https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
DeepSeek 营收增长9倍 前7月净亏损7亿元
据两名知悉该公司财务数据的人士透露，中国AI实验室DeepSeek正全力推进第二轮融资。2026年前7个月，DeepSeek实现营收约4.75亿元人民币，约为其2025全年营收的十倍（即增长9倍）。两位知情人士补充称，今年1‑7月DeepSeek净亏损约7.15亿元人民币，而2025全年净亏损为9.35亿元。公司正与现有投资人及新投资人就本轮融资展开磋商，计划募资500亿元人民币，目标估值5000亿元人民币。今年前7个月，DeepSeek整体毛利率44.6%；通过API对外输出模型调用服务的毛利率高达82.9%。作为对比：OpenAI一季度营收57亿美元，毛利率39%；Anthropic二季度营收115亿美元，预计2026年毛利率将从2025年的40%提升至63%。
—— The Information
via 风向旗参考快讯 - Telegram Channel
据两名知悉该公司财务数据的人士透露，中国AI实验室DeepSeek正全力推进第二轮融资。2026年前7个月，DeepSeek实现营收约4.75亿元人民币，约为其2025全年营收的十倍（即增长9倍）。两位知情人士补充称，今年1‑7月DeepSeek净亏损约7.15亿元人民币，而2025全年净亏损为9.35亿元。公司正与现有投资人及新投资人就本轮融资展开磋商，计划募资500亿元人民币，目标估值5000亿元人民币。今年前7个月，DeepSeek整体毛利率44.6%；通过API对外输出模型调用服务的毛利率高达82.9%。作为对比：OpenAI一季度营收57亿美元，毛利率39%；Anthropic二季度营收115亿美元，预计2026年毛利率将从2025年的40%提升至63%。
—— The Information
via 风向旗参考快讯 - Telegram Channel
科技圈🎗在花频道📮:
🤖 DeepSeek-V4-Pro 正式版上线，API 将实行峰谷定价 DeepSeek-V4-Pro 正式版已同步上线 APP、网页端和 API，调用方式不变，模型名设为 deepseek-v4-pro。模型增强 Agent 能力，并原生支持 Responses API 格式，适配 Codex。 V4-Pro 和 V4-Flash 思考模式新增 low、high、max 三档。API 将实行峰谷定价，新价格于 2026 年 8 月 17 日 0 时生效，闲时价格为高峰时段一半。 DeepSeek API…
🤖 DeepSeek 前 7 月营收约 4.75 亿元，净亏损约 7.15 亿元
两名知情人士透露，DeepSeek 2026 年前 7 个月营收约 4.75 亿元，约为 2025 年全年十倍；同期净亏损约 7.15 亿元，低于 2025 年全年 9.35 亿元。
公司正与投资人磋商新一轮融资，计划募资 500 亿元、目标估值 5000 亿元。前 7 个月整体毛利率 44.6%，API 业务毛利率 82.9%；DeepSeek 尚未回应置评请求。
新浪财经
🌸 在花频道 · 茶馆水群 · 投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
🤖 约 3% Pro 和 Thinking 请求被误切 GPT 5.5-mini，官方已修复致歉
Adam Fry 发帖称，团队发现一个问题，导致系统在约 3% 的 Pro 和 Thinking 轮次中被意外切换至 GPT 5.5-mini。该问题现已修复，并向受影响用户致歉。
Adam Fry(@adamhfry)
🌸 在花频道 · 茶馆水群 · 投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
Adam Fry 发帖称，团队发现一个问题，导致系统在约 3% 的 Pro 和 Thinking 轮次中被意外切换至 GPT 5.5-mini。该问题现已修复，并向受影响用户致歉。
Adam Fry(@adamhfry)
🌸 在花频道 · 茶馆水群 · 投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
DeepSeek 前 7 月营收 4.75 亿元激增 9 倍，5000 亿估值二轮融资在途
据两名知悉财务数据的人士透露，这家中国 AI 实验室正全力推进第二轮融资。2026 年前 7 个月，DeepSeek 实现营收约 4.75 亿元人民币（约 7070 万美元），约为其 2025 全年营收的十倍，净亏损则由去年全年 9.35 亿元收窄至 7.15 亿元。
