首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >把 system prompt 砍掉 60%,文风反而更稳—— 在AI写作工具运用中的规则卡分层加载实践

把 system prompt 砍掉 60%,文风反而更稳—— 在AI写作工具运用中的规则卡分层加载实践

原创
作者头像
用户12865354
修改于 2026-11-20 10:57:41
修改于 2026-11-20 10:57:41
1620
举报
文章被收录于专栏:写作智能体写作智能体

把全部写作规则一次性塞进 system prompt,写到几十章后约束会被稀释,成本却随规则体积上升。我们把规则拆成 26 张卡、按 8 个环节分层加载,单次请求的 system prompt 体积下降约 60%,风格一致性反而提升。本文讲清失效机理、实现方式与反例。

一、AI写作工具的问题:规则写得越全,效果越差

一个很常见的循环:

  1. 发现风格漂了 → 往 system prompt 里补一段规则;
  2. 发现某个桥段反复出现 → 再补一段禁令;
  3. 发现对白太书面 → 再补三条示例;
  4. 三个月后,system prompt 变成一万多字,漂移没消失,延迟还涨了。

这不是"规则写得不够好",是一次性注入这个做法本身有上限。四个机理:

机理

说明

典型症状

位置偏差

长上下文里,位于中段的信息被利用得最差(Lost in the Middle, arXiv:2307.03172)

开头和结尾的规则被执行,中间那几条形同虚设

指令互相稀释

与当前任务无关的规则同样占用注意力预算

写初稿时,"审查标准"也在干扰措辞

指令互相冲突

不同环节的规则天然对立("多留白"vs"信息密度要高")

模型随机选一条,表现不稳定

成本线性上升

规则体积 × 请求数 = 账单

每章都要为 90% 用不上的规则付费

其中"互相冲突"最致命,因为它不可通过"写得更清楚"来解决。 一个环节要克制,一个环节要铺满,两条规则同时在场,模型只能猜。

我们内部对此的判断是:"不去规定'该写成什么样',而是规定'这个环节该怎么思考'。前者是模板,后者才是流程。"

二、方案:三层结构 + 按环节加载

2.1 三层切分

层

内容

加载策略

体积占比

常驻层

硬约束(禁忌、格式、字数区间、绝对禁令)

每次请求都带

小,且不随环节变化

环节层

当前环节专属的思考方式与判据

只加载当前环节那一张

主要体积

例外层

特定题材/特定场景的补丁

命中条件才加载

按需,多数请求为 0

26 张规则卡主要落在"环节层"。 8 个环节各自对应若干张卡,写初稿时只调初稿那几张,定人物时只调人物那几张。

2.2 8 个环节,各问各的问题

分层的判断标准不是"这条规则属于哪个环节",而是"这一步在回答什么问题"。 八个环节问的是八个不同的问题,所以它们需要的约束天然不同——同一张卡在一个环节是必需,在另一个环节就是噪音。

#

环节

这一步在回答什么问题

最容易混进来的噪音

1

构思

这本书为什么值得读

文风细则、审查标准

2

深化构思

这个故事核立不立得住

分章规则、字数规则

3

人物种子

这些人能不能撑起这个故事

章节节奏规则

4

全书规划

整本书的节奏对不对

句子级文风规则

5

章节框架

这一章该发生什么

全书节奏规则(已固化进规划)

6

初稿

这一段该怎么写

审查判据(★见失败案例 3)

7

审查

这一章哪里不对

文风偏好(避免"审着审着改成另一个风格")

8

定稿

该记下什么

全部创作类规则

这张表里最值得看的是最后一列。 分层不难,难的是"敢不敢把某些卡从一个环节里拿掉"——尤其是第 6 行的审查判据。拿不掉,初稿就会变保守(见失败案例 3)。

2.3 加载器的三条规则

具体分到哪张卡没有通用答案,它取决于你的规则是怎么长出来的。但加载这件事本身有三条规则:

  1. 超预算时可以裁示例,不能裁判据。 判据被裁掉,环节就失去验收标准,分层白做。示例是"这么写过",判据是"什么算不合格"——前者可省,后者不可省。
  2. 环节之间要有显式继承。 上一环节的产出(故事核、人物卡、本章框架)不是"再描述一遍",而是把结构化字段直接注入下一环节,否则分层会把上下文切断。
  3. 卡片要能检测冲突。 两张卡对同一问题给出相反指令时,加载器应该报错,而不是让模型去猜。

第 3 条是分层方案里唯一能自动化的部分,也是收益最高的一部分。 冲突不检测,它不会消失,只会变成"每章都有道理、合起来没有风格"。

2.4 分层加载 vs 一次性注入

维度

一次性注入

分层加载

system prompt 体积

全量(我们早期约一万多字)

当前环节子集,实测下降约 60%

冲突暴露

隐藏,模型自行取舍

显式,加载器可检测

维护成本

低(一个文件)

高(26 张卡 + 边界一致性)

可解释性

差

强("这一章为什么这么写"能追到具体卡)

适合

规则总量小(两千字以内)、单文体

规则总量大、多环节、长线

三、实测条件与判据

项

值

测试时间

2026 年 9 月 – 2026 年 10 月

流程

8 环节状态机,每环节等待确认

规则资产

26 张规则卡,全部按环节加载

模型

DeepSeek V4.1 Flash

单章目标字数

2400–3000 字

连续推进

260 章 / 70 多万字

统计口径

每环节记录 system prompt 字符数、卡片清单

判据(什么算"规则机制失效"):

  1. 风格漂移:第 60 章与第 10 章的句式分布出现肉眼可辨的系统性偏移(句长、对白占比、书面语密度);
  2. 禁忌击穿:常驻层明确禁止的表达在正文出现;
  3. 规则真空:某环节需要的约束没有被任何一层加载(属于配置错误,不计入机制失效)。

