一、问题背景
1.1 用对话框连续写一本长篇,输入侧的开销是累加的:
- 写第 1 章,输入 ≈ 设定 + 要求;
- 写第 50 章,输入 ≈ 设定 + 要求 + 前 49 章正文;
- 写第 260 章,输入 ≈ 设定 + 要求 + 前 259 章正文。
一本 260 章、单章 2400–3000 字的作品,正文总量约 62 万–78 万字。按"把前文全带上"的做法,第 260 章的单章输入是几十万字符量级。
| 项 | 数值 | 说明 |
|---|---|---|
| 成书规模 | 260 章 / 70 多万字 | 单部作品 |
| 单章 | 2400–3000 字 | 目标区间 |
| 窗口 | 128k token | 中文按 1 字 ≈ 1 token 粗算,约 12 万字符量级 |
| 结论 | 正文是窗口的六倍以上 | 不是差一点,是差一个量级 |
1.2 三个隐性成本,比"塞不下"更麻烦
窗口撞顶只是其中一项。真正让人做不下去的是另外两项:
| 隐性成本 | 具体表现 | 后果 |
|---|---|---|
| 窗口撞顶 | 前文一旦超过窗口,必须截断或压缩 | 截断处就是记忆丢失处 |
| 注意力稀释 | 窗口塞得下,但早期内容权重被摊薄 | "看得见,但顾不上" |
| 延迟与失败率 | 输入越长,首 token 延迟越长、超时概率越高 | 长文本请求偶发 5xx |
注意力稀释(attention dilution)这一条有公开研究支撑。斯坦福等机构的论文《Lost in the Middle: How Language Models Use Long Contexts》(arXiv:2307.03172,TACL 2024)做过系统评测,结论是:当关键信息位于上下文开头或结尾时模型利用率高,一旦被放到中段,性能会明显下降,整体呈 U 形曲线。
白话就是:把一堆资料全摊在模型面前,它会优先看两头,中间那段等于没看见。
具体到一个例子:你要写"主角回到故乡找到父亲的旧部",这条线索在第 40 章埋过。如果第 200 章你把它连同另外 190 章正文一起塞进去,它大概率落在中段——模型不是"不肯用",是用不上。
1.3 一个必须先换掉的认知
所以问题从一开始就不是"怎么塞",而是"塞什么进去"。
上下文(context)不是记忆(memory)。 上下文是"这一次请求能看见的东西",记忆是"程序随时能取出来的东西"。二者混为一谈,就必然写成"把整本书塞进去"。
有一个常见的反驳:现在不是有 1M 上下文的模型了吗?是。但窗口变大只改变"能塞多少",不改变"70 万字正文塞不进"这个事实——1M token 约等于 100 万字符量级,70 万字勉强塞得下,代价是每一章都要付这个钱,而且中段信息利用率那一条依然成立。预算表的思路不随窗口变大而失效。
二、方案设计
2.1 架构:三层记忆(术语 + 白话)
先把三个术语说清楚,再给架构。
① 分层记忆(hierarchical memory)
白话就是:把一本书的记忆分成"全局、卷、章"三层存放,哪一步只取它那一层需要的那几片。
具体例子:写第 137 章时,全局层给的是"这本书的语言基调和人设底线",卷层给的是"本卷要收的三条伏笔",章层给的是"这一章出场三个人、引用两条设定"。三层加起来 6–7 万字符,永远是这么多。
② 上下文预算(context budget)
白话就是:把窗口当成一张有额度上限的预算表,先定"每项分多少",超了按业务规则裁,不是按体积裁。
具体例子:我们给"留给输出"预留三到四成,因为单章 2400–3000 字加上余量必须放得下。这一栏被挤掉的直接表现不是报错,是"这一章莫名变短了"。
③ 锚点(anchor)
白话就是:几条必须每章都在场的固定内容,用来把文风和人设钉住。
具体例子:四类锚点——文风、人设、主线、伏笔。它们不随章数变,是所有章节的"共同标准",所以永不参与裁剪。
三层架构:
图 1 三层记忆与取用关系
┌─────────────────────────────────────────────────────────┐
│ 全局层(global)—— 常驻,体积固定 │
│ · 四类锚点:文风 / 人设 / 主线 / 伏笔总表 │
│ · 当前环节的规则卡(只加载一张,不是全部) │
├─────────────────────────────────────────────────────────┤
