为什么要做这个工具？

开发者的自述：

其实我在做这个工具的心路历程是很复杂的，从去年12月开始的时候我还在研究多模态视频生成，研究如何把ai生成的视频做长，像老师做的Vimax还是市面上的任何视频工具（像最好的seed2.0），都没法做到生成长视频的问题，主流的工具设定为不超过15秒，vimax也最多一次可以生成一分钟（尽可能保证好效果的前提），但是如果要满足未来的ai生成视频的需要这种问题肯定得需要解决的（像抖音最初爆火的告示牌，还是大只切，还是鸽羽等都是在远远超过这些结果的），那现在大家是如何完成的呢？

只能靠一次次的迭代，靠之前信息提取出关键信息，像人物，像场景，包括现在很多论文的agent框架还是其他模式的框架，都是往这个方向靠近，但是对于一个开始并没有多模态视频基础的我，训练出一个想要的模型肯定是不现实的，于是我又发现了wan2系列的模型，虽然我不会训模型，但是它的思路给的很不错！去利用好动态memory机制，就是让你每次选择出最核心最想要的信息存储下来！当然经过几次不断和老师讨论，最后发现要做好一个好的长视频生成，必须要有一个好的长剧本，但是长剧本怎么来呢？我第一个创新点想到的就是利用好动态memory机制，后来发现挺多人其实尝试去利用这个了，也不算创新点吧hhh，但是就现在如果不去训练一个专门去写作的大模型的话，利用好multiagent模式肯定是解决这些问题的最核心办法。

就此我开始了研究如何去创作出一个好的长文本小说创作工具！并以此作为我的research对象，先不对国外而言，就对中国而言，长创意文本的市场是很大的，各种小说软件层出不穷，但是针对ai写作的问题其实也保持着两个观点，是用？还是不用？但是就我而言，我是去解决这个问题的，所以我当然选择用，但是最后我发现要写出一个好的文章，只能是靠作者本人，ai永远只能成为你的工具，当然就我的研究而言我创作了两种模式，往后我也会不断介绍创新点和我的创作模式，当然前面上述内容只针对于国内场景
 

怎么做了这个工具？

协同式创作

首先就前面讲的要去写好一个小说，就离不开作者本人，又因为之前刚好听了斯坦福的一位学姐的会议研讨，她之前发表的ICML2025的best paper的思路就可以很好的利用在这里面（感兴趣的可以去搜一下，针对协同式训练的），协同式创作怎么用在这里面的呢？针对idea的创新进行，要让ai给你讲一个好的故事，一个满足作者和读者的故事，作者的idea在里面是必不可少的，那么我们需要去做的是什么，以协同式的形式去完善和帮助作者完成它的idea，通过不断的引导-这个过程在gpt-research模式应该也可以知道，只有有了这个完善且符合作者想法的idea，才能帮助作者更好的去生成论文！

而且我们决定训练一个小模型（huggingface到时候会发布）来帮助我们完成这个任务，这个问题我在之前的博客也说过。下面展示一些我们线上版的版本

两种模式：一次性idea生成+claw模式

一次性idea生成

这里我取名为multiagent，有部分原因是因为我认为它就是单纯的一个workflow模式，没有什么好去调整的，至于为什么会有这个模式，主要是针对research做的，我们知道创作者想创作肯定要和创作者本人离不开，而且针对每一个章节的创作都是要参与其中的，那么为什么要设计一个一次性生成的模式呢？毫无疑问，benchmark和论文需要，我们实际要解决的问题是什么？当然是针对ai一次性生成长创意文本的问题，那么如何检测呢？当然是靠你一次性生成的结果，而不是人类参与其中，我们就为什么ai没法生成长创意文本进行讨论一下，首先是幻觉问题！ai在有限的token下没办法接收好那么多的信息，肯定会产生幻觉，要么是情节要么是人物等，这也是主流问题，我们只能找到最优的抑制办法，没办法完全消灭这个幻觉问题，另一个是情感方面的问题，如何解决好ai在生成小说的情感问题也是很重要的，ai在生成生成着往往会情感差异很大，或者不合理，总而言之，都是token和训练集造成的，但是我们却没办法完全解决！

