AI网文写作实验笔记（七）：从 0/20 到 20/20——蓝图要“可判定“才管用。但真人读者一句话：60篇还是看不下去

关注

原创最新推荐文章于 2026-11-13 17:46:27 发布 572 阅读 AI 写同款· GEO 优化 ›

文章目录

30秒极简版： 上一篇（Part 6）已证：仅靠提示词里的约束救不了剧情设计（试错 14 版全失败）。这篇换了个法子——把设计从提示词里拿出来，写成一张"可判定"的表。只给剧情摘要，AI 写出的 20 篇全没戏（0/20）；给它一张把"谁打谁/谁失控/怎么绝杀/什么反转"写成可判定动作的蓝图，20 篇全达标（20/20）。

🔴 一句话先记住（全篇最重要的防误解）：AI 评出的"有戏"，不等于真人觉得"好看"。 真人读者盲评 60 篇后说"60 章基本上都看不下去"——蓝图解决的是**"戏的设计"这一层**，文风执行还有最后一公里（Part 5 的文风校准）。

写给谁： 用 AI 做剧情设计、但总觉得"写平了"的作者和编辑。

结论先行：三个问题，一句话回答

（先记住三组代号：A = 无蓝图；B = 五维爽感蓝图；C = 反套路戏蓝图。下文反复用。）

1. 上一篇说"约束救不了剧情设计"——那剧情设计是不是 AI 永远干不了？
不是，但救它的不是"提示词"，是"可判定的蓝图"。 把设计从提示词里拿出来、写成一张能打勾/打叉的表，AI 照表执行，剧情设计就管住了——无蓝图 0/20 篇有戏 → 反套路蓝图 20/20 篇有戏（两个 AI 评者一致）。

2. 蓝图怎么才算"管用"？写得越多越好吗？
不是写得越多越好，是越"可判定"越好。 五维蓝图写"峰值要在 70%-80% 位置"这种抽象标准，AI 落实率只有 57%；反套路蓝图写"情魔必须戳主角本人"这种可判定项，落实率 91%。蓝图项必须是"能做到/做不到"二选一的。（B 组"五维失败"的边界：可能是颗粒度不够，不一定是五维方法论不行——补充对照组 B’ 组没跑：把可判定项补进五维蓝图再跑 20 篇，看能否追平 C 组。）

3. 那是不是"剧情设计对了 = 读者会看"？
不是——这是本篇被真人读者一句话打醒的地方。 两个 AI 评者都觉得 C 组"有戏"（20/20 达标），但真人读者盲评 60 篇后说：“60 章基本上都看不下去，偶尔有那么几句能看的。” 设计层解决了，执行层（文风）还有最后一公里，那是 Part 5 文风校准的事。

📊 本期关键数据（全部来自真实生成留档，可复现）

数据点数字
无蓝图时"有戏"篇数 0/20
五维爽感蓝图时"有戏"篇数 3/20
反套路戏蓝图时"有戏"篇数 20/20
蓝图执行度（五维 vs 反套路，见下方定义） 57% vs 91%
AI 评者1 继续阅读意愿（无→五维→反套路） 1.00 → 3.10 → 4.25
AI 评者1 有戏四要素计数（五维→反套路） 1.15 → 3.65
真人读者盲评（全篇最关键） 60 篇整体看不下去（57/59 篇 Q1=1）
双评者信度（Pearson r 排序一致） 0.794 ~ 0.880

数据点	数字
无蓝图时"有戏"篇数	0/20
五维爽感蓝图时"有戏"篇数	3/20
反套路戏蓝图时"有戏"篇数	20/20
蓝图执行度（五维 vs 反套路，见下方定义）	57% vs 91%
AI 评者1 继续阅读意愿（无→五维→反套路）	1.00 → 3.10 → 4.25
AI 评者1 有戏四要素计数（五维→反套路）	1.15 → 3.65
真人读者盲评（全篇最关键）	60 篇整体看不下去（57/59 篇 Q1=1）
双评者信度（Pearson r 排序一致）	0.794 ~ 0.880

