型的描述太過分散，最終打磨成型，形成110萬(wàn)余字。

由于百萬(wàn)字智能小說是一個(gè)實(shí)驗(yàn)性的作品，出現(xiàn)許多此前想不到的“失誤”。創(chuàng)作這一作品的時(shí)候，我們其實(shí)并不知道會(huì)出現(xiàn)什么結(jié)果，從最初設(shè)想來看，只要能寫出來，大模型能夠運(yùn)行全部提示詞，就達(dá)到了我們的目標(biāo)。這一目標(biāo)成功完成了。我們后面進(jìn)行必要的人工修正，使這一智能小說達(dá)到能夠閱讀的水平。我們相信，隨著大模型技術(shù)水平不斷提高，智能寫作的質(zhì)量會(huì)不斷提升，人工后期調(diào)整的工作量會(huì)不斷降低。

從提示詞寫作來看，我們收獲了不少教訓(xùn)，后面要避開，比如，新角色的出現(xiàn)一定要進(jìn)行交代，否則就像憑空出現(xiàn)一樣，顯得沒頭沒腦。目前編寫提示詞時(shí)卻沒有做到這一點(diǎn)。大模型并不會(huì)自動(dòng)理順人物邏輯，可以發(fā)現(xiàn)一個(gè)人物是新出現(xiàn)的，這要極長(zhǎng)的上下文能力才能做到。目前來看，大模型能夠做到的是，將每一條提示詞視為標(biāo)準(zhǔn)，并按照提示詞的要求完成任務(wù)。它不會(huì)額外交代新角色的出現(xiàn)。所以，在后期修訂時(shí)，為了讓整個(gè)小說的文意通暢一些，我們?cè)谛氯宋锍霈F(xiàn)的地方，往往加上一句，介紹來歷，以免顯得太突兀。

從目前生成的長(zhǎng)篇來看，人物對(duì)話功能是單一的，完成三人以上對(duì)話還很困難，基本上是兩個(gè)人之間的互動(dòng)，且缺乏個(gè)性特征，難以表達(dá)出符合角色特性的觀點(diǎn)和思想。我們或許可以利用AI Agent技術(shù)，將對(duì)話任務(wù)交由AI Agent自主完成，并不斷演化。這種做法不僅能夠提高工作效率，還能夠讓大模型專注于情節(jié)的生成。

通過以上工作，我們驗(yàn)證了整個(gè)大模型創(chuàng)意寫作計(jì)劃的后三分之一，即投入大量提示詞之后，大模型能夠生成線索整體連貫的內(nèi)容，這一點(diǎn)，只有嘗試過之后才能確認(rèn)是行得通的。至于語(yǔ)義的流暢連貫，富有文學(xué)色彩，只能留待后面進(jìn)行提升。

四

未來的工作：調(diào)適“智能”的比例

未來的工作主要包括四個(gè)部分，一是撰寫大量提示詞，并優(yōu)化提示詞的結(jié)構(gòu)和質(zhì)量。一旦我們能夠生成足夠多的提示詞，就可以涵蓋大部分情節(jié)，然后可以進(jìn)一步精煉和提升這些提示詞。二是建立提示詞敘事模塊和系統(tǒng)，可以智能組合并調(diào)用。我們計(jì)劃將這些提示詞分情節(jié)、分模塊，并建立情節(jié)箱系統(tǒng)。這個(gè)系統(tǒng)位于用戶和大模型之間，為未來的網(wǎng)絡(luò)寫手提供創(chuàng)作服務(wù)。三是進(jìn)行大模型微調(diào)，提高文字表達(dá)能力。四是在以上工作的基礎(chǔ)上，建立人工智能寫作平臺(tái)，提供自動(dòng)寫作服務(wù)。這一創(chuàng)新性平臺(tái)將按照用戶的創(chuàng)意生成文本，并利用提示詞引導(dǎo)大模型進(jìn)行文本創(chuàng)作，最終呈現(xiàn)出一部嶄新的長(zhǎng)篇小說。我們相信，這樣的平臺(tái)將為文學(xué)創(chuàng)作帶來革命性的變革。

這些未來的工作具有一個(gè)明確的指向：調(diào)適人工智能與人類智能的參與比例，不斷縮減人類的智能參與，將人力付出集中在智能創(chuàng)意上，而不是浪費(fèi)在大量模式書寫的忍耐上；提高大模型模式化寫作能力，增大人工智能在創(chuàng)意寫作中的比重。目前來看，人工的成分過多，后面的工作將不斷減少人工成分，減少修改的工作量，讓每一個(gè)對(duì)長(zhǎng)篇小說寫作感興趣的人都能夠通過人機(jī)融合的方式進(jìn)行創(chuàng)作。一個(gè)勤奮的網(wǎng)絡(luò)寫手寫作100萬(wàn)字的小說大約需要一年，通過機(jī)寫方案，完成這一體量的作品大約一個(gè)半月，下一步的目標(biāo)是將這一時(shí)間縮短為兩周。

我們可以確定的是，面對(duì)大模型生成的提示詞工程將以一種新的敘事學(xué)方式建立起來。這種新敘事學(xué)不同于以往人類寫作者的傳統(tǒng)敘事學(xué)，它是半人半機(jī)的，是人類敘事構(gòu)架+智能細(xì)節(jié)寫作，兩者的高效融合將是未來的重點(diǎn)。大模型不斷發(fā)展升級(jí)，我們還需要根據(jù)技術(shù)發(fā)展來不斷更新這一敘事學(xué)框架。

這一方法的關(guān)鍵在于將一個(gè)大型復(fù)雜的任務(wù)拆解成若干個(gè)小任務(wù)，并讓每個(gè)執(zhí)行者專注于特定的任務(wù)。這種模塊化的工作方式非常有效。為了實(shí)現(xiàn)這一目標(biāo)，我們需要建立足夠多的模塊，并確保它們具有清晰的調(diào)用邏輯，可以高效完成自動(dòng)調(diào)用任務(wù)。因此，我們后面的一個(gè)重要工作就是不斷優(yōu)化提示詞敘事質(zhì)量，探索多元化的提示詞敘事工作，并建立提示詞敘事學(xué)。

提示詞敘事學(xué)此前從未出現(xiàn)過，只有當(dāng)大模型可以進(jìn)行文字寫作之后，這一敘事學(xué)才成為可能。因此，提示詞敘事學(xué)的基礎(chǔ)是大語(yǔ)言模型。提示詞是自然語(yǔ)句，但又不同于自然語(yǔ)句，而是大模型可以有效或高效執(zhí)行的自然語(yǔ)句。從位置來看，提示詞位于自然語(yǔ)言表達(dá)和大模型的自然語(yǔ)言理解、輸出之間，起到橋梁作用。它是一種解釋性語(yǔ)句，這一解釋性依賴于其中介地位，它本身與自然語(yǔ)句存在相當(dāng)大程度的重合，某種程度上具有較大迷惑性。中介即接口，兩端是人的智能與人工智能。從根本上說，提示詞的結(jié)構(gòu)表征了一種新式的人機(jī)解釋關(guān)系，這一解釋關(guān)系所涵蓋的是，人的智能以某種比例向人工智能的讓步。

一部智能小說的結(jié)構(gòu)需要注意涵蓋本類型的絕大部分結(jié)構(gòu)。我們將分析大量網(wǎng)絡(luò)小說，獲得提示詞，從中分解出盡可能細(xì)致的結(jié)構(gòu)。這些結(jié)構(gòu)構(gòu)成一個(gè)調(diào)用單元，可稱之為情節(jié)封箱。所謂情節(jié)封箱，就像把大量不同物品放入一個(gè)集裝箱中，我們將多條提示詞放入一個(gè)固定情節(jié)箱體，使其在智能調(diào)用中發(fā)揮作用。在長(zhǎng)篇小說中有許多封箱元素，我們希望從中找到具體的封箱方法。盡管我們會(huì)借鑒普羅普在民間故事敘事學(xué)結(jié)構(gòu)方面的獨(dú)特貢獻(xiàn)，但現(xiàn)有的理論并不能解決所有問題。我們必須意識(shí)到，僅僅得出結(jié)論是遠(yuǎn)遠(yuǎn)不夠的。更為關(guān)鍵的是，我們必須確保提示詞能夠適應(yīng)大模型生成的需求。因此，還需要調(diào)整提示詞，以發(fā)現(xiàn)在提示詞封箱過程中，哪些句子組合在一起效果最佳。

