800万人围观了一场骂战，Sudowrite创始人把AI写小说这件事讲透了

2023年5月，Sudowrite联合创始人James Yu在Twitter发了一条9分钟的产品演示视频，展示AI怎么帮人写长篇小说。视频最终触达超过800万人，评论区却变成一场针对他的围剿。彼时好莱坞编剧大罢工正打得凶，他被扣上「抢作家饭碗的AI兄弟」的帽子，一度成了部分网友口中的「作家公敌」。

后续更有意思。这家公司2021年融过一小笔钱，全队7个人，4位开发者都有英语文学学位，从2023年3月开始盈利。那场网暴带来的海量曝光，反而成了盈利的助推器之一。James复盘时说，骂声底下藏着一大批沉默的中间派，他们不转发、不站队，只是默默注册试用，然后自己下判断。

在Nathan Labenz主持的Cognitive Revolution播客里，这位既写代码又写科幻的创始人，把AI写作这件事从技术手感聊到生意账。《纽约时报》和《纽约客》早在2021年就报道过这款产品，比ChatGPT火遍全球早了两年。下面是这一集的干货拆解。

比ChatGPT早两年入场，起点是2000 token时代的「虫洞」

Sudowrite的故事始于2020年底。GPT-3刚发布，还是最原始的DaVinci 1.0，大家拿它玩梗、生成段子。James当时正重度写科幻，他和联合创始人Amit问了自己一个问题：这东西能不能真的帮到创作者？

那个版本的模型，上下文窗口只有2000 token，没有指令微调，只能靠自动补全式的结构去「暗示」。条件差到离谱，他们还是做出了第一个功能，名字叫「虫洞」：光标停住，AI给你看「平行宇宙里另外五个你」可能写出的下一段。

名字起得很讲究。虫洞这个说法从一开始就管理了预期：它可能很野，可能跑偏，未必贴合你的语气，但它可能启发你。产品卖的是「解卡」，写错了也算价值，错误的方向能帮你看清正确的方向长什么样。更反常识的是，GPT-3早期那些胡说八道的幻觉，放进虚构写作里算特性，算不上缺陷，小说本来就要编造不存在的东西。

早期调模型的手法也朴素：大量few-shot，拿自己的故事当示例。他们有个描写工具，高亮文中一样东西，AI给出丰富的描写。第一版的示例全来自James自己的小说，所以那工具最初更像「James会怎么描写这玩意」。好在工具同时会读用户的手稿，等于先把AI领进某个文学潜空间，再让它干活。他和Amit还拉着写作小组做了大量提示词评估，对各种类型的小说盲测打分，这套习惯保留到今天。

作家最缺的，是一个不评判你的读者

Sudowrite官网首页那行字，Nathan盯着看了很久。

不评判你、永远在线、愿意读你30稿的AI写作搭档，你一直想要的那一个。

这句话功利性为零。换个平庸的写法，可以是「写出最好的文案，立即购买」。他们讲的却是作者的情感需求，而且这个定位从第一天延续至今。

小说家和写企业邮件的上班族处境完全两样。绝大多数小说作者是独立写作者，没有编剧室，没有同事，写作小组的反馈也是异步的。大部分时间，只有你、电脑、键盘和你的大脑。早期用户访谈里，有人告诉James，这工具帮我解了卡，但更重要的另一件事，它让我不那么孤独了。

有用户说，连伴侣都不读自己的手稿了，也不好意思把初稿拿给写作小组看，但面对AI没有任何心理负担。用户开始把AI拟人化，觉得它真的在读自己的东西。Nathan听了想起Replika的CEO Eugenia说过的一句话：我们可能做不出会说话的AI，但做得出会听的AI。

这类工具真正的护城河，可能不在生成质量，在于接住了写作者最脆弱时段的情绪。

把小说拆成层级，像程序员用IDE一样写作

真正的解锁发生在GPT-4之后。模型第一次能从5万英尺高空理解一个故事：从局部段落，到逐场景，再到整个故事弧线。Sudowrite据此做了新的写作模式Story Engine。入口是个叫brain dump的输入框，随便贴什么都行，手稿碎片、维基百科条目、灵感便签，AI帮你整理成梗概和大纲，再一层层往下：章节、场景、谁在场、什么氛围。