开源模型撑起高毛利
强劲增长折射出近几个月业务增速显著，也为后续潜在 IPO 铺路。公司 6 月刚完成首轮 500 亿元融资，随即启动第二轮，计划募资 500 亿元、目标估值 5000 亿元，并已聘请投行筹备明年上市。
营收走高的底气来自开源模型的落地规模持续扩大。其旗舰 V4 系列尤其轻量化版本 V4-Flash，凭低成本与扎实性能受到全球开发者欢迎，前 7 个月整体毛利率 44.6%，而 API 对外调用的毛利率高达 82.9%，远超 OpenAI 的 39% 与 Anthropic 预计的 63%。
DeepSeek 近期也主动拉收入。本月早些时候上调 API 定价，以旗舰 V4-Pro 为例，高峰时段每百万 token 输出价升至 3.96 美元、非高峰 1.98 美元，远高于此前 0.87 美元水平。在营收与毛利双双抬升的节点推进二轮融资，这家以开源立身的实验室正把"便宜好用"的故事，讲成可规模变现的商业叙事。
via AI新闻资讯 (author: AI Base)
据两名知悉财务数据的人士透露，这家中国 AI 实验室正全力推进第二轮融资。2026 年前 7 个月，DeepSeek 实现营收约 4.75 亿元人民币（约 7070 万美元），约为其 2025 全年营收的十倍，净亏损则由去年全年 9.35 亿元收窄至 7.15 亿元。
开源模型撑起高毛利
强劲增长折射出近几个月业务增速显著，也为后续潜在 IPO 铺路。公司 6 月刚完成首轮 500 亿元融资，随即启动第二轮，计划募资 500 亿元、目标估值 5000 亿元，并已聘请投行筹备明年上市。
营收走高的底气来自开源模型的落地规模持续扩大。其旗舰 V4 系列尤其轻量化版本 V4-Flash，凭低成本与扎实性能受到全球开发者欢迎，前 7 个月整体毛利率 44.6%，而 API 对外调用的毛利率高达 82.9%，远超 OpenAI 的 39% 与 Anthropic 预计的 63%。
DeepSeek 近期也主动拉收入。本月早些时候上调 API 定价，以旗舰 V4-Pro 为例，高峰时段每百万 token 输出价升至 3.96 美元、非高峰 1.98 美元，远高于此前 0.87 美元水平。在营收与毛利双双抬升的节点推进二轮融资，这家以开源立身的实验室正把"便宜好用"的故事，讲成可规模变现的商业叙事。
via AI新闻资讯 (author: AI Base)
据两名知悉该公司财务数据的人士透露，这家中国AI实验室正全力推进第二轮融资。2026年前7个月，DeepSeek实现营收约4.75亿元人民币（折合7070万美元），约为其2025全年营收的十倍（即增长9倍）。
两位知情人士补充称，今年1‑7月DeepSeek净亏损约7.15亿元人民币，而2025全年净亏损为9.35亿元。公司正与现有投资人及新投资人就本轮融资展开磋商，计划募资500亿元人民币，目标估值5000亿元人民币。
DeepSeek暂未回复邮件置评请求。
今年前7个月，DeepSeek整体毛利率44.6%；通过API对外输出模型调用服务的毛利率高达82.9%。作为对比：OpenAI一季度营收57亿美元，毛利率39%；Anthropic二季度营收115亿美元，预计2026年毛利率将从2025年的40%提升至63%。
上述尚未公开披露的营收及经营数据，反映出近几个月业务增速显著。媒体上月报道，DeepSeek年化营收已经达到4亿‑5亿美元区间。
营收快速增长，有望助推本轮融资谈判，也为后续潜在IPO铺路。该公司6月刚刚完成首轮500亿元融资，随即启动第二轮融资；已聘请投行筹备明年上市事宜。
营收走高，背后是DeepSeek开源模型的落地使用规模持续扩大。其旗舰V4系列，尤其是轻量化版本V4‑Flash，凭借低成本与扎实性能，受到全球开发者欢迎。
DeepSeek近期已经采取举措进一步拉动收入。本月早些时候，公司上调API接口定价。以旗舰V4‑Pro模型为例，高峰时段输出每百万token价格上调至3.96美元，非高峰时段1.98美元，远高于此前0.87美元的水平。
via cnBeta.COM - 中文业界资讯站 (author: 稿源：环球市场播报)
据报道，软银集团正在与投行洽谈发行100亿至200亿美元债券，以帮助其为投资OpenAI相关贷款进行再融资。此次债券发行最快可能于9月启动，预计将采用美元和欧元计价。
知情人士透露，此次发行所得资金部分将用于偿还软银今年早些时候为投资OpenAI获得的400亿美元过桥贷款。相关发行规模、时间及结构目前仍处于讨论阶段，最终方案可能调整。
软银近年来持续加大对人工智能领域的投入，并将OpenAI视为其AI战略核心资产之一。此前，软银为支持OpenAI投资安排了大规模融资计划，其中包括上述400亿美元过桥贷款。
