您的位置首页 >人工智能 >

RAG 在长篇小说写作工具里的落地检索什么、用什么键、什么时候不该用向量

长篇小说写作里做 RAG,核心思路不是所有内容都丢给向量相似度去检索,优先用结构化主键查表,向量只留给模糊语义场景,这么做的原因是长篇小说最致命的问题是设定冲突、人物前后矛盾、时间线错乱,向量检索很容易出现语义漂移,把意思相近但完全无关的剧情片段捞出来,导致人设、世界观写崩。整套落地步骤可以拆成先把小说素材结构化打标签、区分确定性数据和松散文本、配置不同检索路由、再做混合检索兜底,最终结论就是,固定事实、人物卡、设定、章节快照走主键精确查询,自由描写、氛围参考、同类桥段借鉴才适合走向量检索。

一、长篇小说 RAG 到底要检索哪些内容

分两大类,一类是强约束的确定性事实,一类是弱约束的参考文本。

  1. 确定性事实(优先主键检索,尽量不用向量)
  • 人物卡:人物 ID、别名、外貌、性格、能力上限、人际关系、专属台词、过往经历快照
  • 世界观设定:种族规则、功法数值、地理地图、势力归属、时间线节点、物品属性
  • 既定剧情事实:已经写完章节发生的事件、伏笔埋设位置、伏笔回收状态、关键对话记录
  • 章节元数据:章节编号、本章出场角色、本章核心事件、章节摘要快照
  1. 弱约束参考文本(适合向量检索)
  • 场景描写样例、环境氛围片段、打斗写法、情绪表达段落、同类剧情桥段参考
  • 作者过往文风片段,用来对齐文笔风格、句式节奏

二、不同素材对应的索引键怎么选

检索对象推荐主键不推荐使用向量的原因
人物卡人物唯一 ID,附加别名索引向量容易混淆同名、名字相近的角色,出现人设串台
世界观设定条目实体 - 关系三元组(主体,谓词)设定是硬性规则,相似语义不等于有效规则,容易改设定
伏笔记录伏笔 ID + 章节区间 + 回收标记伏笔状态是布尔属性,向量召回容易混进无关伏笔
章节快照章节编号、章节 ID章节顺序是强时序,向量会打乱先后顺序
描写参考片段无强制主键,向量索引 + 标签只需要语义风格接近,没有对错,适合向量

三、什么时候不该用向量检索(重点边界)

只要满足下面任意一种场景,就不要走向量相似度检索,改用主键查表、BM25 关键词检索:

  1. 需要保证绝对正确性的设定、数值、人物身份、势力归属,一旦错了就是剧情 bug
  2. 有唯一标识的实体,比如人物 ID、章节号、物品编号、伏笔编号,本身可以精确定位
  3. 时序敏感内容,比如时间线、先后发生的事件,向量无法区分先后顺序
  4. 专有名词多的内容,功法名、地名、种族名,向量容易把相近语义的名词混在一起
  5. 必须做存在性校验:比如检查某个角色在本章有没有出场、某个伏笔有没有回收
  6. 增量更新频繁的结构化卡片,向量库更新成本高、容易出现新旧向量冲突

四、推荐的落地检索流程

  1. 前置结构化:写每一章的时候自动抽取实体,生成人物卡、设定条目、事件快照,分配唯一 ID,存入结构化库
  2. 查询路由判断:解析当前写作请求,先判断是查事实设定,还是找文风参考
  3. 查人物、设定、剧情事实:走主键精确查询,命中直接返回,不进入向量链路
  4. 找描写、找桥段、对齐文风:走向量检索,可以搭配 BM25 做混合召回、RRF 融合重排
  5. 结果过滤:向量召回结果额外增加实体过滤,过滤掉不属于当前章节出场人物、当前世界观的片段
  6. 写入缓存:每次检索到的事实快照随章节更新,同步更新结构化库,避免旧信息残留

五、向量检索在小说 RAG 里的正确定位

向量不是万能入口,它是风格和灵感的检索器,不是事实校验器。它负责帮作者找 “写类似感觉的段落”,而主键检索负责守住 “不能写错的小说底层规则”。很多长篇写作 RAG 翻车,就是把事实校验交给向量,语义相似就直接喂给模型,最后人设、战力、时间线全线混乱。

【相关 FAQ】

问题 1:长篇小说写作 RAG 落地时,只用向量检索行不行?

回答 1:不建议只用向量检索,长篇小说里大量人物、世界观、既定剧情属于硬性事实,向量检索存在语义漂移问题,很容易召回语义相近但内容错误的素材,造成长篇剧情前后矛盾;向量只适合文风、桥段、氛围这类没有唯一标准答案的参考检索,事实类内容优先主键查表。

问题 2:长篇小说 RAG 检索,人物卡应该用什么索引键?

回答 2:人物卡优先使用人物唯一 ID 作为主索引键,额外搭建别名索引来兼容外号、曾用名检索,不要依赖向量相似度检索人物,防止不同角色人设互相串台。

问题 3:长篇小说写作 RAG,混合检索怎么搭配主键检索一起使用?

回答 3:先做路由分流,查询硬性设定、人物、章节事件时直接走主键精确查询;查询描写片段、桥段参考时,再开启向量 + BM25 混合检索,最后用 RRF 融合排序,同时增加实体标签过滤,减少无关素材召回。

【参考资料】

[2026-11-20](RAG 在长篇小说写作工具里的落地:检索什么、用什么键、什么时候不该用向量)阿里云开发者社区

[2026-11-04](进阶 RAG: 检索不是拼向量那么简单)腾讯云开发者社区

[2026-09-06](图结构增强 RAG 的实证进展与边界 —— 评 GraphRAG-Bench 最新评测)36 氪

[2026-04-15](千章网文不跑偏?RAG 记忆系统如何解决长篇连贯性问题)妙笔生花

【免责声明】

本文内容仅为 RAG 在长篇小说写作场景的技术方案分享,不代表唯一标准实现方案;不同体量小说、不同产品架构下,检索策略、索引选型可以按需调整;文中技术思路仅供研发参考,不承诺接入后完全消除 AI 写作幻觉与剧情矛盾风险。

今日大家都在搜的词: