关于 AI 写长篇，作者最常问的 16 个问题

一套端到端的 AI 长篇小说创作流水线，把长篇拆成六道工序：故事构思、大纲分卷、逐章成稿、AI 审稿、角色配图、一键发布。

它既可以 SaaS 云端托管、开箱即用，也可以私有化部署到你自己的电脑上；支持本地模型与云端模型自由接入。

底层模型大家用的都差不多，差别在框架里的思考密度。

聊天窗口靠上下文硬撑，越写越乱；墨研在生成前用分镜与作品硬规则锁死正文边界，生成后用独立审核模型逐章核查并要求每条问题带正文证据，证据不足的指认在代码层直接丢弃。

会，这是长篇 AI 写作最大的绝症。

墨研的做法是不靠模型记忆，靠账本：作品硬规则库、伏笔台账、逐章人物档案、章节元信息四要素（概要回顾、爽点清单、情绪曲线、章末钩子）。生成时按需注入，章节定稿后自动沉淀。

墨研从两侧拦截。

• 生成前：分镜忠实约束，正文只允许展开分镜里列出的事件，关键台词原样保留，未开口的角色不得开口。
• 生成后：审核模型对照后续 1~3 章的规划做抢跑核查。已演到后续核心事件才算违规，本章只做铺垫则不报。

不会有未登记角色悄悄占用大段篇幅。

墨研有未登记角色检测作为代码兜底——这个机制本身就是因为某次模型捏造出一个邻居角色、写掉三分之一篇幅、而审核模型竟给了满分才加上的。同时白名单被刻意放宽（同时扫描摘要与细节），避免把合法的新角色误杀。

必须。AI 生成的每一章都要经过作者审核才会进入发布流程，这是写死在产品里的规则，不提供跳过开关。

期待一键全自动出书躺赚的，墨研会劝你先回来审稿——署名的是你，拍板的也是你。

接入本地模型后边际成本为零，写多少都不加钱。

只有当本地生成失败或审校不通过时，系统才会按你的配置升级云端模型重写一次，每章最多升级一次，并在进度条明确提示。如果只配置了本地模型，系统宁可让本章失败，也绝不擅自调用付费接口。

可以完全不在。采用本地私有化部署后，数据库、稿件、素材、角色卡与配置全部留在你自己的机器上，配合本地模型可完全离线运行。

SaaS 模式则按账号严格隔离保存，多租户之间数据互相不可见。公众号等第三方凭据经加密后存放在产品的发布配置里，不写进环境变量文件。

支持 Ollama 协议（本地模型）与 OpenAI 兼容协议（DeepSeek、通义千问等云端服务）两类，文生图有独立通道。

本地云端任意换，模型过时了换一个即可，数据和配置不搬家，不绑定任何供应商。

需要一台能跑起来的机器，并愿意花一点时间装环境（数据库与本地模型服务）。它主要面向技术型用户与在意稿件隐私的创作者。

不想折腾环境就直接用 SaaS 模式——两种模式功能体验完全一致，数据和配置可随时迁移。

墨研管的是一致性与流程，不生产文笔。

文笔上限取决于你接入的模型——想要更高一档的文笔就接更强的模型。这正是模型中立带来的好处：随时换，不用迁移任何数据。

暂不支持。墨研是单作者工作台，工作室多人协作暂不在支持范围内。

英文创作不是主场。墨研的强项是中文创作与中文发布生态，尤其是微信公众号一键发布；海外工具在英文叙事打磨上更深。

不提供平台实时榜单数据——主要网文平台没有公开 API，抓取存在法律风险。这是刻意的选择，不是能力缺失。

替代方案是：粘贴爆款片段或热门题材描述，AI 结构化拆出题材定位、开篇钩子、结构节奏、爽点清单、人物配置与文风，结论可直接落进灵感收件箱。私有化离线环境同样可用。

可以。审校通过的章节排版后可直接发布到微信公众号，封面、章节图与正文插图一并产出，构成图文一起的连载流水线。

不需要。创作过程全程点选填空：在 AI 服务配置里添加模型并测试连接，再回到场景绑定把模型挂到写小说、审核校验、文生图三个场景上，就可以开始写作了。