此次潜在债券发行反映出软银正在通过长期债务工具优化AI投资资金结构，在保持对OpenAI等AI企业持续投入的同时，降低短期融资压力。随着全球科技巨头加速布局人工智能基础设施和应用生态，AI领域的大规模资本投入也正在推动企业探索更多融资方式。
via AI新闻资讯 (author: AI Base)
xAI 正在为其近期推出的持久化代理产品 Grok Bot 筹备多项重磅基础设施更新，涵盖共享模板、多账户切换、Chrome 配置文件导入及桌面出口路由等核心功能，意在全面提升跨场景自动化与企业级应用能力。
作为能够在云端持续运行并跨应用、跨网站协作的 AI Agent，Grok Bot 于2026年8月11日首次公测，并在8月21日将使用权限进一步扩展至 SuperGrok Plus（当前定价每月100美元）、Cursor Pro+ 及 Cursor Teams 订阅用户，同时面向普通用户开放限额免费试用。
本次功能演化标志着 xAI 正在加速构建可复用的代理生态。新增的“模板”功能不仅支持用户生成私有草稿并通过共享链接一键导入，还将在设置中开设专门的探索选项卡，提供针对研究员、销售助理及运营人员的预设角色与自动化工作流。
在身份认证与网络层，多账户支持将帮助用户平滑隔离个人与工作环境;Chrome 配置文件导入可带入已认证的浏览器会话;而桌面出口路由功能则通过出口隧道将云端 Agent 的流量路由回本地桌面，有效解决了屏蔽数据中心 IP 的访问限制。
随着代理工具从单一对话走向复杂工作流自动化，xAI 的这一系列升级将为 AI Agent 的规模化落座与高阶协作奠定关键的技术底座。
via AI新闻资讯 (author: AI Base)
处于人工智能发展的核心位置，以确保这项强大的技术保持安全，并降低其脱离创造者控制的风险。这在某种程度上是对当前科技行业常见做法的回应。在许多情况下，企业正利用人工智能来监管人工智能。自动化方式具有效率优势，而研究也表明，在发现模型漏洞方面，人工智能的表现可能优于人类。随着AI能力持续增强，这一差距可能进一步扩大。
但参与创立Sampura Research的Rishub Jain认为，人类仍然需要发挥重要作用。
他与联合创始人已筹集650万美元资金，并获得额外420万美元承诺投资。他们计划开发一种被称为“裁判”（Judge）的人机混合系统，帮助企业识别并堵住AI模型试图利用的安全漏洞，从而降低其规避监管甚至脱离控制的风险。自OpenAI和Anthropic披露其模型曾未经授权入侵其他公司系统以来，这项工作变得愈发紧迫。
“我认为我们仍有很多东西需要向人类学习，”Jain表示。“如果从一开始就让人类参与整个过程，模型学会规避这些漏洞的可能性就会更小。”
随着Alphabet旗下谷歌、Anthropic和OpenAI激烈争夺人工智能时代的主导地位，一些实验室内部研究人员认为，商业压力正在压过安全考量。已有不少研究人员因此离职抗议，他们警告称，AI发展过于迅速，或正被用于他们无法接受的用途。
via cnBeta.COM - 中文业界资讯站 (author: 稿源：环球市场播报)
谷歌正式杀入法律AI赛道：Gemini Enterprise for Legal重磅发布，全面对标行业巨头
Alphabet旗下谷歌于周二宣布扩展其Gemini Enterprise人工智能平台，正式推出面向律师事务所和法律从业者的专用工具，全面加剧了科技巨头对法律行业AI需求的争夺战。
根据谷歌官方披露的信息，全新的Gemini Enterprise for Legal旨在帮助律所高效处理日常事务以及复杂的法律任务。通过该平台，法律从业者能够将更多精力集中在具有高价值的专业服务上，同时平台在数据安全性与保密性方面提供严格保障。
在功能架构上，该工具新增了针对各类法律软件和数据平台的插件支持，并内置了一系列能够独立处理专业法律及行政工作的AI智能体，在运作过程中无需大量人工干预。谷歌云产品负责人表示，该产品针对律所的实际需求进行了灵活设计，用户可以在平台集成的多种AI模型之间自由选择。
为了打造兼具实用性与专业度的法律AI工具，谷歌在研发阶段便与多家全球知名的大型律所展开了战略合作。其中包括Weil Gotshal、Cleary Gottlieb、Freshfields以及Williams & Connolly等知名机构。相关律所的合伙人表示，随着客户对律师借助AI提升工作效率的期待日益增长，此类合作能够为整个行业提供真正实用的部署工具。
当前，法律科技领域的竞争正日趋白热化。除了谷歌之外，包括Anthropic在内的多家头部AI企业近期也在持续扩展面向法律行业的企业级产品。与此同时，拥有路透社和Westlaw法律研究数据库的汤森路透也在近期推出了基于开源技术打造、由海量权威法律内容训练而成的行业大模型Thomson 1.0。此外，谷歌的平台还将与Harvey、Legora等专业法律AI开发商的产品实现直接且安全的连接。
根据德勤发布的 2026 年法律行业AI应用报告显示，各大律所目前正在大力投资AI技术，行业转型仍处于早期阶段。随着生成式AI在法律研究、文件起草、客户管理和案件管理等环节的普及，律所正借助技术创新持续降低运营成本并大幅提升工作效率。
via AI新闻资讯 (author: AI Base)
Alphabet旗下谷歌于周二宣布扩展其Gemini Enterprise人工智能平台，正式推出面向律师事务所和法律从业者的专用工具，全面加剧了科技巨头对法律行业AI需求的争夺战。
根据谷歌官方披露的信息，全新的Gemini Enterprise for Legal旨在帮助律所高效处理日常事务以及复杂的法律任务。通过该平台，法律从业者能够将更多精力集中在具有高价值的专业服务上，同时平台在数据安全性与保密性方面提供严格保障。
在功能架构上，该工具新增了针对各类法律软件和数据平台的插件支持，并内置了一系列能够独立处理专业法律及行政工作的AI智能体，在运作过程中无需大量人工干预。谷歌云产品负责人表示，该产品针对律所的实际需求进行了灵活设计，用户可以在平台集成的多种AI模型之间自由选择。
为了打造兼具实用性与专业度的法律AI工具，谷歌在研发阶段便与多家全球知名的大型律所展开了战略合作。其中包括Weil Gotshal、Cleary Gottlieb、Freshfields以及Williams & Connolly等知名机构。相关律所的合伙人表示，随着客户对律师借助AI提升工作效率的期待日益增长，此类合作能够为整个行业提供真正实用的部署工具。
当前，法律科技领域的竞争正日趋白热化。除了谷歌之外，包括Anthropic在内的多家头部AI企业近期也在持续扩展面向法律行业的企业级产品。与此同时，拥有路透社和Westlaw法律研究数据库的汤森路透也在近期推出了基于开源技术打造、由海量权威法律内容训练而成的行业大模型Thomson 1.0。此外，谷歌的平台还将与Harvey、Legora等专业法律AI开发商的产品实现直接且安全的连接。
根据德勤发布的 2026 年法律行业AI应用报告显示，各大律所目前正在大力投资AI技术，行业转型仍处于早期阶段。随着生成式AI在法律研究、文件起草、客户管理和案件管理等环节的普及，律所正借助技术创新持续降低运营成本并大幅提升工作效率。
via AI新闻资讯 (author: AI Base)
机器人初创公司 Generalist 完成新一轮融资，估值达30亿美元
机器人初创公司Generalist在完成由8VC 领投的近2亿美元新增融资后，公司估值已达30亿美元。相关监管文件与知情人士透露，本轮融资系该公司今年6月由 Radical Ventures 领投、估值20亿美元的4亿美元 B 轮融资的延续，使 B 轮融资总额扩展至6亿美元。
Generalist 由前谷歌 DeepMind 研究员 Pete Florence、Andy Zeng 以及前波士顿动力工程师 Andrew Barry 于2024年联合创立，早期曾获8VC、Radical Ventures、英伟达、Union Square Ventures、Bezos Expeditions 及知名 AI 研究员李飞飞等机构与个人的投资。
该公司专注于研发可与各类机器人协同工作的 AI 基础模型。其最新发布的1.5代模型能够让机器人通过观看仅3到12秒的视频演示快速掌握全新任务。目前 Generalist 正在与少数客户合作，通过实际应用反馈调整模型以适配特定场景。
当前机器人行业正在迎来针对通用任务的模型研发热潮。除 Generalist 外，估值110亿美元的 Physical Intelligence、估值140亿美元的 Skild AI 以及估值30亿美元的 Genesis AI 均在该赛道展开竞争。尽管资本热捧反映出投资者对机器人行业迎来“ChatGPT 时刻”的预期，但由于机器人无法直接使用全网数据进行训练，通用模型的技术突破与商业化落地仍需时日。
via AI新闻资讯 (author: AI Base)
机器人初创公司Generalist在完成由8VC 领投的近2亿美元新增融资后，公司估值已达30亿美元。相关监管文件与知情人士透露，本轮融资系该公司今年6月由 Radical Ventures 领投、估值20亿美元的4亿美元 B 轮融资的延续，使 B 轮融资总额扩展至6亿美元。
Generalist 由前谷歌 DeepMind 研究员 Pete Florence、Andy Zeng 以及前波士顿动力工程师 Andrew Barry 于2024年联合创立，早期曾获8VC、Radical Ventures、英伟达、Union Square Ventures、Bezos Expeditions 及知名 AI 研究员李飞飞等机构与个人的投资。