│ 卷层(arc)—— 按卷切换,体积随卷大小有界 │
│ · 分卷架构、本卷目标、卷内伏笔清单 │
│ · 卷末对账结果(哪条该收没收到) │
├─────────────────────────────────────────────────────────┤
│ 章层(chapter)—— 每章重建,体积最小且可精确控制 │
│ · 本章框架、场景、戏眼 │
│ · 出场人物卡(只取框架里列过场的) │
│ · 引用事实条目(只取本章引用到的) │
│ · 前情摘要(只取最近三章) │
└─────────────────────────────────────────────────────────┘
↓ 拼装
单次请求输入 ≈ 6–7 万字符(不随章数增长)
这张图里最关键的不是"分了三层",是"三层的体积各自有界"。 全局层不随章数变;卷层只在一卷之内变;章层每章重建、只取本章需要的。三层相加,输入体积就和章数脱钩了。
2.2 预算表的实际分法
一份能长期跑下去的分法,不是"能塞多少",而是分几块、谁是大头、超了裁谁:
| 预算项 | 量级 | 为什么 |
|---|---|---|
| 四类锚点 | 大头之一 | 不随章数变,是所有章节的共同标准 |
| 当前环节的规则卡 | 大头之一,通常是最大的一块 | 只加载当前环节那一张 |
| 本章框架、场景、戏眼 | 很小,但必须有 | 一章一个,量小 |
| 台账取用(人物 + 事实 + 最近三章摘要) | 只占一小份 | 按需取,不按库存取 |
| 输入合计 | 6–7 万字符(实测) | 与实测吻合 |
| 留给输出 | 必须留够 | 单章 2400–3000 字 + 余量 |
三个立刻能看出来的结论:
- 固定开销占了大头——锚点和规则卡加起来接近一半。这就是为什么短篇不划算:两三千字的短篇也要付这份固定开销。
- 留给输出必须留够。 输出预算被挤掉的表现很直观:章节写到一半被截断,或者越写越短。
- 台账只占一小份。 有人以为"加台账会让上下文爆炸",实际上它是替代了线性增长的那几十万字符,不是叠加在上面。
2.3 取用的四条规则
① 锚点和规则卡常驻。 四类锚点加当前环节的规则卡,每个环节都带,体积固定。
② 人物只取本章框架里列过场的那几个。 框架里没列出场的人,就是不该出场的人——这既是省预算,也是一条内容约束。
③ 事实只取本章引用到的那几条。
④ 前情摘要只取最近三章;伏笔只在框架和审查环节取,且只取"该回收还没回收"的。
四条合起来,输入体积就和章数脱钩了。第 260 章和第 10 章取的东西一样多——因为它们都只取"这一章需要的"。
2.4 超预算时的裁剪顺序
裁剪顺序同样是想清楚过的:
超预算裁剪顺序(业务规则,非体积排序)
第 1 裁:前情摘要
第 2 裁:事实条目
第 3 裁:本章框架
永不裁:四类锚点、当前环节的规则卡
为什么不能按体积排? 按体积排,最大的块会先被裁,而最大的块通常正是锚点——裁掉锚点那一章的语言风格会和前后完全不像。
再加一条断言:裁完还超预算,直接报错。 如果裁完还超,说明不是"内容太多",是"固定开销本身设计错了"。这种错误早点炸出来比晚点炸好。
2.5 什么该进台账,什么不该
判断标准只有一个:这个东西能不能被一个键单独确定。
| 内容 | 能不能进台账 | 理由 |
|---|---|---|
| 人物性格、关系、能力边界 | 能 | 有主键(人物 ID),记录稳定 |
| 世界观设定、数值、时间线 | 能 | 有规范键(主体 + 属性) |
| 伏笔埋设 / 回收状态 | 能 | 有明确状态(已埋 → 已回收) |
| 每章固定几项摘要 | 能 | 有主键(章号) |
| "这段描写当时的语感" | 不能 | 无法键化,只能靠锚点示例 |
| "整体气质要冷" | 不能 | 无法判定,只能靠示例 |
| 灵感、临时想法 | 不能 | 没有稳定形态,写进台账就是污染 |
一句话:能键化的进台账,不能键化的进锚点示例,两样都不是的,别硬存。
三、实测
3.1 测试条件
| 项 | 值 |
|---|---|
| 测试时间 | 2026 年 9 月 – 2026 年 10 月 |
| 作品类型 | 中文男频长篇(单一题材,未换线) |
| 模型 | DeepSeek V4.1 Flash(全流程同一模型) |
| 流程 | 8 环节状态机,每环节等待确认 |
| 单章目标字数 | 2400–3000 字 |
