一、版本背景

茄子小说写作助手（qziai.cn）是一个基于 Next.js构建的 AI 辅助写作平台。v2.2.0 是一次比较大的功能扩展，核心变化是把原先相对分散的 AI 能力整理成了一个结构化的"写作工具箱"，同时新增了创作中心、AI 校对、AI 聊天助手、灵感笔记等模块。

本文主要从技术产品角度，记录这次更新的架构设计和实现思路，供做类似产品的开发者参考。

二、核心架构变化：从通用对话到场景化工具

2.1 问题

之前的 AI 写作功能主要依赖一个通用对话框：用户输入 prompt，模型返回内容。这种模式有几个明显问题：

• prompt 门槛高：普通用户很难写出能稳定输出高质量内容的提示词。
• 输出不可控：同一个问题，每次返回的格式和质量差异较大。
• 缺少分类：不同写作阶段（大纲、人设、描写、润色）需要的输入和输出规范完全不同，混在一起处理效率低。

2.2 方案

v2.2.0 的做法是预定义工具：把写作流程拆成 17 个场景，每个场景下再细分具体工具，最终形成 256 个独立的 AI 写作工具。

每个工具本质上是一个封装好的 prompt 模板 + 输入表单 + 输出格式化逻辑。用户只需要选择工具、填写必要参数，不需要自己构造复杂提示词。

这种架构的好处：

• 职责单一：每个工具只处理一类问题，prompt 和输出格式可以针对该场景专门优化。
• 便于维护：新增工具时按分类扩展，不会影响现有工具。
• 可组合使用：用户可以在构思、大纲、正文、润色、校对之间形成工作流。

三、工具箱分类设计

3.1 分类依据

256 个工具被分成 17 个分类，分类逻辑主要基于写作流程中的实际阶段：

其他分类还包括情节设计、冲突构建、环境氛围等。

3.2 题材专项的实现方式

题材专项是这次工具箱里数量最多的一块（128 个工具，占总数一半）。

实现思路不是简单地把同一个 prompt 套到不同题材上，而是为每个题材单独维护一组工具配置，包括：

• 该题材常见的叙事模板（如仙侠的修炼体系、悬疑的推理链）
• 专用术语库和约束条件
• 输出格式规范（如表格、分段、标签化）

这样可以在不更换底层模型的情况下，显著提升特定题材的生成质量。

3.3 数据配置化

工具箱的所有工具信息（名称、描述、分类、输入参数、默认 prompt）都集中配置在一个数据文件中。这样做的好处是：

• 新增或修改工具不需要改动前端代码
• 前端可以根据配置动态渲染工具卡片和输入表单
• 便于后续做 A/B 测试和工具热度统计

四、新增模块的技术实现

4.1 创作中心（Dashboard）

创作中心是这次重构的重点之一，目标是统一入口。

主要包含：

• 创作概览：统计小说/短篇数量、总字数
• 作品管理：长篇和短篇统一列表
• 素材库：人物、情感、环境、服饰等创作素材
• 作者人设：多作者身份管理，生成时绑定不同风格
• 在线课程：iframe 嵌入外部课程页面

技术实现上，这是一个典型的 Dashboard 布局：左侧导航 + 右侧内容区，数据通过多个 API 聚合返回。

4.2 AI 校对与 AI 审查

AI 校对本质上是一个文本质量评估模块，从技术角度看有几个值得注意的点：

多维度评分

目前实现了 8 个分析维度：

• 困惑度（Perplexity）
• 突发性（Burstiness）
• 句式多样性
• 情感丰富度
• 细节密度
• 连接词密度
• 个性化词汇
• 写作瑕疵

最后输出一个 0-100 的"人类写作相似度"综合评分。

逐段标注

不只是给一个总分，还会对文本分段，标记出 AI 痕迹较重的段落，并给出修改建议。这个功能需要把长文本切分成合理粒度的片段，分别计算后再聚合结果。

AI 审查

从安全性、合规性、可读性三个维度做风险检测，对高风险内容给出提示。这个模块对做 UGC 平台比较有参考价值。

4.3 AI 聊天助手

一个标准的对话式 AI 组件：

• 前端：消息列表 + 输入框 + Markdown 渲染
• 交互：打字动画、复制回答、清空对话、点赞反馈
• 入口：右下角浮动按钮，全局可访问

技术栈使用了 react-markdown + remark-gfm 做消息渲染，API 层是一个简单的对话接口。

4.4 灵感笔记

一个轻量级的笔记管理模块：

• 支持标签分类、优先级标记
• 快速搜索和过滤
• "我的灵感"和"共享灵感"双视图

实现上就是一套标准的 CRUD，背后是 notes/ideas 相关的 API 和数据表。

五、其他技术改动

5.1 短篇故事

新增短篇创作入口，整合到创作中心。短篇小说和长篇章节的存储和编辑逻辑有所区别，所以单独做了一套数据模型和页面。

5.2 账单中心与订单记录

• 账单中心：统一展示书币余额和交易记录
• 订单记录：做了桌面端和移动端的独立布局

这是为了适配不同屏幕下的信息密度差异。

5.3 分步创作向导

8 步创作流程：哲学主题 → 故事背景 → 主角 → 配角 → 人物关系 → 大纲 → 角色弧光 → 章节。

每一步对应一个独立的 AI 生成步骤，同时需要把前一步的输出作为下一步的上下文输入。这里需要维护一个跨步骤的状态管理。

5.4 邀请推广系统

包括：

• 推广员仪表盘
• 邀请码管理
• 佣金记录
• 提现账户管理
• 管理端审核

属于典型的分销系统数据模型：用户、邀请关系、佣金记录、提现记录、审核状态。

六、一些可以借鉴的设计点

1. 把 prompt 工程从用户侧移到产品侧：通过预定义工具降低使用门槛，这是 AI 应用从"玩具"走向"工具"的关键一步。
2. 按场景做工具细分，而不是堆功能：同样是 AI 生成，大纲、描写、润色需要完全不同的输入输出规范，混在一起效果会打折。
3. 评估与生成同等重要：AI 校对和审查模块说明，生成内容之后必须有质量评估闭环，否则用户无法判断输出是否可用。
4. 多端独立布局：订单记录这类信息密集型页面，直接为桌面端和移动端分别写布局，比用一套响应式方案更可控。
5. 配置化驱动前端：工具箱用数据配置渲染界面，后续扩展和维护成本更低。

七、客观评价

做得好的地方：

• 工具箱分类比较清晰，覆盖了大量实际写作场景。
• AI 校对的逐段标注和多维度评分有实用价值。
• 创作中心的统一入口解决了之前功能分散的问题。

可能存在的挑战：

• 256 个工具的数量虽然多，但用户实际高频使用的可能集中在 20-30 个，需要后续通过数据分析优化工具曝光。
• 工具质量高度依赖底层模型能力，提示词工程需要持续迭代。
• 多模块并行后，产品复杂度上升，新用户的学习成本可能会增加。

数据来源

1. 茄子小说写作助手 v2.2.0 更新日志（2026-07-05）
2. 项目源码文件结构分析
3. 写作工具箱工具配置数据（256 个工具 / 17 分类）