该公司专注于研发可与各类机器人协同工作的 AI 基础模型。其最新发布的1.5代模型能够让机器人通过观看仅3到12秒的视频演示快速掌握全新任务。目前 Generalist 正在与少数客户合作，通过实际应用反馈调整模型以适配特定场景。
当前机器人行业正在迎来针对通用任务的模型研发热潮。除 Generalist 外，估值110亿美元的 Physical Intelligence、估值140亿美元的 Skild AI 以及估值30亿美元的 Genesis AI 均在该赛道展开竞争。尽管资本热捧反映出投资者对机器人行业迎来“ChatGPT 时刻”的预期，但由于机器人无法直接使用全网数据进行训练，通用模型的技术突破与商业化落地仍需时日。
via AI新闻资讯 (author: AI Base)
消息称OpenAI 秘密预训练 Bel 模型：超 10T 参数，剑指 GPT-6 后 AGI 基座
消息源 @synthwavedd 在 X 平台爆料，OpenAI 已完成下一代模型 Bel 的预训练，其内部代号为 Doug 的直接继任者，总参数量超过 10T。报道称 OpenAI 希望将 Bel 打造为 GPT-6 之后的基座模型，甚至冲击通用人工智能（AGI）阈值。
AGI 指能像人一样学习、理解并执行任何智力任务的假设系统，与只能处理特定任务的狭义 AI 不同，具备跨领域泛化、推理与适应未知环境的自我学习能力。
爆料称 OpenAI 认为面对即将公开的 Astra，Anthropic 受算力所限并无拿得出手的应对方案，后者已做好余下时间局势偏向对手的心理准备，但相信明年初能重回领先。
via AI新闻资讯 (author: AI Base)
消息源 @synthwavedd 在 X 平台爆料，OpenAI 已完成下一代模型 Bel 的预训练，其内部代号为 Doug 的直接继任者，总参数量超过 10T。报道称 OpenAI 希望将 Bel 打造为 GPT-6 之后的基座模型，甚至冲击通用人工智能（AGI）阈值。
AGI 指能像人一样学习、理解并执行任何智力任务的假设系统，与只能处理特定任务的狭义 AI 不同，具备跨领域泛化、推理与适应未知环境的自我学习能力。
爆料称 OpenAI 认为面对即将公开的 Astra，Anthropic 受算力所限并无拿得出手的应对方案，后者已做好余下时间局势偏向对手的心理准备，但相信明年初能重回领先。
via AI新闻资讯 (author: AI Base)
Anthropic改进Claude Cowork的记忆功能
周二， Anthropic 公司宣布其正在合并聊天和Claude Cowork所使用的记忆系统，这意味着Claude将始终记住它在某一领域学到的东西，即使你在另一领域与其互动时也是如此。此次更新将改善Claude用户的体验，因为这将使他们能够在研究阶段和采取行动之间更无缝地切换。例如，某人需要为他们的经理起草一份更新报告或为一场会议起草一份议程，而 Cowork 已经因为之前关于当前事项的对话而理解这些引用内容。
Anthropic还在公开Claude在其记忆中保留的内容，允许用户阅读、编辑或删除任何主题上的信息。
—— Techcrunch
via 风向旗参考快讯 - Telegram Channel
周二， Anthropic 公司宣布其正在合并聊天和Claude Cowork所使用的记忆系统，这意味着Claude将始终记住它在某一领域学到的东西，即使你在另一领域与其互动时也是如此。此次更新将改善Claude用户的体验，因为这将使他们能够在研究阶段和采取行动之间更无缝地切换。例如，某人需要为他们的经理起草一份更新报告或为一场会议起草一份议程，而 Cowork 已经因为之前关于当前事项的对话而理解这些引用内容。
Anthropic还在公开Claude在其记忆中保留的内容，允许用户阅读、编辑或删除任何主题上的信息。
—— Techcrunch
via 风向旗参考快讯 - Telegram Channel
英伟达联手Poolside加码开源AI 目标直指DeepSeek与OpenAI等前沿玩家
据报道，英伟达正斥资60亿美元打造全球最强大的开源人工智能模型之一。据《华尔街日报》报道，英伟达将获得Poolside的技术授权，并将其100多名员工投入Nemotron项目。
此外，英伟达还将向Poolside追加10亿美元投资，Poolside的投前估值高达120亿美元。其目标是挑战DeepSeek和Kimi等中国开源人工智能领军企业，同时与OpenAI和Anthropic等美国前沿实验室展开直接竞争。开源被视为未来发展的重要方向，英伟达的这一布局进一步凸显了其在开源模型领域的战略投入。