| 目标章数 | 260 章(单部作品连续推进) |
| 推进方式 | 每环节等待确认,跨卷由系统自动拉起 |
| 统计口径 | 每次请求记录 prompt 字符数、章节号、环节 |
判据(什么算"记忆机制失效"):
- 开销回退:第 100 章之后的单章输入体积,比第 10 章高出 50% 以上——这是判断"假分层"的硬指标;
- 记忆缺失:本章需要的人物 / 事实条目未被注入,导致产出与台账冲突(属检索配置错误,单独记);
- 输出被截断,或单章字数连续 5 章低于目标区间下限(属预算配置错误)。
只有第 1 条出现,才判"记忆机制失效"。这条区分很重要——把配置错误算成机制失效,会把战线拉到错误的地方。
3.2 数据
| 指标 | 线性基线(算术推演) | 实测 | 说明 |
|---|---|---|---|
| 第 10 章单章输入 | 约 2.6 万字符 | 6–7 万字符 | 常量部分(锚点 + 规则卡)占大头 |
| 第 260 章单章输入 | 约 67 万字符 | 6–7 万字符 | 与第 10 章基本持平 |
| 增长斜率 | 线性 | ≈ 0 | 不随章数增长 |
| 260 章总量 | — | 70 多万字 | 单部作品 |
| 返修率 | — | 约 8% | 主要为薄章与场景重复 |
| 记忆缺失次数 | — | 0(触发审查拦截后返修) | 台账比对生效 |
关于"线性基线"这一列:它不是我们跑出来的对照组,而是按"把前文全带上"的写法做的算术推演(章数 × 单章字数),列出来只是把量级差异说清楚。真实环境里这种做法早在窗口撞顶时就断了,跑不到第 260 章。
为什么"不涨"这么重要? 它是判断记忆机制是否真的生效的硬指标。如果第 260 章的单章输入涨到了几十万字符,那所谓分层就只是个更花哨的提示词。
3.3 失败案例
案例 1:把"最近 N 章"的 N 设太大,把预算吃光了
错法:想让模型多知道点前情,把"最近几章"取成了最近十来章。
后果:摘要本身也有几万字,一下把预算吃掉,只能开始裁本章框架——模型开始"忘了这章要写什么"。
改法:收到最近三章上下。前情靠台账查,不靠摘要堆。
案例 2:台账全量注入,等于没做台账
错法:人物库一共 40 多个角色,索性全注入,"省得漏"。
后果:前 50 章没事(角色少),50 章后输入开始上涨——线性增长换了个地方发生。这正是判据第 1 条想拦的。
改法:只取本章框架里列过场的人。这是一条必须写死的规则,不能靠"注意一下"。
案例 3:输出预算没留够,章节被截断
错法:输入占满九成,觉得"塞得越多越准"。
后果:正文写到 1800 字被截断,或者越写越短、场景越写越薄。
改法:给输入预算设硬上限,给输出留足三到四成。这个坑最难定位——它不报错,只是表现为"这一章莫名变短了"。后来加了一条:单章字数连续 5 章低于下限,直接报错。
四、踩过的坑
这套三层记忆的实现,我们项目的公开名称是糖糖写作,最早就是"把前文往对话框里塞"——做到全书的五到六成就必须换一个对话框继续。换对话框那一刻,前面所有隐性约定都断了。我们做台账不是为了让它更聪明,是为了让程序记住模型记不住的东西。
糖糖写作在分层上还有两个坑值得说:
坑一:三层"分了"不等于三层"独立失效"。 最初三层耦合在一起,记忆层出问题时表现为"状态机卡住",排查方向全错。后来强制让三层的失效方式分开:控制层坏了你会一直卡在某一步,看得见;约束层坏了文风开始漂,要几十章才看得出来;记忆层坏了事实开始打架,要等读者骂你才发现。三层里记忆层最需要自动化校验,因为它暴露得最晚。
坑二:忘了"谁不该出场"也是一条约束。 我们一开始把"这一章取哪些人物"当成纯预算问题,后来发现它同时是内容约束:框架里没列出场的人,模型就不该写他出场。把这条写死之后,既省了预算,又少了一类"配角乱入"的返修。
五、结论
把窗口当仓库,你永远在算"还能塞几章";把窗口当预算表,这个问题会自动消失。
三条能直接抄的建议:
- 先写一张"每项占多少"的表,再动手。 锚点、规则卡、本章框架、台账取用、输出预留五栏,写不出来说明你还没想清楚要检索什么。
- 量两个数字:第 10 章和第 260 章的单章输入体积。 两个数字持平,说明记忆在程序侧;一起涨,说明记忆还在上下文里。这个验证方法省事又骗不了人。
- 裁剪顺序写成业务规则,不要按体积排。 按体积排,最大的块先被裁,而最大的块通常正是锚点。
一句话收口:模型不需要记住整本书,它只需要在当前这一步做对。