在接下來的兩年時(shí)間里，我們一方面要生成大量提示詞，另一方面要進(jìn)行實(shí)驗(yàn)，以確定哪些提示詞進(jìn)行情節(jié)封箱生成的文本質(zhì)量更佳，這樣，在未來的智能調(diào)用中就具有充分的多樣性。最終，我們將擁有一種完全原創(chuàng)的結(jié)構(gòu)，不再依賴任何外部結(jié)構(gòu)。就像學(xué)習(xí)書法一樣，起初總是模仿多家風(fēng)格，一旦掌握了多種風(fēng)格，就開始形成自己的風(fēng)格。

在情節(jié)封箱完成后，我們需要建立用戶交互系統(tǒng)，以保證用戶的需求得到充分體現(xiàn)。我們假定用戶為創(chuàng)作長(zhǎng)篇小說的作者，他們通過交互系統(tǒng)，向系統(tǒng)提出詳細(xì)需求，通常這些需求至少應(yīng)包含30條關(guān)鍵信息，最多不超過50條，超過50條，就可能出現(xiàn)用戶使用疲憊。這些要求通過系統(tǒng)轉(zhuǎn)化為提示詞的調(diào)用框架，這一框架進(jìn)一步調(diào)用情節(jié)箱體，以形成系統(tǒng)性提示詞，并將這些提示詞投入大語(yǔ)言模型進(jìn)行具體文本的生成。最終文本將通過人工進(jìn)行修改，以去除某些不連貫或重復(fù)之處，也可以進(jìn)行深度潤(rùn)色，這完成看用戶需求。

生成工作可能在2天內(nèi)完成，而修改工作大致需要2—4周時(shí)間。從整個(gè)系統(tǒng)平臺(tái)的建設(shè)來說，是一個(gè)大的工程，但對(duì)于平臺(tái)完成的成果而言，卻可以省去寫作者大量套路性寫作的時(shí)間，是一件值得為之的事情。

五

作為工程的提示詞及智能文學(xué)的未來

提示詞工程看似簡(jiǎn)單，其實(shí)頗為復(fù)雜。我們的目標(biāo)是基于這一原則，通過精心編寫提示詞以實(shí)現(xiàn)高效的快速投入。從本質(zhì)上講，這與傳統(tǒng)的手工投入并無(wú)二致。我們現(xiàn)階段是通過建立小型Demo調(diào)用API投入大模型的方式，以求速度的提升。后期隨著創(chuàng)寫平臺(tái)的搭建，用戶直接向創(chuàng)寫平臺(tái)發(fā)出指令，創(chuàng)寫平臺(tái)進(jìn)行提示詞的組合，并將提示詞投入大模型進(jìn)行生成，從而達(dá)成定制長(zhǎng)篇小說的目標(biāo)。這樣的速度會(huì)越來越快。

從目前的提示詞與生成文本的比例來看，大約4∶1或5∶1左右，也就是說，為了生成百萬(wàn)字的小說，我們需要撰寫20萬(wàn)—25萬(wàn)字的提示詞，如果這樣的提示詞的目標(biāo)是生成一部小說，那么，很可能引發(fā)這樣的質(zhì)疑：這樣做不是太費(fèi)勁了嗎？質(zhì)量也沒有那么好，何不直接寫一篇小說呢？

的確，如果只考慮一件作品，那么，提示詞工程是費(fèi)力不討好的，但是，以提示詞工程進(jìn)行智能寫作的意義在于，提示詞本身充滿變量，哪怕一條提示詞不改變?nèi)魏巫兞?，投入大模型產(chǎn)生的結(jié)果也不相同，一旦變量加入，提示詞本身的產(chǎn)量是相當(dāng)可觀的，更何況我們進(jìn)行了智能組合，這樣的產(chǎn)出變化是極其可觀的。從此考慮，提示詞工程是一個(gè)值得深入開墾的事業(yè)。