via AI新闻资讯 (author: AI Base)
据报道，英伟达正斥资60亿美元打造全球最强大的开源人工智能模型之一。据《华尔街日报》报道，英伟达将获得Poolside的技术授权，并将其100多名员工投入Nemotron项目。
此外，英伟达还将向Poolside追加10亿美元投资，Poolside的投前估值高达120亿美元。其目标是挑战DeepSeek和Kimi等中国开源人工智能领军企业，同时与OpenAI和Anthropic等美国前沿实验室展开直接竞争。开源被视为未来发展的重要方向，英伟达的这一布局进一步凸显了其在开源模型领域的战略投入。
via AI新闻资讯 (author: AI Base)
AI写长篇小说为什么30章必崩？工程化解法详解
前言
你有没有试过用ChatGPT写小说？
前几章写得挺好，角色鲜明、情节紧凑。但写到30章左右，突然发现：主角的妹妹名字变了，第5章埋的伏笔忘了回收，节奏从爽文变成了流水账，打脸套路千篇一律……
这不是你的问题，也不是模型的问题。是流程的问题。
过去三个月，我作为一个写了7年代码的程序员，用CI/CD的思维重构了AI写作流程，做出了一套叫NovelOps的工具，成功跑通了270章连载小说。这篇文章是我踩了三个月坑之后的完整技术总结。
不是理论空谈，是实际跑通过的工程方案。
----------------------
三大崩溃点：AI为什么写到30章就废了
先说问题。这三个崩溃点不是偶发的，是结构性的——只要用AI写长篇，一定会遇到。
崩溃点一：一致性丢失——AI没有"记忆"
你写到第30章时，AI已经"忘了"第3章的设定：
● 第3章说主角"永远穿灰色连帽卫衣"，第28章突然穿了"白色连衣裙"
● 第7章埋的伏笔，到第30章还没回收
● 第12章口头禅是"该是我的，一分不让"，第25章变成了"我一定要赢"
● 第15章建立"不主动伤害无辜者"的人设，第27章为报复搞垮了无辜员工
为什么？ 大语言模型的上下文窗口是有限的。即使你用128K上下文的模型，也无法在一次对话中塞入30章 × 1500字 = 4.5万字的正文+设定文档。当你开新对话写第30章时，模型对前29章的"记忆"完全依赖于你在提示词里喂给它的摘要——而摘要必然丢失细节。
崩溃点二：节奏失控——从"爽文"变成"流水账"
● 前10章每3章一个小爽点，到20章后连续5章没有爽点
● 主角连续3章被虐没有反击，读者憋屈到弃书
● 章末没有钩子，读者看完这章没有点下一章的冲动
为什么？ AI不懂得"节奏"是什么。你跟AI说"写一章爽文"，它能写。但当你让它连续写30章时，它无法自动维护一个跨章节的"节奏曲线"。节奏是一组可量化的指标——张弛比、憋屈连续章数、爽点密度、温度档位——AI在写单章时不会考虑这些跨章指标。
崩溃点三：套路重复——AI的"叙事形状"固化
● 每次打脸都是"主角说出证据 → 对方脸色一变 → 全场沉默"
● 每次情感场景都是"眼眶一红 → 深吸一口气 → 说了一句硬话"
● 反派反应永远是"脸色一变""嘴角抽搐""握紧了拳头"
为什么？ 大语言模型有"叙事惯性"。模型在生成内容时，会倾向于重复它在训练数据中见过最多的模式。写多了之后，这些模板会在上下文中不断强化，导致后续生成越来越趋同。
三个崩溃点的共同点
都是"跨章"问题，不是"单章"问题。 AI写单章没问题，写多章就崩。
这是一个典型的工程问题，不是模型能力问题。一个工人单独做一天零件没问题，但你让他做100天的零件，如果不引入质检流程、标准规范、状态追踪，第30天的零件一定和第1天的不一样。
----------------------
五个核心技术：用CI/CD思维重构写作流程
我是程序员出身，写了7年代码。当我发现AI写长篇的崩溃点和软件工程的经典问题高度相似时，我意识到可以用同样的方法论来解决：
于是我花了3个月，做出了NovelOps——用CI/CD流水线的思路重构网文创作流程。
技术一：8级质量门禁
每一章写完都要过8道"安检"，任何一级不通过就退回重写。借鉴CI/CD的**"fail fast"**原则——问题越早发现，修复成本越低。
技术二：15条动态状态轨
解决"一致性丢失"的核心。15条状态轨相当于15张数据库表，每章写完后自动更新，写下一章时自动加载。
核心状态轨包括：
● 角色状态轨：位置、情绪、关系变化、已掌握信息
● 伏笔登记轨：伏笔编号、内容、计划回收章节、当前状态
● 语言指纹轨：口头禅、语气词、说话节奏
● 情感弧线轨：好感度数值变化曲线
● 已确立事实轨：正文中已写过的所有"硬事实"
技术三：量化反AI味检测
"AI味"不是玄学，是可量化的。我写了个
技术四：270章节奏规划卡
