AI能一句话生成工具,普通人应该如何优化提问?

AI 已经很会干活了，普通人应该如何让AI理解自己的需求?

这两天改我小说的分镜剧本，最烦的不是剧情，是台词。Codex 已经很强，它能写，也能改，可对话总像少一点人味。

Fable、Mythos最近非常火,似乎已经全能到一句话就能做出一个完整的工具。

像这样:

工具越来越强，执行越来越快,回到我把我的小说改成剧本这件事,那如何让AI 知道我说的"人味"具体指什么。

skill的本质是把要做的事具像化,那么这个问题的本质就是如何把“人味”两个字具像化,在A I动笔前,如何让它能找到符合“人味”本质的资料,我觉得需要去设计工作流。

我说"更有人味"，AI 可能会去通用经验里找答案：口语一点，短一点，加点情绪词，加点梗。于是它给我一段看起来很顺的台词。可我要的不是这种顺。

但我要的是我小说里的女主：八岁身体，成年人灵魂；前小摊主、厨子、社畜底色；务实，怕死但不软；遇事先算账，再找能不能吃、藏、挖、试、跑。

她可以吐槽，但不能连续讲段子。她可以怕死，但不能软成小白花。她可以说现代话，但梗要从钱、摊位、做饭、保命这些处境里长出来。世界观信息也不能让她一口气讲完，要拆进追问、误会、动作失败和面板短句里。

这时问题就从"怎么提示模型"变成了"怎么优化 AI 的搜索路径"。

现在很多系统已经不是"提问，然后生成"这么短。更常见的做法是：先把资料拆开、编号、保留出处；再把文字向量化；用户提问后，系统先用关键词找显性线索，再用语义搜索找近义材料，找完还要重新排序，把最贴近这次任务的内容放到模型面前。复杂一点的系统，还会把人物、事件、地点、设定抽成关系图。

模型最后输出的确实是一段文字，但前面已经跑了一次查资料。

放到小说转剧本，流程应该是这样：

小说原文 → 拆成章节、场景、人物、设定 → 给每段编号，保留出处 → 向量化，放进可检索资料库 → 搜索相关原文和旧改稿规则 → 找出角色声纹、剧情禁忌、视觉连续性 → 再让 AI 写分镜和台词 → 最后审计有没有编错、有没有失去人味。

这里有个词要拆一下：向量化，也叫 embedding。

可以把它理解成给文字打坐标。人看到一句话，知道它在讲离职、赔偿、小说台词还是分镜节奏；机器一开始不知道。向量化就是把一段文字变成一串数字，让机器能计算两段话的意思近不近。

比如"这句台词像作者解释设定""这句话不像真人临场反应""角色不该在紧张时完整复述世界观"，字面不一样，但病根很接近。向量化以后，它们会落在相近区域。下次你问"这段对话为什么假"，系统不只找包含"假"这个字的资料，还能找回"长句缺少临场反应""世界观要拆进追问和动作失败""梗不能连续堆"。

相似度搜索解决的是找资料的问题。聚类解决的是看分布的问题。你把 500 条改稿意见放进去，系统可能会分出几堆：台词太长、设定说明太重、现代梗过密、角色声纹不稳、动作缺失、爽点没有铺垫。机器只负责分堆，名字还得人来取。可分出来以后，会知道自己最常犯的错在哪里。

RAG，也就是检索增强生成，说白了就是回答前先翻资料夹。普通聊天像一个凭印象说话的人；RAG 会先翻你的资料，再开口。

所以我以后不该只对 Codex 说：把这段写得更有人味。

更好的调用方式是：

先检索本场小说原文和前后场；检索女主声纹卡；检索人味改稿规则；检索最近几次台词审计；检索已经验证好用的"原句 / 改后 / 为什么这样改"样例。

再生成分镜和台词。

最后审计：有没有改掉剧情事实；有没有让角色替作者讲设定；有没有超过 24 字还不拆句；有没有连续堆梗；有没有从"事实说明 → 事实说明 → 事实说明"变成"先愣一下 → 追问 → 得到信息 → 不服 → 补刀 → 立刻做事"。

看，这里说的"人味"已经不是一个形容词了。它变成了一组可搜索、可检查、可迭代的东西。

这也是 Fable、Mythos 这些工具给我的提醒。Anthropic 在 2026 年 6 月 9 日发布的 Fable 5，官方页面写得很清楚：它面向长任务、复杂代码和知识工作，可以在 agent harness 里规划阶段、分配子任务、检查自己的工作。Claude Code 的 dynamic workflows 更直白，能把大任务拆给大量并行 subagent，最后再合成一个结果。

强执行者已经出现了。接下来的差距，会出在它执行之前搜到了什么。

一句"帮我做个场景"太空。更好的系统会先查镜头规则、资产规范、材质样例、角色动作、上次失败记录，再让 AI 写脚本、摆镜头、生成模型、检查比例。

小说转剧本只是一个更容易看懂的例子。写短视频，也可以把前三秒钩子、评论争议、节奏模板、违规边界做成资料库。

很多人说普通人也能训练自己的小模型。我会把顺序放慢一点。先训练搜索，再谈训练模型。

先把资料留下来。成功样例、失败样例、修改理由、读者反馈、审计结果，都不要散在聊天记录里。

再把资料切开。每条资料要知道自己来自哪里，解决什么问题，适合什么场景。

然后做检索。关键词负责找明确线索，向量负责找意思接近的线索，重排负责把最有用的几条放到前面。

最后固定流程。小说转分镜剧本，就固定成：提取情节节点、检索原文、检索声纹、生成场景、写台词、做人味审计、按问题类型改稿、输出可替换版本。

到这一步，你还没有微调模型参数，但已经拥有了一个小型个人系统。它知道你说的"好"大概长什么样，也知道你最讨厌哪些写法。

AI 的能力越强，人越不能只剩一句"帮我做个好的"。这句话太空，模型只能去公共经验里找答案。

你得把自己的"好"拆开。拆成资料，拆成样例，拆成规则，拆成审计表，拆成能被搜索召回的片段。

以后我再说"让这段对话更有人味"，我希望 AI 先去找：我以前到底把什么叫人味。