新闻详情

新闻详情

首页 / 资讯中心 / 详情

用human-writing写小说:让人物自己把事做出来的虚构创作指南

发布时间:2026/11/14 17:36:42来源:尧图网络
用human-writing写小说:让人物自己把事做出来的虚构创作指南
用human-writing写小说让人物自己把事做出来的虚构创作指南【免费下载链接】human-writing让 AI 写的中文读起来像一个具体的人在说话。通用创作与改稿 Skill开箱即用。项目地址: https://gitcode.com/gh_mirrors/hu/human-writingAI 写小说最大的尴尬是人物像提线木偶。场景里只有寒暄转折全靠突发事件结尾还要让叙述者出来总结主题。human-writing 是一个开箱即用的中文创作与改稿 Skill它的虚构创作规则让人物带着目标行动靠选择、行动和后果把故事自己推下去。这份 human-writing 写小说指南带你走完从安装、动笔到改稿自查的完整流程。快速上手一键安装 human-writing 两种装法任选其一把「帮我安装 human-writing 这个 skill」这句话直接发给你的 Agent它会读取仓库、找到human-writing目录并完成安装安装后显示名为「活人感写作」。手动复制把仓库里的 human-writing/ 文件夹完整复制到本机 Skills 目录例如~/.agents/skills/human-writing/文件夹名必须保留为human-writing。装好后这样调用它开始写小说使用 $human-writing帮我写一个小说片段。 主角陈放今天必须把借条要回来但老板一直拖着不给。不需要额外配置入口和分流逻辑都写在 SKILL.md 里。为什么 AI 写的小说容易失去活人感模型写虚构时常见毛病集中在这四处人物沦为工具只负责递消息、制造误会或夸奖主角一场接一场只有环境描写和寒暄没有任何事情发生转折靠车祸、绝症、遗嘱或临时冒出的新规则救场结尾叙述者跳出来替读者把主题总结一遍human-writing 的虚构规则 fiction.md 正好对着这些症状下药核心思路只有一条让人物自己把事做出来。用 human-writing 写小说的四条核心规则 ✍️1. 先给人物一件眼下要办的事故事题目只有一个设定时先补出下面五项故事就能自己动起来了。谁先受到影响他此刻想得到什么为什么今天必须行动什么让原办法失效这次行动会留下什么后果不必每次都写生死选择。要回一笔钱躲过一次见面保住体面让家人相信一句话都能推动故事。2. 性格藏在选择里不要给人物贴善良、聪明、冷漠、敏感的标签。写他在谁面前退让碰到什么会撒谎擅长解决哪种问题又总在哪一步犯同一个错。配角也要有眼下要办的事只负责递消息的人很快会露出工具感。fiction.md 里有一段原创示范人物陈放在一张借条上反复改主意塞进口袋又掏出来读者自己就看见了他的谨慎和动摇通篇没有一个字说他胆小。3. 每场戏结束时改变一点东西进入场景前弄清双方各想得到什么。离开场景时至少改变信息、关系、计划、风险、权力、理解或情绪中的一项。只有环境描写、寒暄与设定说明没有人换办法这场戏可以删短。关键转折尽量来自人物此前的行动、关系和已经存在的规则。车祸、绝症、双胞胎、遗嘱和临时出现的新规则不能反复救场。4. 对白在做事细节跟着视角走人物说话通常在试探、遮掩、说服、拖延、靠近、推开或保住面子。两个人都知道的背景不会为了读者重新念一遍角色也不会轮流替作者讲主题。细节跟着视角走。紧张的人先看出口等钱的人会留意手机有没有亮心虚的人会记住对方沉默了多久。动作已经把情绪写出来就少翻译一次人物把门打开又关上后面未必还需要一句他犹豫了。从动笔到交稿的完整流程 SKILL.md 负责分流只读取当前任务命中的参考文件避免规则互相打架。阶段做什么对应文件分流虚构任务读取创作规则细节可以自由创造fiction.md帖子体小说帖子体小说或第一人称故事再读长帖写法forum-prose.md特殊形式剧本、对白、短文等形式单独处理formats.md改稿初稿完成后再读改稿规则动笔前不加载revision.md自查跑检查脚本禁用项清零再交check_prose.py虚构任务还有四条要记住。第一人称叙述者可以完整虚构拥有经历、心理、对白和秘密不需要逐项向用户核实。故事依赖真实城市、职业、法律或技术时只核准会改变情节的部分房间摆设和天气这类无关紧要的装饰可以创造。设定等人物碰到再讲。先问一条规则会改变谁的行动谁因此得利谁要付代价。结尾留下后果。停在人物完成的动作、关系的新位置或一项无法撤回的后果别让叙述者出来总结主题。交稿前自查用检查脚本清零禁用项 第一稿完成后运行仓库自带的检查脚本。python3 scripts/check_prose.py 稿件.md脚本 check_prose.py 会把冒号、破折号、翻案句、硬停词和模型黑话判为需要修改把短句排队、段落开场重复、多套比喻挤在一起这类节奏问题列为提醒。失败项清零后再对照 revision.md 的七遍改稿法过一遍先保住已经活着的人物行动再清理句子。小说写得平淡五个高频毛病逐条对照 ✅场景里只有寒暄和环境描写删短它至少留一项变化人物轮流向读者解释主题把对白换回试探、说服和遮掩剧情靠临时新规则救场把转折挪回人物早前的行动和关系结尾叙述者总结主题停在一个读者能自己感受到的后果上想写长却没有新东西给每场戏加一个新动作或新后果只换景色和说法不算推进human-writing 的虚构创作不替你编故事它守住人物、因果和世界规则把做什么交还给人物自己。装上这个 Skill你的小说会从木偶戏变成人物自己走路。【免费下载链接】human-writing让 AI 写的中文读起来像一个具体的人在说话。通用创作与改稿 Skill开箱即用。项目地址: https://gitcode.com/gh_mirrors/hu/human-writing创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