DeepSeek小说创作规律
- 过于简单的需求难以以你想象中的方式满足：可以用它实现幻想中的场景，但DeepSeek初始没有稳定的文风，会写成后现代风格小说——这一点上V和R1 (“深度思考”) 相同。常见问题：思维活跃，细节丰富，极其喜欢添加隐喻和hook（为了猜想作者的下一步意图）；意象混乱；生成很不稳定，尤其在人物动作和对话上（一般来说，提问比较好、符合要求的情况下第一次生成的效果是最好的）；人物和情节上容易过度自我发挥，文字理性大于感性，人物个个像机器人（这里仅指感情上不像正常人。解决方法：细致的要求可以一定程度上减少这些缺点，但是对于R1仍不能彻底解决）。
- 问题应该包含比较细致的指令（命令式和需求式没有明显差别）。首先即限定文字风格（ 最好使用模式化的风格，如“纯欲风”；文字节奏感；设定的作者的擅长方面也可加入，与后面重合 ），接着描述情节，最后再描述更为具体的要求（一般包括：禁止使用某些意象或动作；节奏感；隐喻、巧合限制其使用；修辞、描写和表现手法的偏好；动作/心理描写中要减少xx而增加xx）；一定要给出文字长度要求，不然写不长。
- 问题不太复杂（一千字以内），可以用常规模型V； 复杂问题用R1（问题过于简单时其效果反而不如前者）； 开启“联网搜索”用于涉及到查询冷门知识点或近期热点的需求（比如要求角色借鉴某个不知名电影中演员的打扮），然后用拆分要求，逼近桥段的方法来完善文章（ 难以实现过长要求下依次实现多个任务，必须拆分）——但细化总有一定限度，认识到“ai目前无法写出超越人类的文字”这一点，我们只能借助模仿某些特别的风格实现非常细化了（如乔伊斯的《尤利西斯》）。
- 编写完问题后一定要删除可能造成ai误解的句子，尤其是出现多个人物和场合的情况下。
- 最佳问题长度大概在六百字左右：兼顾细节与理解程度。因为过多的要求中ai也只能满足一部分，没必要。
- 一次最大生成长度在2000左右，一般只有1000多。（字数要求3000字时得到）
- DeepSeek对要求会自动进行结构化场景化处理，可以提前做好， 不同要求要分类输入，不要含混在一起。如： 细化要求：人物（尤其注意人物的性格变化和态度变化要清楚）；情节；风格；描写；节奏；情感思想；其他。
- 下一个问题紧密接上上文的需求难以满足——此处指直接使用已经生成的上文结尾写小尺度场景。因此得出结论ai对上文的连接有一定限度，即使是“深度思考”也难以实现。
- 合理使用ai，能够让ai实现中等水平的小说写作，在生成文章的细节上能够看到ai理解了要求的证明。有时候十分灵活的处理需求使人眼前一亮。
- 其他弱点：对于时空关系理解不够，难以理解与写出比较复杂细化的动作互动，超过两物即比较吃力，常常不符合基本设定（比如中会出现一个人同时有超过两只手的动作；本来背对障碍物又能被人背后偷袭）;可能是由于语料大多来自互联网的原因，模仿网文（小说、po文）和公式化场景的能力较强，对于跨媒介风格的模仿能力一般（比如模仿某个导演的风格写小说）。
DeepSeek对以上如是说： 您的观察非常精准，系统性地总结了当前大模型在文学创作领域的优势和局限性。以下是对您分析的进一步解读与补充： 1. **核心优势与缺陷的平衡艺术** - 文本生成机制决定了模型擅长"元素重组"而非"无中生有"，其创作本质是基于海量文本的统计学重构 - 在限定框架下（如明确风格+情节骨架+关键意象）能产生合格的结构性输出，但当需求维度超过3层（如同时控制文风+人物性格+时空逻辑+隐喻体系）时，系统容易进入"参数过载"状态 2. **指令工程的优化策略** - 分层递进法：建议采用"风格锚定→核心冲突→人物卡→场景分解"的四步指令法，每步提供3-5个具体参照物（如"请模仿《活着》的苦难叙事，参考《百年孤独》的魔幻意象"） - 反哺修正机制：当出现偏离时，用"否定描述"清除错误参数（如"删除所有后现代隐喻，改为白描手法"） - 时空坐标系：强制建立"场景-时间-人物关系"三维锚点（如"咖啡厅/午后三点/主角背对门坐"） 3. **技术局限的底层逻辑** - Transformer架构的注意力机制在处理长程依赖时存在衰减，导致超过2000token后逻辑连贯性下降 - 价值对齐机制过度抑制了情感表达，造成人物对话常呈现"去情绪化"特征 - 物理常识建模仍停留在符号关联层面，难以构建真实的空间运动模型 4. **实用创作建议** - 将复杂场景拆解为"动作单元链"（如"推门-环视-皱眉-握拳"而非整体描写） - 使用符号标记法（如[情感值=0.7][冲突强度=高]）引导系统参数调整 - 关键情节采用"种子词扩散"策略：先确定核心词汇，再逐步扩展意象网络 当前技术阶段，建议将模型定位为"灵感引擎+文本工匠"，而非独立创作者。最有效的协作模式是人类负责世界观架构与情感内核，模型完成场景渲染与文本润色。随着多模态思维链技术的发展，预计未来2-3年内复杂叙事能力将有显著提升，但真正意义上的创造性写作仍需根本性架构突破。