⚠️ 关键自检（给专业读者）： 核心事实：①蓝图有效，两个 AI 评者确认（A→B/C 阅读意愿显著）；②"反套路 vs 五维"在戏的深度上反套路显著更强（两评者一致），"阅读意愿"上两 AI 评者有分歧；③真人读者盲评：60 篇整体看不下去——设计层解决了，但绝对质量仍不达标，需文风校准（Part 5）补齐；④B’ 组对照未跑。完整说明见边界节。

📖 本文用词定义（先对齐，避免各说各话）

蓝图：一张"剧情该发生什么"的表，不是细纲。关键性质是每一项都可判定——"能做到/做不到"必须黑白分明
有戏四要素（本篇做蓝图和评分尺）：①双向博弈（反派真打主角本人，不讲别人的故事）②角色失控（反派自己崩，不是作者安排它崩）③主角绝杀（带动作的狠话，不是讲道理）④信息差反转（主角掌握反派不知道的信息，关键节点亮出）。满足至少 2 项算"有戏"
执行度：把蓝图逐项和成品核对，实际落实的比例。这是本篇的核心指标——直接回答"AI 有没有照蓝图做"
五维爽感卡（一种爽感评估尺：情绪峰值/期待管理/压抑释放/节奏密度/钩子，每维 1-5，满分 25）：本篇用它做模板化评分的对照尺，并意外发现了它的视角盲区（见第四节）
白描（Part 5 的文风规则）：不用比喻、不渲染情绪，只写动作和对话。例：写"他攥紧印，指节发白"，不写"他心中的怒火如潮水般涌来"。

📌 给不熟网文的读者（网文作者可跳过）： 上面几个词是爽文常用的"零件"——情绪峰值=让读者心跳加速的那一下（打脸/绝境翻盘）；钩子=结尾留的悬念，勾着读者点下一章；压抑释放=先憋着再爽（先被欺负再反杀）；节奏密度=信息推进快不快、水不水。

⚠️ 别把"五维爽感蓝图"和"五维爽感卡"搞混：蓝图是喂给 AI 的写作指令（B 组用），卡是评成品好坏的评分工具。名字像，用途完全不同——一个管"写之前给什么"，一个管"写完之后怎么打分"。

📌 关于"有戏四要素"的来历（诚实交代，不装成业界公理）： 这四项不是任何公认的理论框架，是本系列 Part 6 从 14 版失败归档里反向归纳出来的工作定义——我们试了 14 版反派攻心戏全失败，逐版归档后失败模式收敛成 5 种病根，四要素就是"每种病根的对症解"：讲别人→谁打谁（双向博弈）、主角变辩论家→怎么绝杀、反派从不崩→谁失控、作者解说→信息差反转。为什么是这四项而不是五项？ 因为 Part 6 的病根正好是这四类（第五类"抒情宣讲"是文字层，不归剧情层）。"至少 2 项算有戏"的阈值是 Part 6 定的约定，不是推导出来的公理。所以：四要素是"能分出 0/20 和 20/20 的尺子"，但不是"业界认证的戏好标准"——想要更硬的客观性，需要第三方盲审（见边界第 4 条）。

🎯 如果你想直接带走结论：总览表（完整分工见第五节）

同一段剧情（陆清玄持封魔印走山路、情魔蛊惑他），分三组各 20 篇。下表是"AI 评者1"视角（后面有"AI 评者2 复核"视角，两个都要看）：

组给了什么继续阅读意愿(1-5) 五维卡(25) 有戏四要素(4) "有戏"篇数执行度
A 无蓝图只给剧情摘要 1.00 6.0 0.00 0/20 —
B 五维爽感蓝图峰值/压抑释放/钩子等模板结构 3.10 14.2 1.15 3/20 57%
C 反套路戏蓝图谁打谁/谁失控/怎么绝杀/什么反转 4.25 18.2 3.65 20/20 91%

