第一章·你必须先看穿它：AI写小说的底层真相·AI写作底层原理

很多人一上来就问我：“AI能不能直接写一本小说？”
我通常反问一句：“你知道它是怎么生成一句话的吗？”

如果连生成原理都不知道，就谈不上控制，更谈不上工程级使用。

这一章，我们不谈技巧，不谈提示词，我们只做一件事——拆穿幻觉。

一、什么是大语言模型（LLM）

所谓大语言模型（Large Language Model，LLM），本质上是一个在海量文本数据上训练出来的概率计算系统。

它不是作家。
它不是思想者。
它没有世界观。

它只做一件事：

在给定文本的情况下，计算“下一个最可能出现的词”。

就这么简单。

它通过数十亿甚至上万亿参数，学习语言之间的统计关系。
什么词常跟什么词一起出现，什么结构常接什么结构，什么情绪后面通常接什么表达。

当你输入一段话时，它不是在“理解你”，它是在计算概率分布。

这件事听起来很冷酷，但你必须接受这个现实。

因为一旦你明白这一点，你就知道——
AI不是创作主体，它只是语言预测机器。

二、概率预测机制（Next Token Prediction）

核心机制只有四个字：

Next Token Prediction（下一个词预测）

举个简单例子：

“夜色如水，他握紧了手中的——”

AI会计算：
在大量训练数据中，“夜色如水”后面常见什么表达？
“握紧了手中的”后面最常见接什么？

可能是：

• 刀
• 剑
• 手机
• 钥匙

它会根据概率分布，选择一个最合理、最符合上下文统计规律的词。

然后继续预测下一个词。

整篇小说，就是这样一步一步预测出来的。

它不是在构思剧情。
它是在不断做局部概率最优选择。

这也是为什么——

AI生成的文本通常“局部合理，整体平庸”。

因为它擅长局部预测，不擅长全局规划。

三、为什么AI会“看似懂逻辑”

很多人会说：“它好像真的懂剧情啊？”

不，它不懂。

它只是学习到了大量文本中的逻辑结构模式。

比如：

• 冲突 → 升级 → 爆发 → 反转
• 误会 → 分离 → 重逢
• 升级打怪 → 获得奖励

这些结构在训练数据里反复出现。

模型并没有理解“人性”。
它只是学会了“故事通常长这样”。

当概率模型足够大时，这种结构拟合能力就会变得极强。

于是产生一种错觉：

它好像真的理解因果关系。

其实不是理解，是统计模拟。

就像一个演员模仿一个人，他可以模仿得很像，但并不等于他就是那个人。

这也是我一直强调的：

不要把语言流畅误认为思想存在。

四、幻觉现象的来源

所谓“幻觉”（Hallucination），是指AI编造事实、制造不存在的内容，却表达得非常自信。

它为什么会这样？

因为它的目标不是“真实”，
它的目标是——

生成“看起来合理”的文本。

当训练数据中某种表达结构概率很高，但具体信息缺失时，它会自动补全一个最像真的版本。

比如：

• 虚构不存在的历史资料
• 编造不存在的书籍引用
• 乱造设定细节

这不是恶意，而是机制决定的。

它不知道“真假”，
它只知道“概率”。

这也是为什么——

真正工程级使用AI，一定要有人类校验层。

在优雅草写作中枢的设计理念里，我们强调一个闭环：

生成 → 检测 → 结构校验 → 人工重构

如果没有“人工重构”，AI生成就永远存在风险。

五、上下文窗口的限制

还有一个很多人忽略的问题：

上下文窗口（Context Window）。

模型一次能看到的文本是有限的。

无论窗口多大，它始终是有限的。

当小说写到几十万字时：

• 前期伏笔可能被遗忘
• 角色性格可能漂移
• 设定可能自相矛盾

因为模型不是长期记忆系统。

它只是在当前窗口内做概率预测。

这就是为什么很多人用AI写长篇时，会出现：

• 人设崩塌
• 设定冲突
• 时间线混乱

不是AI故意乱写。

是你把“全局结构控制”交给了一个只会做局部预测的系统。

这本身就是认知错误。

本章结语

如果你读到这里还觉得：

“没关系，我照样可以用AI写。”

那你已经开始理解工程思维了。

真正的工程级使用，不是迷信模型能力，
而是理解模型边界。

总结一句话：

• AI是概率引擎
• 不是叙事主体
• 它擅长局部语言生成
• 不擅长全局结构规划
• 它模拟逻辑
• 但不承担逻辑

从这一章开始，你必须把一个认知刻进脑子里：

文学的责任在人，语言的生成在机。