KeyFrame內部研究專用

Everything AI Writing Tools Get Wrong About Novels

The Novelist Studio·7月1日週三·13 min英文

三句話摘要

AI寫作工具現況評析與Storygroove AI的完整寫作系統設計——為什麼通用語言模型無法直接用於專業小說創作。 AI寫作的防禦性關鍵不在AI有多聰明,而在於保留「人類主筆散文」這條明確的版權線。 ChatGPT/Claude的根本限制——這些工具是通用型原始材料,就像從Home Depot買木料去建教堂,你仍需自己組裝,最後容易讓AI代替你寫小說,導致版權不可防禦、失去創作所有權。

重點整理

重點
  • 1

    ChatGPT/Claude的根本限制——這些工具是通用型原始材料,就像從Home Depot買木料去建教堂,你仍需自己組裝,最後容易讓AI代替你寫小說,導致版權不可防禦、失去創作所有權。

  • 2

    現有四類工具的各自缺陷——書籍生成器速度快但版權風險高;技術工作區功能強但需管理API密鑰、追踪使用量、學習曲線陡峭;AI輔助工具只能幫助段落擴展卻無整體結構;提示詞組合系統過度手動且基於模板。

  • 3

    小說創作需要系統性的持續指導——真正的寫作需要像與編輯對話一樣的互動體驗,AI應主動提問而非被動回應,應幫助架構整部作品而非零散修改文段,覆蓋從前期構思到章節寫作的完整生命週期。

  • 4

    版權關鍵在於人類表達而非創意本身——想法是不可版權的,但人類對想法的文字表達才可版權保護,因此「大綱只是參考點」,唯有作者自己寫的散文才能真正被版權所有,這是Storygroove強調「AI永不代寫」的法律與倫理根據。

實用技巧與重點

乾貨
  • Craft Novelist定義:
  • 自行創作、使用AI進行頭腦風暴、結構建立、反饋
  • 自己寫和重寫散文
  • 向出版代理查詢、自主出版、潛力被影視改編
  • 完全擁有作品
  • 市場四類AI寫作軟體:
  • 書籍生成器——數天/小時/分鐘內生成整本書,基於模板,存在版權可防禦性風險
  • 技術型工作區(Novel Crafter)——需連接OpenAI/Claude API、手動追踪使用量、技術門檻高
  • AI輔助軟體(Sudowrite)——擴展/重寫段落、頭腦風暴,但不覆蓋全小說週期
  • 提示詞組合系統——手動拼接、基於模板、無完整結構指導
  • Storygroove AI三個AI教練:
  • Simone(故事起點與市場定位教練):20個蘇格拉底式問題,鏡像市場機會與目標受眾
  • Olivia(故事元素與大綱教練):15問摄入流程、應用內記憶、交互式生成包含場景節拍、設定細節、子情節關聯的章節計畫、可直接插入大綱
  • 版權要點:
  • 可防禦的作者身份 vs 機器生成/重寫文本
  • 創意想法不可版權保護,人類對想法的散文表達才可版權保護

結論

結論

AI寫作的防禦性關鍵不在AI有多聰明,而在於保留「人類主筆散文」這條明確的版權線。

完整解析

詳細

講者Anna Delvaye是Storygroove AI的開發者兼創造者,她首先指出當下寫作社群的一個根本誤解:許多人試圖用ChatGPT或Claude來完成小說創作,卻忽視了這些工具的本質限制。這就像去家裝賣場買木料卻忘記自己還要組裝教堂——你買到的只是原始材料,如何把它們變成完整建築仍需自己琢磨,最後結果往往是讓AI越來越深入你的創作流程,你逐漸淪為編輯而非作者。

講者進一步分析市場上現存的四類AI寫作工具各自的致命缺陷。書籍生成器承諾快速出書,但造成版權歸屬不清;技術工作區提供了強大功能,卻要求作者成為自己的IT部門,管理API密鑰、追踪使用成本、處理複雜配置;AI輔助工具雖然能幫助擴展段落或頭腦風暴,但完全沒有覆蓋小說創作的整個生命週期;提示詞組合系統要求手動拼接,本質上是三年前的陳舊模式。這些工具的共同問題是:它們都沒有把小說創作視為一個需要系統性、持續性、整體性指導的過程。

基於這些觀察,講者創建了Storygroove AI,核心理念是「三個AI教練、一個完整系統」。首先是Simone,她是故事起點與市場定位教練,會提出20個蘇格拉底式問題幫助作者把抽象的創意想法具體化,同時鏡像反映這部作品對應的市場機會與目標受眾。接著是Olivia,她會引導作者經過15個問題的結構化摄入過程,主動提問(而非等待被提示)來幫助構建故事元素,並擁有應用內記憶,記得所有對話內容、角色修改、故事聖經變化。在大綱工作室中,Olivia能根據約定的章節方向生成包含場景節拍、設定細節、子情節關聯的完整章節計畫,作者只需點擊「插入大綱」即可。這個設計的妙處在於:作者始終在有引導的環境內工作,而非面對空白的對話框,導致最後必須把600頁的零散輸出自己拼湊成小說。

最後,講者強調了版權與創意所有權的法律基礎:創意想法本身不可版權保護,可以版權保護的只有人類對想法的文字表達。因此大綱只是參考點、是想法,版權真正產生於作者自己寫的散文。Storygroove的設計確保了這一點——AI永遠不寫或重寫你的散文,它只是架構師和教練,幫你建立這座教堂的藍圖,然後你用自己的筆去完成它。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。