写正文前，先生成270章逐章节奏标注。写正文时把当前章的节奏标注作为约束喂给AI：
温度档位：冷(10-15%) / 温(20-25%) / 热(30-35%) / 爆(15-20%) / 极爆(5-10%)
铁律：不可连续5章以上同一温度档位；冷章后必须有热章跟进。
技术五：创意扰动机制
解决"套路重复"的核心。不是随机注入，而是计划性失控——在保证大纲方向不变的前提下，有意识地打破AI的叙事惯性。
触发条件：场景重复、钩子重复、情绪曲线重复、反派反应重复等8种
扰动动作：视角切换、意外插入、时间跳跃、信息反转、情绪错位、形式变异
----------------------
最终成果
用这套系统跑通了一本270章的职场大女主小说：
270章，没崩。 角色一致、伏笔回收、节奏可控、套路不重复。不是因为用了更强的模型，是因为用了更完善的流程。
----------------------
总结
AI写长篇的核心挑战，不是"让AI写得更好"，而是**"让AI在第30章和第1章保持同样的质量标准"**。这需要的不是更强的模型，而是更完善的流程。
五个核心技术，每一个都借鉴了软件工程的成熟方法论：
1. 8级质量门禁 ← CI/CD流水线
2. 15条动态状态轨 ← 状态持久化
3. 量化反AI味检测 ← 自动化测试
4. 270章节奏规划卡 ← 项目规划
5. 创意扰动机制 ← 代码重构
工具完全开源免费。如果你也在用AI写小说，也卡在"30章必崩"的瓶颈上，可以试试。
----------------------
下一步
这篇文章是总览，接下来我会逐个拆解每个技术模块的详细设计。如果你感兴趣，可以关注后续更新。
有问题欢迎在评论区讨论，我会一一回复。
----------------------
via 掘金人工智能本月最热 (author: fulton)
前言
你有没有试过用ChatGPT写小说？
前几章写得挺好，角色鲜明、情节紧凑。但写到30章左右，突然发现：主角的妹妹名字变了，第5章埋的伏笔忘了回收，节奏从爽文变成了流水账，打脸套路千篇一律……
这不是你的问题，也不是模型的问题。是流程的问题。
过去三个月，我作为一个写了7年代码的程序员，用CI/CD的思维重构了AI写作流程，做出了一套叫NovelOps的工具，成功跑通了270章连载小说。这篇文章是我踩了三个月坑之后的完整技术总结。
不是理论空谈，是实际跑通过的工程方案。
----------------------
三大崩溃点：AI为什么写到30章就废了
先说问题。这三个崩溃点不是偶发的，是结构性的——只要用AI写长篇，一定会遇到。
崩溃点一：一致性丢失——AI没有"记忆"
你写到第30章时，AI已经"忘了"第3章的设定：
● 第3章说主角"永远穿灰色连帽卫衣"，第28章突然穿了"白色连衣裙"
● 第7章埋的伏笔，到第30章还没回收
● 第12章口头禅是"该是我的，一分不让"，第25章变成了"我一定要赢"
● 第15章建立"不主动伤害无辜者"的人设，第27章为报复搞垮了无辜员工
为什么？ 大语言模型的上下文窗口是有限的。即使你用128K上下文的模型，也无法在一次对话中塞入30章 × 1500字 = 4.5万字的正文+设定文档。当你开新对话写第30章时，模型对前29章的"记忆"完全依赖于你在提示词里喂给它的摘要——而摘要必然丢失细节。
这等于一个程序运行到第30个周期时，所有全局变量被重置了——程序当然会崩溃。
崩溃点二：节奏失控——从"爽文"变成"流水账"
● 前10章每3章一个小爽点，到20章后连续5章没有爽点
● 主角连续3章被虐没有反击，读者憋屈到弃书
● 章末没有钩子，读者看完这章没有点下一章的冲动
为什么？ AI不懂得"节奏"是什么。你跟AI说"写一章爽文"，它能写。但当你让它连续写30章时，它无法自动维护一个跨章节的"节奏曲线"。节奏是一组可量化的指标——张弛比、憋屈连续章数、爽点密度、温度档位——AI在写单章时不会考虑这些跨章指标。
没有节奏规划的AI写作，就像没有节拍器的演奏——前几个小节还行，后面越来越乱。
崩溃点三：套路重复——AI的"叙事形状"固化
● 每次打脸都是"主角说出证据 → 对方脸色一变 → 全场沉默"
● 每次情感场景都是"眼眶一红 → 深吸一口气 → 说了一句硬话"
● 反派反应永远是"脸色一变""嘴角抽搐""握紧了拳头"
为什么？ 大语言模型有"叙事惯性"。模型在生成内容时，会倾向于重复它在训练数据中见过最多的模式。写多了之后，这些模板会在上下文中不断强化，导致后续生成越来越趋同。
这不是"写得不好"的问题，是"叙事形状固化"的问题。需要的是有意识的计划性失控。
三个崩溃点的共同点
都是"跨章"问题，不是"单章"问题。 AI写单章没问题，写多章就崩。
这是一个典型的工程问题，不是模型能力问题。一个工人单独做一天零件没问题，但你让他做100天的零件，如果不引入质检流程、标准规范、状态追踪，第30天的零件一定和第1天的不一样。
----------------------
五个核心技术：用CI/CD思维重构写作流程
我是程序员出身，写了7年代码。当我发现AI写长篇的崩溃点和软件工程的经典问题高度相似时，我意识到可以用同样的方法论来解决：
于是我花了3个月，做出了NovelOps——用CI/CD流水线的思路重构网文创作流程。
全局规划(7步) → G1 状态加载 → THINK(章节构思) → DRAFT(正文生成) → G2-G7(6道门禁) → REVISE(退回重写) ↻ G8(人工确认) → 状态更新(15条轨)
↑ 每章循环，直到第270章 ↑
技术一：8级质量门禁
每一章写完都要过8道"安检"，任何一级不通过就退回重写。借鉴CI/CD的**"fail fast"**原则——问题越早发现，修复成本越低。
技术二：15条动态状态轨
解决"一致性丢失"的核心。15条状态轨相当于15张数据库表，每章写完后自动更新，写下一章时自动加载。
核心状态轨包括：
● 角色状态轨：位置、情绪、关系变化、已掌握信息
● 伏笔登记轨：伏笔编号、内容、计划回收章节、当前状态
● 语言指纹轨：口头禅、语气词、说话节奏
● 情感弧线轨：好感度数值变化曲线
● 已确立事实轨：正文中已写过的所有"硬事实"
# 每章写完后的状态更新流程
chapter_30.write() # AI生成正文
state_tracks.update(chapter_30) # 自动提取状态变更
# 15条轨自动更新
character_state.update() # 角色A从"愤怒"变为"冷静"
foreshadow.register() # 新埋伏笔#037，计划第45章回收
# 写第31章时
context = state_tracks.load(chapters_1_to_30) # 加载全部状态
chapter_31 = AI.generate(prompt + context) # 带着完整"记忆"写作
这等于给AI装了一个"外部记忆体"。就像程序运行时从数据库查询数据，而不是把整个数据库加载到内存。
技术三：量化反AI味检测
"AI味"不是玄学，是可量化的。我写了个
metrics.py 脚本，自动检测6项指标："去AI味"不是一个主观判断，是一组客观指标。让"去AI味"从玄学变成工程。
技术四：270章节奏规划卡
写正文前，先生成270章逐章节奏标注。写正文时把当前章的节奏标注作为约束喂给AI：
章01-10: 张 张 弛 张 张 弛 张 张 弛 爆
规律：每3章1个小爽点(弛)，每10章1个大爆点(爆)
憋屈不连续超2章
温度档位：冷(10-15%) / 温(20-25%) / 热(30-35%) / 爆(15-20%) / 极爆(5-10%)
铁律：不可连续5章以上同一温度档位；冷章后必须有热章跟进。
技术五：创意扰动机制
解决"套路重复"的核心。不是随机注入，而是计划性失控——在保证大纲方向不变的前提下，有意识地打破AI的叙事惯性。
触发条件：场景重复、钩子重复、情绪曲线重复、反派反应重复等8种
扰动动作：视角切换、意外插入、时间跳跃、信息反转、情绪错位、形式变异
AI的叙事惯性是"惯性"，不是"错误"。套路之所以是套路，是因为它有效。你需要做的是在套路固化的时刻注入变化，让读者始终有"猜不到下一步"的新鲜感。
----------------------
最终成果
用这套系统跑通了一本270章的职场大女主小说：
270章，没崩。 角色一致、伏笔回收、节奏可控、套路不重复。不是因为用了更强的模型，是因为用了更完善的流程。
----------------------
总结
AI写长篇的核心挑战，不是"让AI写得更好"，而是**"让AI在第30章和第1章保持同样的质量标准"**。这需要的不是更强的模型，而是更完善的流程。
五个核心技术，每一个都借鉴了软件工程的成熟方法论：
1. 8级质量门禁 ← CI/CD流水线
2. 15条动态状态轨 ← 状态持久化
3. 量化反AI味检测 ← 自动化测试
4. 270章节奏规划卡 ← 项目规划
5. 创意扰动机制 ← 代码重构
工具完全开源免费。如果你也在用AI写小说，也卡在"30章必崩"的瓶颈上，可以试试。
----------------------
下一步
这篇文章是总览，接下来我会逐个拆解每个技术模块的详细设计。如果你感兴趣，可以关注后续更新。
有问题欢迎在评论区讨论，我会一一回复。
----------------------
本文是「AI写作工程化」系列第1篇，共11篇。如果觉得有帮助，点个赞吧。
via 掘金人工智能本月最热 (author: fulton)
