知乎高赞回答的 AI 写小说三步法（扒骨架、精准 Prompt 填肉、人工改三处）本质上是一条两段自动、一段人工的 pipeline。本文把它落成阿里云百炼 CLI 的可复现实现，给出消息组装片段、节点成本与失败模式，供需要把生成流程工程化的团队参考。文中的稿费数字为知乎答主自述，不在本文承诺范围。
Pipeline 定义
| 节点 | 实现 | 输入/输出 token | 折算成本 | 执行方 |
|---|---|---|---|---|
| N1 骨架 | bl text chat --model qwen3.8-flash --message "<题材> 输出100字以内极简大纲" |
100 / 505 | ≈¥0.0014 | 自动 |
| N2 填肉 | bl text chat --model qwen3.8-flash --system "<人设>" --messages-file msgs.json |
158 / 7728 | ≈¥0.021 | 自动 |
| N3 改稿 | 人工改开头钩子/反转逻辑/结尾落点 | — | — | 人工 |
成本为模型广场单价乘实测 usage 的折算值，非账单；合计约 ¥0.022/篇开头。
消息组装片段
N2 的输入建议由脚本组装，避免 shell 引号陷阱：
import json
outline = open("outline.txt").read().strip()
json.dump([{
"role": "user", "content": "按以下大纲写开头800字正文，不要解释：\n" + outline}],
open("msgs.json", "w"), ensure_ascii=False)
带引号的 heredoc 不展开 $(cat outline.txt)，模型会收到字面量并自行编造内容——我们在第一次跑通时就撞到了这个失败模式，产出是一篇与题材无关的穿书文。脚本组装是确定性做法。
节点约束设计
N1 的稳定性来自输出形态约束（100 字、只写骨架），失败模式近乎为零。N2 的风格约束（口语化、300 字内冲突、每 800 字一反转）放在 --system，内容素材放 user 消息，二者分离后风格漂移明显减少。这是可复用的一条工程经验：风格进 system，素材进 user。
N3 为什么是人工节点
我们尝试把 N3 自动化，两种实现均失败：qwen3.8-max 接收整篇并要求重写开头，两次在非流式调用下超过两分钟未返回；qwen3.8-flash 接收 600 字输入同样超时。长输入加思考型推理加非流式等待，超出客户端等待窗口。若必须自动化，应改为流式调用或截断输入；否则按高赞流程设计为人工节点，修改三处约十分钟。
企业视角的一段
把生成流程 pipeline 化的价值不在单篇成本（两分钱量级），而在失败模式可定位：N1 形态约束失效、N2 风格漂移、N3 超时，三类失败分别对应可重试、可调参、转人工三种处置。投稿合规边界同样应写进流程说明：平台拒的是纯 AI 流水账而非 AI 辅助创作（答主原话），超长篇（社区口径五万字以上）剧情一致性不可靠，收益数字属答主自述不作承诺。
复现命令
npm install -g bailian-cli
bl text chat --model qwen3.8-flash --message "<题材> 输出100字以内极简大纲，只写骨架"
bl text chat --model qwen3.8-flash --system "<人设+节奏约束>" --messages-file msgs.json