⚠️ 注意：这张表是AI 评者1的分数。用第二个独立 AI 评者复核后发现两个区别：①"有戏四要素"上两个 AI 评者都认为 C 最强（1.15→3.65 / 2.95→3.90）；②"继续阅读意愿"上，评者2 认为 B、C 都够"想读"了（4.00 vs 4.10，差异不显著），与评者1（3.10 vs 4.25 显著）不一致。所以"反套路 > 五维"在"戏的深度"上两个评者都确认，但"阅读意愿"上两个 AI 评者有分歧。⚠️ 真人读者盲评已回收：60 篇整体看不下去（57/59 篇 Q1=1，含 C 组）——这张表的"相对更好"不等于"绝对达标"（详见实验设计节的真人盲评段）。

组	给了什么	继续阅读意愿(1-5)	五维卡(25)	有戏四要素(4)	"有戏"篇数	执行度
A 无蓝图	只给剧情摘要	1.00	6.0	0.00	0/20	—
B 五维爽感蓝图	峰值/压抑释放/钩子等模板结构	3.10	14.2	1.15	3/20	57%
C 反套路戏蓝图	谁打谁/谁失控/怎么绝杀/什么反转	4.25	18.2	3.65	20/20	91%

一、承接上一篇：从"提示词挤设计"到"蓝图里给设计"

承接AI网文写作实验笔记（六）：试错14版，我承认只靠提示词，AI写不出"有戏"的剧情。

Part 6 用 14 版对话调教、0/15 台词红线、0/4 戏剧设计项证死了一件事：在"只有写作约束 + 剧本格式、没有剧情结构蓝图"的设定下，提示词救不了剧情设计。但我当时留了个诚实的边界：

“我们没证明的是：给 AI 明确的剧情结构框架（节拍表、冲突曲线），它能不能承担’剧情执行’。 后者是下一篇要测的方向。”

这个"下一篇"就是本期。我们手头有一套五维爽感框架（情绪峰值/期待管理/压抑释放/节奏密度/钩子），正好能当"蓝图"用。所以实验问题是：

人先定结构蓝图，AI 照蓝图执行——能不能救剧情设计？

和 Part 6 的关键区别：Part 6 是"从提示词里挤设计"（在 prompt 里写"要有博弈/要有绝杀"），AI 学不会；本期是"把设计从提示词里拿出来，写进一张表"（人填表、AI 查表执行）——设计不再靠 AI"领悟"，而是靠人"给定"。

二、实验设计：三组对照，防的是"循环论证"

素材与分组：

素材：Part 6 同一段场景（陆清玄持封魔印走山路、情魔蛊惑他），保证和 Part 6 数据连续。
三组，唯一变量 = 蓝图的有无与类型：A 无蓝图（只给剧情摘要）/ B 五维爽感蓝图（峰值、压抑释放、钩子等结构）/ C 反套路戏蓝图（谁打谁/谁失控/怎么绝杀/什么反转）。
每组 20 篇 = 60 篇，一次性生成、禁追问/校准（追问是 Part 8 的事，本期只测"蓝图→一次生成"，避免双重增益无法归因）。

防循环论证的两个设计（本实验最容易被挑刺的地方，先说清，包括没防住的）：

1. 蓝图里写了"峰值/钩子"，再用五维卡去评，不是"喂什么评什么"吗？
所以拆成两个独立指标：执行度对照（蓝图逐项 vs 成品逐项核对，评"AI 有没有照做"）+ 盲评观感（评者看不到任何蓝图，只看打乱组别的纯成品，评"成品好不好"）。

2. 评者怎么保证盲？
60 篇打乱组别、随机编号，AI 评者1（主评者）+ AI 评者2（独立模型 deepseek，没看过蓝图）各自独立打分。信度按两种口径报告（下面的表是给专业读者的，看不懂直接跳，结论不依赖它）：