为什么执着于层级？Claude的上下文窗口有10万token，听着很美，但每次生成都塞进整本小说，账算不过来。Nathan估算，真塞满的话一次点击可能烧掉1美元，等于用推土机砸一颗钉子。更好的做法是让作者在正确的时机，把正确颗粒度的上下文喂给AI。人脑同样装不下一整本小说，作家本来就靠分层记忆工作，AI照着人的方式来就行。

James给这套东西的内部代号，是「讲故事的IDE」。程序员有IDE几十年了，小说家手里只有模板和Excel表格。语言模型第一次能「看穿」每个场景里到底发生了什么，这是以前所有工具做不到的。

衡量标准很具体。早期DaVinci 1.0像台老虎机，50次里出1次能用的好东西。现在的目标是把命中率做到二分之一。产品哲学他用了「半人马」来概括：半人半AI协作，但人头必须在马身前面。Twitter上那些「AI包办一切」的演示，在他看来都跑偏了，包办一切就失去了写作本身的意义。

难点依然在上下文。角色在第六章死了，第八章就不该再出场，这类约束怎么让AI记住？他们的思路是让AI理解整个时间线和世界状态，再由一个决策器挑出当前任务最相关的信息，一部分靠启发式规则，一部分靠向量检索。James承认，这套系统还在V1阶段。

模型是不同的笔，这些调教技巧明天就能抄

James把各家模型比作不同风格的笔。GPT-4守规则、一致性强，但文风像C-3PO，一板一眼，写创意散文一般；Anthropic的Claude创意写得好，守规则又差一截。他们至今还在混用即将退役的DaVinci老模型，因为RLHF把毛边磨平的同时，也磨掉了野性，某些场景老模型反而好用。他们今年还打算探索开源模型和微调，毕竟OpenAI在向企业需求倾斜，创意散文的毛边问题没人管。

具体技巧，这一段全是能直接抄的干货：

• 风格描述放提示词最后。LLM读长提示词会忽略中间，跟人一样。最重要的信息放开头和结尾，尤其结尾。想要文风，就在最后再强调一次「用某某风格写」。
• 小心粉红大象综合征。你写「不要太俗套」，它反而更俗套。不如给几条不俗套的示例或引文，把它带进那个潜空间。
• 建一个提示词表格。记录哪句措辞有效、哪句让它变差，持续迭代。James预测，「打理一片提示词花园」会成为写作者的新日常，跟打理手艺一样。
• 温度保持偏高。创意写作需要出格的想法，幻觉在这个领域是礼物。但参数互相牵连，调低温度可能带来重复，又得去动频率惩罚。改一个参数之前，先想清楚会不会弄坏另一个。
• 套件拼装（kit bashing）。用两个模型各生成一版，中间开一列，像拼模型一样从两版里各摘几段拼贴。这是作者们自己发明的玩法。

Sudowrite还有个「Match my style」功能，上传你写的一整场戏，它生成一段提示词，把GPT-4带进接近你文风的潜空间。原理是GPT读过海量文学评论，懂「评论语言」和「散文本身」之间的配对。Nathan自己写播客开场稿的路子类似：找5篇自己满意的旧稿做示例，用Claude 2跑，因为转写太长只有它装得下，超过一个半小时就开始丢线索。

命中率预期也要现实。二分之一是Sudowrite内部的金标准，即作者会采用一半的输出。个人临时手写的提示词，命中率低很正常，迭代到位才有复利。

一场网暴，把这家7人公司骂到了盈利

回到5月那条视频。James看了后台数据，99%的观看者只看了前5秒，而那5秒基本没有实质内容。真正的引爆机制是转发和引用：几个大号的转述定了调，扣帽子的人蜂拥而入。他成了「AI兄弟来抢写作工作了」的海报人物，想逐条回复，根本回不过来。

他的复盘很坦诚。Twitter可能本来就不适合发这类产品发布。如果重来，他会让客户来讲自己怎么把产品用进工作流，比创始人演示更有说服力，也更有人味。

因为另一面的声音被淹没了。Sudowrite跟几百位小说家紧密合作，有人拿到新功能时激动得哭了。他们的独立作者读者知道他们在用AI辅助，反应是「一年从10本写到20本，给我更多」。使用光谱也极宽：有人重度生成整场戏，有人只拿它做头脑风暴，一个字都不采用。James拿Photoshop类比，当年数字艺术也被围攻过，如今没人质疑它是不是艺术。他们每周还给作者开课，一半教工具，一半教怎么成为更好的创意写作者。

