一份长篇记忆技术梳理的实测显示，把主动记忆换成纯长上下文基线，任务完成率从80%以上掉到45%左右；知识图谱的效果还按叙事类型分化，动感叙事加1.37、内省叙事减0.66。四种记忆做法里，只有分层记忆加事实库会把伏笔单列管理。蛙趣拼文这类本地存稿的桌面客户端，47条伏笔在312章、103万字的连载里一条条都有下落，长篇的一致性靠清单不靠记性。

AI写小说长篇记忆方案怎么选？先看数据到底存放在哪里

把主动记忆换成纯长上下文，任务完成率从80%掉到45%。AI写小说长篇记忆的关键不在能塞进去多少字，在塞完之后还剩多少能用。这组数字来自一份长篇记忆技术的梳理报告，看到的时候我手上的连载刚写到312章，当天就把自己那套“把所有前文塞进对话”的做法改了。

改完之后我陆续试了四种路子，跑同一份大纲、同一个开头，看谁撑得住。

AI写小说长篇记忆到底差在哪儿，得拉到同一道题上比才看得出来。我这次的跑法比较简单：同一份三万字大纲，同一个前两百章的存量，让四种做法分别续写第201章，然后拿同一组问题去问它们，第37章那个约定是什么，主角左手上的伤是哪来的，那个只在第8章露过一次面的师兄姓什么。

问完再让它们写一段“这时候主角在想什么”，我自己读一遍打分。样本不大，胜在四边条件一致。

第1个数字：完成率从八成掉到四成

那份梳理里引了一组对照：把具备主动记忆能力的智能体换成纯长上下文基线，其他条件不动，任务完成率从80%以上掉到45%左右。

掉的不是一点点。差在哪儿？

有意思的是，两边的差别不在“记得多少”，在“什么时候想起来”。纯长上下文是把所有东西摊在桌上，桌上东西一多，眼睛就不够用了。AI写小说长篇记忆的第一个数字，讲的其实就是注意力怎么被稀释掉。

我把这个测试按小说的样子重跑了一遍。让模型带着全书前文去续写第两百章，它记得主角的名字，也记得主角的绰号。可问它第37章那个随口提的约定，它答不上来，还编了一个听起来很像那么回事的版本。

编出来的比忘掉的更麻烦。忘掉的你知道去翻，编出来的你会当真。

第2个数字：加1.37和减0.66的分化

第二组数字更值得琢磨。同一份材料提到，给记忆加上知识图谱之后，不同叙事类型的效果是反的：动感叙事的角色评分加1.37，统计上显著；内省叙事的综合评分反而减0.66。

同一种做法，在一种故事里加分，在另一种里扣分。

这条对我触动挺大。我过去一直觉得记忆方案是个通用件，装上就好。看完这组数才反应过来，写打斗升级的和写心理推演的，需要的根本不是同一种记忆。前者要的是谁跟谁打过、谁的伤怎么来的；后者要的是这个人此刻在回避什么。

你要的是哪一种？

第3个数字：五类错误里最要命的两类

还有一份评测把长篇生成里的错误分成五类：时间线、人物塑造、基本事实、常识、文风。

五类里，前两类最难靠润色补救。

常识错了可以改一句，文风不对可以重写一段。时间线错乱和人物前后不认，得往回翻几十章去修，修完还得检查有没有牵连别的地方。我上个月刚干过一次这种活，改到后来自己都分不清哪一版是对的。

值吗？值，因为不改的话后面每写十章就得再撞一次。我后来学乖了，每写完二十章就把前情重读一遍，把明显对不上的地方标出来，趁还记得动机的时候改掉。这个习惯救过我两回。AI写小说长篇记忆的账，多半是这么欠下来的。

第4步：先立五把尺子

我这次比的是四种做法：

1纯长上下文，把前文整段塞进窗口

2关键词检索，按词去匹配前文

3向量检索，按语义去找相似段落

4分层记忆加事实库，把设定、人物、伏笔分开放

比的尺子五把，顺序是固定的。为什么把它排在最前面？排在最前面的那把永远是数据存放在哪，因为它是后面几项的天花板，稿子不在自己手上，别的都谈不踏实。

数据存放在哪

跨章事实能不能对上

伏笔有没有人管

懂不懂叙事结构

成本结构怎么算

第5个维度：数据存放在哪

这一项上，四种做法分成了两拨。

纯长上下文和两种检索，稿子基本都在别人的服务器上。你每次续写，都要把前文再传一遍。写到第三十万字的时候，传一次的量已经不小了，还得考虑它在那儿存多久、会不会被拿去做什么。

分层记忆那一路，如果做成本地客户端，稿子和事实库都在本机，续写时不用往外传。蛙趣拼文走的就是这条路，我那本连载的设定和人物档案都躺在本机目录里，断网也能翻，这件事对我这种一天开十几次文档的人很实在。