那么我们用什么办法来抑制这个呢？后续我会指出我目前使用且用在论文里的两种方案！这里我先展示一下线上的一次性idea生成的模式

首先是两种模式，一种是有协同式打磨的，一种是直接生成的，这个也其实是之前为设计消融实验设计的！然后是看每次任何和放api-key的位置

可以自己取消和放在那里让它持续工作，线上是测试所以可能没法融入很多人

api-key基本上所有都使用直接填即可

协同式和一次性生成本质区别并不大，好的至此我的一次性idea生成的展示就结束了，然后我们到claw模式

claw模式

有的人可能要说，你这个就是在蹭open claw的热度，如果你说完全没有蹭，我不认为，毕竟没有open claw我也不会取这个名，但是我用它里面的想法并不是完全因为它是open claw，怎么说呢？我这里用到了什么所以可以叫它claw？很显然：我们可以先看我的线上版

一个对话流？当然，为了保证能和用户很好的交互，对话流是必不可少的，但是用的它的最核心想法是什么？agent loop，open claw提出的这个loop实际上在其他领域以及使用过很多了，像具身智能等等，大家更喜欢叫它子任务，很多很多论文其实都提到了，就是让agent不断细分任务，然后不断解决好，agent loop其实也大差不差，就是让一个核心agent不断去调用其他的东西来循环完成这件复杂的事情，把这件复杂的事情拆分成很多小事情，当然中国的小说市场是最适合的，为什么呢？因为本身就是一件分章节的事情，我们需要把一个大的小说去分成很多章节，然后让agent来完善这个章节，所以其实设计一个这个agent loop模式去解决好这个问题其实也是我的一个创新出发点，注意agent loop和workflow有什么区别？workflow是死的，而agent loop是unfixed，它会变，会根据不断的调整，像skill的选择，或者这章它认为更需要什么，它是会变的！毫无疑问这种模式更适合小说创作者。

好的这个模式我们说完了，那还有什么呢？你可能会很好奇左侧这边为什么有这么多！

当然你可以看到左侧更偏向于一堆适合创作者的技能，右侧更偏向claw的利用

左侧是什么呢？

这里不得不提到另一个地方了：我们如何设计的我们动态memory呢？

首先你得知道不是什么东西都有资格加入我们的动态memory的，至于别人问你为什么不用rag，不是？真有人觉得在小说创作里面rag真的可以起很大用吗？到时候那么多的信息，如何检索，如何保证相似性问题，而且是联网的，如果单纯让rag真的风格利用肯定是没有必要的，那么怎么办，至于知识图谱不过是改了下形式的json文件，那么我们这里只能用自己的设计好的动态memory权重模式

首先我们要知道什么信息是要的：

大纲+章节大纲+风格+人物+情节+场景....

还挺多，那你token怎么够？有人可能会这么问，确实一个ai大模型的token取决于它的基模，这个我们没发改，那么只能让我们能利用更好更有用的信息

首先在我们用于idea之后，我们的claw就会自己去调用我们的skill和agent这些东西应该也能使用在真正的openclaw上，当然我设计的模式还是让我们的claw先根据idea生成自己的大纲，然后会个根据风格和场景以及世界观生成每个章节的规划，为什么要这么设计？！当然是保证整个小说是不会因为后期出现幻觉而跑题，当然作者认为不好也是可以修改的！

当然我这里可能没有很好的可以展示出来

然后每一章会根据这些来设定情节，章节大纲和总的大纲它们的权重是最大的，当然总的大纲是动态也是可以改变的！

然后每章会产生人物，人物毫无疑问也是可以存储的，而且人物出现幻觉是很严重的，针对人物的性格，情节等等装备什么的？都需要存储，而且这个也是得知道的，当然这个的权重会根据这个章节是否有这个人物作调整！如果有当然是要出现这个人物的，而且会不断的更新！

当然还有很多其他可能需要的记忆：像每章产生的核心章节，这章末尾场景和对话，还有情感转折伏笔，这些都会被记录下来来保证整体的连惯性

当然一次的成功可能不太行，还会针对上述的全部信息，在生成一次后给予它做一致性检验，来保证效果的有用性！至此，大概也功能也讲得差不多，希望可以自己使用一下感受一下

至于skill等等，都应该可以复用进open claw什么的，还有需要设置自己的claw模式，不然给你疯狂掉去了

好的两种模式我讲得差不多了，动态memory也不去细讲了
至于动态记忆库想看的也可以去看一下我的从静态检索到动态记忆：面向长篇 AI 写作的一种 Memory-First 架构思路 | re的编程之旅

HITSZ-DS/NovelClaw: Dynamic-memory-first collaborative AI framework for long-form story generation, chapter planning, and coherent narrative writing

也非常欢迎大家的使用和感谢star

至于还有什么技术层面的复杂利用吗？确实还有：针对prompt向量化检验，当然这个论文里面再体现了，最后再一次感谢大家！--下一个工作可能是往evo方向的也欢迎一起talk！