录制当天，恰好传来编剧工会（WGA）和好莱坞制片厂达成协议的消息。协议保护作家的合同权利，制片厂不能强迫作家使用AI，同时保留作家自己用AI的自由。James公开支持了协议中的AI条款。报酬问题该跟工具问题分开谈，作家理应获得公平报酬，这跟他们用什么笔没有关系。

网暴的实际影响呢？大量新用户涌入，James说这甚至是公司盈利的原因之一。骂声底下总有一大批沉默的人，不转发、不评论，自己去试用，自己下判断。他还提到一个更冷的现象：作者圈里出现了猎巫，有人专门扒哪些作者偷偷用AI。他认为这只是过渡状态。

给同行的建议有两条：看到扣帽子的机会，忍住别扣；遇到愿意认真讨论的人，珍惜。

AI创业的账，和明天就能用的清单

生意这部分，James的观点相当清醒。AI公司首先是创业公司，分发、流失率、定价，老三样照样管用。从Twitter演示到盈利生意之间隔着一条鸿沟，别指望往产品里撒一把AI就起飞。

成本结构是AI应用独有的坑。他打了个比方：相当于你的数据库每存一行要花30美分，每次更新都花钱。上下文窗口给多少、试用用户给几次推理，都得精打细算。Sudowrite选了苹果式路线：给你最好的模型，收更多的钱。他建议创业者先想清楚自己的哲学，用最先进的模型、走量、还是让用户自带key，这决定了你的受众。他们偏向专业写作者，按价值收费更容易。

节目里Nathan抛出一个「AI捆绑包」的设想：每月100美元，打包1000个AI应用，每个应用按人头分得10美分。如果有100万订户，每家每年就有100万美元保底收入，超出额度再向上销售。James很感兴趣，当场追问起分成细节。两人还畅想了「用OpenAI账号登录」的世界：你的智能、你的提示词库、你的设置跟着你走遍所有应用。协调成本是最大的坎，最有可能推动这件事的还是OpenAI自己。Sam Altman那句话值得记下：大家以为自己想把应用装进ChatGPT，其实想要的是把ChatGPT装进自己的应用。

聊到创作的未来，James的判断相当克制。眼下Sudowrite服务的是大写的W作家，职业的或自我认定的写作者；中期看，这些模型让从没想过写小说的人也能完成一本，过程中还顺手升级了手艺。他七岁的儿子出生在一个AI讲故事属于默认设置的世界里，跟AI的关系里没有敌意，只有「也许电脑能帮我把想法展开」。他自己给儿子办了场塞尔达主题生日会，Midjourney加Pika Labs做画面和动效，ChatGPT一口气生成上百条主题寻宝线索，AI语音的塞尔达在跟孩子们说话。这种只为十几个孩子服务的微型媒体，不追求传播，以前根本做不出来。至于完全由AI生成的电影，他认为会是一条平行赛道，但人类创作的内容依然稀缺，因为大家终究需要围着饮水机聊同一部作品。顺带一提，这几年图书销量一直在涨，TikTok没能杀死阅读。产品层面，多模态他们不打算重度做，远期可能把Story Engine做成别的应用的故事后端，比如接Midjourney做分镜。他还想过一个点子：戴着耳机在旧金山溜达两小时，对着空气把故事讲完，回家就有一份整理好的大纲。

最后把这一集压成一张明天就能用的清单：

• 写提示词时，把风格要求放在最后一句，开头结尾放最重要的信息，中间随便它忽略。
• 戒掉「不要太俗套」这类否定句，改喂几条你认可的好示例。
• 建一个提示词表格，每次记下措辞和效果，迭代出你自己的提示词花园。
• 长文开工前，先让AI帮你把想法整理成三层：全局概要、章节级、场景级，写到哪层喂哪层，别把全文塞进去。
• 把预期校准到二分之一：AI输出一半能用就算达标，它负责草稿和启发，你负责当那个头在马前面的半人马。

James Yu那句被骂声淹没的话，值得放在最后：他们跟几百位小说家一起做这个产品，有人拿到手时哭了。工具的价值，最终由用它的人说了算。