保持文风不靠玄学：实测有效的三层做法

求助帖的原话大多长这个样子：「前几段还挺像，续到第三十段，主角说话一股翻译腔，原著那股劲儿没了。」我们在上一篇里回答了「为什么会漂」；这一篇回答怎么办。保持文风这件事，实测有效的做法有三层，按投入从小到大排：一句指令、来源标注、换模型。每层都给实验数据，数据来自同一套评测管线：一本 890 万字的传统玄幻加一本《后宫·甄嬛传》，六百多轮续写生成，双盲评审。

第一层：一句话把基准说死

很多人以为保持文风的正解是把原著多喂一点，喂到模型「读进去」为止。我们专门测过这个直觉：同一个续写点，上下文从 4k 一路加到 20 万 token 共五档，每档各生成六次。结果是反的：不加任何指令的组，20 万 token 档的比喻套话密度冲到原著的 10 倍，「宛如」「仿佛」「一丝」满篇跑。27 万字原著整个塞进去，模型也不会自动拿它当文风基准。

上下文提供的是可模仿的材料；「以谁为基准」必须说出口。说的方式便宜得让人不好意思：

加了这一句的组，五档上下文的套话密度全部压低，平均约减半，20 万 token 档也没有被稀释。直读对照最直观：同一位置无指令组 340 字里堆了 5 处「宛如／如同／仿佛」，加指令组剩 1 处。这层的性价比最高，任何工具里都能用，写进你自己的续写提示词就行。

第二层：告诉 AI 哪段才是原著

一句指令有个前提在偷偷失效：它说「参考原著正文」，可是连续续写到第十五轮，上下文里一大半已经是 AI 自己前十四轮的产物。模型分不清哪段是原著哪段是自己，「参考原著」慢慢变成「参考自己」。我们跑的裸提示词对照链，二十轮里句长波动系数从 0.64 掉到 0.52（原著是 0.84），句子越写越匀、越写越圆——这就是「越写越不像」的机器指纹。

第二层做法是在上下文里标注来源：分界行标出哪段是原著正文、哪段是此前的 AI 续写，配一句声明「文风、用词、句式节奏以原著段落为基准」。加了标注的链，前几轮和对照组差不多，中后段反超：句长波动从 0.56 回升到 0.64，两个互不知情的盲评审在不同匿名映射下独立写出了同一个观察：「越写越像」。标注是随 AI 段占比上升而增值的长跑保护器，轻度用户感知不明显，重度续写用户吃到的保护最多。

措辞有一条红线。我们最初把声明写成「AI 续写段落仅供情节衔接参考」，结果某个模型把「仅供参考」理解成「不算正文」，二十轮里二十次跳过全部续写内容、回到原著末尾重写开场；把声明拆成两句显式表述后归零。教训写进了工程规范：对上下文里的陌生标记，说明不可省，措辞按最容易误读的模型设计。手动派可以照这个思路自己拼；在 Foreverse 里这层是设置里的一个开关，声明措辞出厂配好，模型复读标记行也会被拦下。

第三层：换个跟原著对脾气的模型

前两层是把现有模型的能力压榨到位；天花板由模型本身决定。九个模型、两种文体、每模型一条 20 轮链的双盲评审给了一个反直觉的结论：没有万能的文风模型。传统玄幻的第一名，到女频宫斗滑到第六七位——它的白话直给、快节奏推进在玄幻是母语，在典雅语体里失色；女频第一名的「笔更细」，在玄幻恰好是被评审扣分的地方。同一种特质，跨文体正负翻转。唯一两种文体都进前三的模型，带着全程半角引号写对话的顽疾。

所以选模型别问「哪个最好」，问「哪个跟我这本书对脾气」。完整名次和每个模型的失效现场在九模型横评里；想亲眼看「写崩长什么样」，中文续写实录馆陈列了三种失效模式的现场片段：从头复读、中途卡死、尾段回卷，每个标本旁边摆着正常链的对照组。

这三层管不了的事

两条边界先说破。句式节奏的完全对齐做不到：无论怎么加指令加标注，所有实验组的句长波动都够不到原著的 0.84，「短句剁开」的碎劲儿是目前所有大模型共同的短板。场景锚定也不归文风层管：二十轮之后各组都从原著的阵法战场漂进了密林山谷，剧情记忆要靠设定词条和状态追踪去锁，文风指令只负责文风。

剩下的部分是纯收益。三层全开的成本是一句提示词、一个开关、一次选型。效果的上限长什么样，实验里已经出现过一次：跑完二十轮，盲评审把那条带标注的链的最后一个窗口，评为全场最贴近原著的一段——不是第一段，是第二十轮。