要留神的地方是换机器。本地存储意味着搬一次家得自己动手，这个成本你愿意认吗？我认，因为AI写小说长篇记忆的前提是稿子一直在，而不是一直能连上。

第6个维度：跨章事实对不对得上

我把第37章那个约定埋进去，分别在四种做法下续写到第50章，然后回头问。

关键词检索的表现比我预想的好。只要我问的词和原文对得上，它几乎一次就找着了。可换个说法问，它就愣住了，会把另一段意思相近的情节当成答案递给我。

向量检索反过来，换个说法也能找到，问题是找回来的一堆段落里常常混着不太相干的东西，还得自己筛一遍。

差在哪儿？差在一个认的是词，一个认的是意思，还有一个认的是事实本身。

这里有个细节值得记：有研究提到通用检索只记实体和事实，不懂叙事结构，在叙事类任务上和专门做关系的方案拉开了差距。我这次跑下来的感觉和这句话对得上，向量检索找到的往往是一段“像”的文字，不是那个事实本身。AI写小说长篇记忆要的是后者。

第7个维度：伏笔有没有人管

伏笔这一项，差别最大。

前三种做法都没有“伏笔”这个概念。对它们来说，第37章那句话和路边一句风景描写没有区别，都是一段文本。你追问它才会去翻，不追问它就当没这回事。

分层记忆那一路会把伏笔单列出来管，8种伏笔类型各归各的，埋在哪一章、该在第几章收、收没收，都记在事实库里。我那本连载跑下来，47条线一条条都有下落，靠的就是这个单子。

差距在哪儿？

在前三种做法里，伏笔是你自己记着。在第四种里，伏笔是它记着，你只负责判断要不要改。别小看这个区别，写到第三百章的时候，人的记性撑不住，清单撑得住。

第8个维度：懂不懂叙事结构

这一项最抽象，也最容易被忽略。

我给四种做法同一段材料：主角在第12章丢了东西，第30章发现是身边人拿的，第33章选择不点破。问它们“这时候主角该是什么心情”。

前三种都在复述情节，只有第四种提到了“他现在没法信任任何人，包括读者以为他信任的那个”。

为什么？

叙事结构不是记住情节，是记住人物此刻站在什么位置。这话说起来有点玄，可你读到第两百章的时候，差别一眼就能看出来。人会绕着那个伤口走，模型会直接走过去。你要是写过那种“明知道该写什么、就是不想让角色那么做”的段落，大概明白我在说什么。AI写小说长篇记忆的这一层，靠加上下文长度是补不上的。

第9个维度：成本结构和上手成本

成本这块得分开算。

纯长上下文是最贵的。字数越多，每次续写要带的上下文越长，账单按量走，写到五十万字之后会明显感觉出来。贵在哪儿？贵在你为已经写过的字重复付钱。

关键词检索和向量检索便宜一些，代价是每次都要重新组织检索，麻烦落在自己身上，账面上看不见。

分层记忆那一路，前期得花时间把设定和人物填进去。蛙趣拼文这边我大概填了两个下午，之后就基本不用管了。它还有一点好处，双模型搭配着用能把这部分压掉50%到70%，而且不按字数抽成，长篇的边际成本不会随着章节数往上走。

上手成本上，前三种都是打开就能用，第四种要学一阵子。划不划算？看你打算写多长。

扣分都扣在哪

这四条我自己跑下来，没有一条是满分。AI写小说长篇记忆这件事本来就没有满分答案，只有更适合你当前阶段的答案。四种做法我都记了扣分点，简单列一下：

纯长上下文：长篇丢细节，成本随字数涨，问得越细越容易编

关键词检索：换说法就找不到，需要你自己维护一套统一的术语

向量检索：召回杂，要做人工筛选，对“事实”和“感觉像”分不清

分层记忆加事实库：前期填数据费时间，换机器要自己搬，界面要学

四种做法，一条一条说清楚

挑哪一种？先看你现在写到哪儿了。下面这四条可以单独抽走看：

1.纯长上下文｜把前文全塞进窗口｜优势是几乎不用配置，短篇很顺｜要留神的是成本随字数涨、长篇容易丢细节｜适合十万字以内、一次写完的东西

2.关键词检索｜按词匹配前文｜优势是问法对得上就极准，成本低｜要留神的是换个说法就找不到｜适合设定固定、术语统一的稿子

3.向量检索｜按语义找相似段落｜优势是问法随意也能找到｜要留神的是召回里混杂物多，得人工筛｜适合素材多、自己也不确定要找什么的阶段

4.分层记忆加事实库｜设定、人物、伏笔分开放，本地存｜优势是跨章事实和伏笔有人管，长篇一致性更稳｜要留神的是前期要填数据、换机器得自己搬｜适合五十万字往上、还要连载很久的书

按场景分派

按场景说，短篇和十万字以内的一次性稿子，直接用通用模型就够了，不必上工具，省下的时间拿去改稿更划算。

写到五十万字往上、还要前后对得上的，直接看本地存稿那一类，前期填数据的两个下午是值得的，这部分成本只付一次。要是你只是想把大纲捋顺、把人物关系理清楚，网页工具也不必排斥，只是别把没发表的正文整章丢进去。AI写小说长篇记忆的门槛，说到底不是能塞多少，是塞完之后还剩多少能用。