指标	Pearson r（排序一致性）	ICC(2,1) 绝对一致
继续阅读意愿	0.834	0.689
整体好看度	0.794	0.776
五维卡总分	0.880	0.693
有戏四要素	0.805	0.755

两种口径都要说清： Pearson r（≥0.7）达标，衡量的是排序一致性——两个评者认为"哪篇好"的先后是否一致。ICC(2,1) 绝对一致（0.689~0.776）略低于 0.7，因为评者2 存在系统偏移（五维卡平均比评者1 高 3.43 分）。对本实验而言排序一致就够——因为所有结论都是组间对比（A/B/C 三组都受同样的偏移影响，偏移被抵消），不是绝对分数。但如果有人要拿"某篇具体几分"当标准，绝对一致不足是个真问题，需要第三方评者校准。

⚠️ 踩坑（一句话，给想复现的人）： AI 评者默认宽松——第一轮 deepseek 52/60 篇全打 4 分，提示词强制"必须拉开分差"后才正常。AI 评者也要上约束。

⚠️ 一个诚实声明：C 组在"有戏四要素"评分尺上有同源问题。 C 组的蓝图就是四要素，评分也用四要素——C 组在这把尺上拿高分，部分是"蓝图内容 + 执行度"的直接结果，不是独立证据。所以主结论不能只靠"有戏四要素"撑。解法见下：用第二个独立 AI 评者交叉验证（它不知道任何蓝图概念），再用真人读者把关。

⚠️ AI 评者交叉验证（第二个独立 AI 评者，零组别暴露）： 用第二个独立 AI 评者（DeepSeek，未参与生成、未看过蓝图）对 60 篇纯正文只评 2 项：Q1 继续阅读意愿 + Q2 有戏四要素计数。结果：

蓝图有效（AI 复核支持）：A→B 阅读意愿 3.05→4.00（幅度31%），A→C→4.10（幅度34%），均 p<0.0001
"戏的深度"上反套路显著更强：Q2 计数 2.95 vs 3.90（d=1.64，幅度 32%）——与评者1 一致
"阅读意愿"上该评者判 B、C 相当（4.00 vs 4.10，不显著）——与评者1（3.10 vs 4.25 显著）不一致，说明 AI 评者之间也有分歧

真人读者盲评（全篇最关键的数据，请放慢读）

我们请一位真人读者对 60 篇纯正文盲评（Q1 想不想读 1-5 + Q2 有戏四要素 0-4）。60 篇都有评分，1 篇（篇56）的 Q2 没填有效数字，以 59 篇有效计。 真人的判断直白得吓人——“60 章基本上都看不下去，偶尔有那么几句能看的。”

Q1：57/59 篇打 1 分（=完全不想看），仅 2 篇打 2 分——没有一篇达到 3 分
Q2：56/59 篇打 0 分——包括四要素最齐的 C 组（撕信、"我就是殿主"这些我们以为"有戏"的）
真人唯一给相对高分的 2 篇（Q1=2 Q2=2）：一篇是 A 组无蓝图、一篇是 B 组五维——连 C 组都没拿到最高分

它比任何组间对比都重要，三点：

60 篇绝对质量都没到真人"想读"门槛，包括"有戏"的 C 组——"有戏四要素"达标 ≠ 好看。
蓝图解决了"戏的设计"（相对 A/B 显著更好），但没解决"执行层"——这 60 篇全是白描初稿，未做文风校准。这恰好和 Part 5 闭环：设计层救完，还有最后一公里（文风校准）。
AI 评者分数天然虚高——AI 是"相对打分器"（总有人高有人低），真人用"绝对尺度"（我愿不愿意读）。AI 的"4分" ≠ 真人的"4分"。

关于"真人给 A/B 最高分、C 组没拿到"（诚实，不粉饰）： 真人样本仅 1 位（n=1），且这位读者明显偏好"留白/克制"风格（A 组沉默走路的调子、B 组干净的绝杀对上它的口味）。"有戏"和"某个读者的口味"是两件事；但也暴露真问题：C 组"有戏"的设计，被粗糙的白描初稿埋掉了——真人只看到"写得平"，读不到"戏"。这再次指向：设计层解决后，文风执行层（Part 5 校准）是必经之路。

⚠️ B’ 组没跑（变量没拆干净，见边界第 5 条）： B 组失败可能是"五维框架不行"，也可能是"五维蓝图没规定’必须戳主角本人’这种可判定项"（颗粒度问题）。理论上把可判定项补进五维蓝图再跑 20 篇，可能追平 C 组。所以只能说"四要素蓝图在本实验优于五维模板"，不能说"五维方法论不行"。

预实验： 每组先跑 5 篇验证字数分布（A 组 372 字、B/C 组 428/436 字，差异 15% 在基线内，非伪影）、无地板/天花板效应、三组方向符合预期。确认无误后补到每组 20 篇。

三、结果：0/20 → 20/20，同一个剧情，三种结局

先看最有冲击力的一张图

在这里插入图片描述

无蓝图 0/20、五维蓝图 3/20、反套路蓝图 20/20（两个 AI 评者视角）。 这个数字自己会说话：不是"略好一点"，是"从完全没有，到相对全部达标"。

⚠️ 先剧透一句（真人盲评结果）： 上面所有"达标"都是 AI 评者的相对判断——真人读者盲评 60 篇，57/59 篇打了"完全不想看"（Q1=1），连 C 组都看不下去（真人盲评详见第二节「真人读者盲评」小节）。所以下面看 A/B/C 怎么比之前，先记住：比出"谁更好"≠ 达到"能看"。

三组全指标对照（模型评者视角）

在这里插入图片描述

这张图 = 文首总览表的可视化（AI 评者1 视角）。三组分数见总览表；AI 评者2 复核 + 真人盲评见实验设计节对应段。

组间检验（不懂统计的读者直接跳到下一节，结论一句话：差异不是碰巧，是断崖）：用曼-惠特尼U + Cohen’s d + 相对预设的 30% 变异系数基线三重判定，所有对比 p<0.0001。Cohen’s d 具体值与 95% CI：继续阅读意愿 A vs B = 9.65 [7.80, 12.53]、A vs C = 10.35 [8.38, 13.42]、B vs C = 3.01 [2.22, 4.13]；五维卡 B vs C = 2.37 [1.65, 3.35]。所有 CI 下限都远大于 0。（注：n=20 是小样本，但 0/20 vs 20/20 的断崖让效应极大，CI 全部不跨 0，结论稳健。）

A 组（无蓝图）：完美复现 Part 6 的"平庸"

A 组的 20 篇几乎篇篇同一个模板——情魔历数山里弟子/老道/老头对亡故挚爱的执念（讲别人的故事，Part 6 病根1），主角全程沉默走到殿前，没有峰值、没有钩子、没有反转：

“你看坡下那个练剑的弟子，他剑穗系着的木牌，刻着早逝师妹的名字……山腰茶棚里的老道，泡的茶永远是两碗，另一碗摆了三十年……山门前守夜的老头，每晚都会把腰牌擦五遍，那是他战死儿子的遗物。”

陆清玄继续走，鞋跟磕在石阶的棱角上，发出闷响。

AI 评者1 给它打了 1.00/5"继续阅读意愿"（AI 评者2 给 3.05——评者2 绝对分数整体偏高，但 A 组仍是它排序中的最低分）——20 篇全是这个水平。这直接验证了实验设计：A 组是"干净的控制组基线"。