從目前來看，大模型的能力并不能達(dá)到百萬(wàn)字級(jí)別的小說寫作，哪怕KimiChat達(dá)到了200萬(wàn)中文的閱讀量，通義千問達(dá)到1000萬(wàn)字的閱讀量，但對(duì)于小說寫作而言，依然還不能憑借自身能力完成3萬(wàn)字以上的作品，人工必須不斷加入進(jìn)行干涉，人工與智能結(jié)合，才能不斷突破大模型自身的限制。所以，我們應(yīng)該充分利用提示詞工程的潛在能力，將100萬(wàn)字的寫作任務(wù)分解為2000個(gè)500字的寫作任務(wù)，建立控制方法，完成這一組合任務(wù)。因此，我們無(wú)須等待大語(yǔ)言模型的暴力升級(jí)，就能夠解決長(zhǎng)篇智能寫作問題。

與大模型融合進(jìn)行文學(xué)創(chuàng)作對(duì)于網(wǎng)絡(luò)文學(xué)而言具有重要意義。網(wǎng)絡(luò)文學(xué)創(chuàng)作應(yīng)當(dāng)全面進(jìn)化，摒棄精英式寫作方式。我們無(wú)需過分追求趕超文學(xué)大師的作品，這樣的目標(biāo)在短期間毫無(wú)意義。我們應(yīng)關(guān)注中等水平的網(wǎng)絡(luò)小說創(chuàng)作，這是大模型智能寫作的方向。一旦達(dá)成中等水平的網(wǎng)絡(luò)小說創(chuàng)作，更高的目標(biāo)才有具有實(shí)現(xiàn)的可能性。

經(jīng)過兩三年的努力，我們將初步見到成效。屆時(shí)，我們將建立一個(gè)交互性的智能寫作平臺(tái)。在這段時(shí)期內(nèi)，中國(guó)的大模型將取得長(zhǎng)足的進(jìn)步，不斷追趕國(guó)際大模型的水準(zhǔn)。即使無(wú)法完全達(dá)到這一目標(biāo)，大模型水平的提升也將為我們提供一個(gè)堅(jiān)實(shí)的基礎(chǔ)，支持智能寫作實(shí)驗(yàn)的發(fā)展。我們對(duì)于在這個(gè)平臺(tái)上實(shí)現(xiàn)高水平寫作充滿信心。到那時(shí)，基于這個(gè)平臺(tái)的作品將遠(yuǎn)超現(xiàn)在的“中二”水平，達(dá)到中等層次的網(wǎng)絡(luò)作家水平。

展望未來，大型語(yǔ)言模型有望依靠自身的力量完成長(zhǎng)文本的生成，甚至能夠根據(jù)需要?jiǎng)?chuàng)作長(zhǎng)篇小說。但這需要將我們開發(fā)的智能平臺(tái)模型納入大型語(yǔ)言模型，使其成為其中的一個(gè)“細(xì)胞”，才可能完成進(jìn)一步的智慧化。

我們已經(jīng)步入智能社會(huì)，回避這一事實(shí)沒有任何意義。在發(fā)展中不斷調(diào)整工作方案才是根本。只有學(xué)會(huì)與人工智能共處共融，我們才能走向不可知的未來?！蟆?/p>

注釋

①《文學(xué)計(jì)算工作坊通訊稿》，https：//si-mian.ecnu.edu.cn/7f/0d/c19254a360205/page.htm。

②《數(shù)字人文與文學(xué)計(jì)算工作坊及第二次文學(xué)計(jì)算工作會(huì)議通訊》，https：//si-mian. ecnu. edu. cn / 16 / f3 / c19254a399091/page.htm。

③參見凱文·凱利：《失控：全人類的最終命運(yùn)和結(jié)局》，張行舟、陳新武、王欽等譯，電子工業(yè)出版社，2016，第144-147頁(yè)。

④小說文本見微信公眾號(hào)“后人類文化研究院”。

⑤《AI創(chuàng)作的百萬(wàn)字小說能打敗網(wǎng)文大神嗎？》，https：//www.thepaper.cn/newsDetail_forward_26722585。