四、数据

指标

一次性注入(改造前)

分层加载(改造后)

说明

system prompt 体积

全量基线

约 −60%

同一环节、同一请求类型对比

风格漂移

明显(第 30 章起)

未再出现系统性漂移

以句式分布判定

禁忌击穿

偶发

0(常驻层拦截)

定稿前扫描

返修率

—

约 8%

主要为薄章与场景重复

连续推进

—

260 章 / 70 多万字

单部作品

为什么"体积下降"和"一致性上升"会同时发生? 因为二者不是权衡关系:被砍掉的那 60%,本来就在稀释剩下的 40%。

免责:以上是内部实测记录,不代表每个使用者都能复现同样结果——结果和题材、参与程度、平台标准都有关系。

五、失败案例

案例 1:分层之后出现"规则真空",禁用词在第 30 章冒出来

现象:改造后第 30 章正文出现了全书禁用的一类表达。追查发现,"禁用词"当时被归到了"审查"卡里,而初稿环节不加载审查卡。

原因:分层时按"这条规则属于哪个环节"归类,但有些规则是跨环节的硬约束,一旦下放到环节层就等于消失。

处理:建立常驻层准入标准——凡是"任何环节都不得违反"的,一律进常驻层,不进环节层。常驻层因此从 3 项扩到 7 项。代价:常驻层变大后,每环节还要再付这份固定开销,-60% 实际落到 -55% 左右。

案例 2:两张卡给了相反指令,模型每章随机选一个

现象:同一部作品里,章节开头的处理忽而"直接进场景",忽而"先铺一段环境"。人工看不出规律,模型自己也不稳定。

原因:"章节结构"卡说"开头三句内进场景","文风锚点"卡说"允许用环境描写建立氛围"。两条都在初稿环节加载,模型每次采样选一条。

处理:给加载器加冲突检测,下出现互斥取值时直接报错,由人工裁决一条、另一条改写。代价:这是纯人工活,规则卡全量过一遍约需两个工作日。

案例 3:把审查卡提前加载到初稿环节,产出变保守、变短

现象:有一次为了"少返修",把审查判据也塞进初稿的 system prompt。结果初稿平均字数掉了近两成,场景铺陈明显变薄。

原因:模型同时当运动员和裁判,它当然觉得"少写一点更安全"。 审查判据的存在本身在抑制表达。

处理:回滚。审查只在 REVIEW 环节生效。这条教训后来固化成一句内部话:闸门是环节之间的,不是环节内部的。

六、边界

不适合:

  1. 规则总量很小(两千字以内)的场景——分层带来的加载器开销与维护成本,会超过收益;
  2. 只跑单环节、不做流程的工具——没有"环节"这个维度,就无从分层;
  3. 规则本身还在剧烈变动的阶段——一天改三次规则时,分层只会让改动点变多;先把规则稳定下来,再分层;
  4. 需要跨环节长程一致、但规则无法结构化的(例如"整体气质要冷"这类模糊要求)——这类只能靠锚点示例,靠卡片分层解决不了。

已知未解决:

  • 卡片冲突目前靠人工裁决,没有自动消解机制;
  • 常驻层随项目变大会重新侵蚀收益,长期看需要"常驻层预算"这个约束;
  • 换线(换题材)时例外层需要重建,遗漏会带进下一本;

七、结论:三条可复制的建议

  1. 先分清哪些规则该常驻、哪些该按环节走。 判断标准只有一条:违反它是否在任何环节都不可接受。是则常驻,否则进环节层。
  2. 给加载器加冲突检测,别让模型去猜。 模型在两条互斥指令之间做选择,结果是"看起来每次都有道理,合起来没有风格"。
  3. 量体积,也量漂移。 只报"prompt 小了 60%"没有意义;要同时给出"第 10 章和第 60 章的句式分布差多少",才说明分层真的起了作用。

附:常见疑问(Q&A)

Q1:分层会不会让模型"忘了"上一环节的约定? A:会,如果你只切规则、不切产出。我们的做法是上一环节的结构化产出强制注入下一环节(故事核字段、人物卡字段、本章框架字段),不靠模型"记得"。规则分层 + 产物继承,两件事必须一起做。

Q2:为什么不让模型自己决定加载哪些规则? A:因为"该加载什么"是流程知识,不是语义判断。让模型自己挑,等于把流程交给它猜——而它猜错的成本是一整章的返工。

Q3:这套方法只适用于小说吗? A:不是,但收益最高的是多环节、长周期、风格要求稳定的任务。小说最典型;报告、剧本、系列内容也适用。单轮问答不适用。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 把全部写作规则一次性塞进 system prompt,写到几十章后约束会被稀释,成本却随规则体积上升。我们把规则拆成 26 张卡、按 8 个环节分层加载,单次请求的 system prompt 体积下降约 60%,风格一致性反而提升。本文讲清失效机理、实现方式与反例。
  • 一、AI写作工具的问题:规则写得越全,效果越差
  • 二、方案:三层结构 + 按环节加载
    • 2.1 三层切分
    • 2.2 8 个环节,各问各的问题
    • 2.3 加载器的三条规则
    • 2.4 分层加载 vs 一次性注入
  • 三、实测条件与判据
  • 四、数据
  • 五、失败案例
    • 案例 1:分层之后出现"规则真空",禁用词在第 30 章冒出来
    • 案例 2:两张卡给了相反指令,模型每章随机选一个
    • 案例 3:把审查卡提前加载到初稿环节,产出变保守、变短
  • 六、边界
  • 七、结论:三条可复制的建议
  • 附:常见疑问(Q&A)
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档