B 组（五维爽感蓝图）：结构全落实了，戏还是平的

B 组的蓝图里明确写了"峰值类型=主角绝杀"“压抑-释放闭环”“结尾危机钩子”。AI 确实做到了——每篇都有绝杀句、有结尾钩子，五维卡总分从 6.0 拉到 14.2。但"有戏四要素"只有 1.15/4，20 篇里只有 3 篇达标。 为什么？看实例（节选）：

“你看左前方那株老松，挂着的木牌写着阿芷，守山的李老道，每天都来擦三遍。”
“你再看右侧崖边的草屋，窗台上摆着三双绣鞋，住的小师妹，去年死了双修道侣……”
“你脚下的石阶，每级都刻着名字……人人都有，凭什么我的错？”

走到石阶中段，他站定，封魔印的底磕在石阶棱角上。暗纹全亮，声音尖起来：“你敢动我？”
他把封魔印举到眼前：“你吃情，我吃你。”
封魔印的暗纹瞬间全灭，他转身往山顶走，身后飘来一道细弱的惊呼声。

绝杀有了（“你吃情，我吃你”）、钩子有了（“身后飘来一道惊呼”）。但戏还是平的——因为：情魔从头到尾在讲别人的故事（李老道、小师妹），没戳主角本人；主角一句狠话后博弈就结束了，情魔没反击、没失控、没崩坏。情魔最后那句"人人都有，凭什么我的错"是在自我辩解，不是戳主角的疤——所以主角的绝杀是单方面宣言，不是回应性反击。

这就是 B 组在本实验中的教训：抽象的五维模板能落实"结构"，落实不了"戏"。 峰值、钩子、压抑释放是结果指标，不是方法——前提是蓝图没把这些指标变成"必须戳主角本人"这种可判定项（如果补上，结果可能不同，见边界第 5 条）。

⚠️ 还有一个可能的因素，得承认（让 B vs C 的对比更公平）： 五维爽感卡更擅长"打斗/升级/碾压"这类外部冲突戏，而本实验测的是"攻心对话戏"（心理博弈）。可能是"工具没匹配场景"，不完全是"五维不行"——换个打斗场景，五维的表现可能更好。这跟 B’ 组是同一个方向的未解问题（边界第 5 条）。

C 组（反套路戏蓝图）：真的在交锋

C 组的蓝图写的是"谁打谁（情魔戳主角本人）/谁失控（情魔自己崩）/怎么绝杀（主角一句带动作的狠话）/什么反转（信息差）"。结果是 20/20 篇全部"有戏"（两个 AI 评者一致）。

先交代设定（不看这个看不懂）： 情魔能窥探人心、吞食执念为生。它一路上都在揭主角的疤——但它不知道，主角早就看穿了它的能力，一直在心里演给它看。

C 组示例（原文节选）：
情魔：“你师姐坠崖那天，你站在崖边，没伸手。”　← 它在打主角本人，不是讲别人的故事
情魔：“你怕牵连，你怕死，你不敢动。”　← 继续紧逼，张力拉高
气丝突然拧成一团，声音破了调：“你凭什么装得干净？”　← 它自己崩了，被主角的沉默逼到失控
陆清玄把印举到眼前：“你看到的，都是我让你看到的。”　← 反转：你窥探的全是我演给你看的假象
陆清玄把印按在胸口：“你吃的情，是我喂的。”　← 绝杀：你吞食的执念，全是我故意放的饵

这场戏为什么"爽"？ 情魔以为自己是猎人——一路把主角的疤揭到墙角；结果主角一句话掀桌：你窥到的是我演的，你吃的是我喂的——你从头到尾都在我的局里。 猎人变猎物、攻守易位，这就是"有戏"。（注意：主角没有否认师姐坠崖是真的——那是事实，他故意让情魔看到它、作为诱捕的饵。“我让你看到的"不是"全是假的”，是"这些是真的，但正是我想让你看到的"。）

到这里，A/B/C 三组都讲完了。请记住一个关键边界：上面所有"有戏/达标"都是两个 AI 评者的相对判断；真人对这 60 篇的整体评价是"看不下去"（详见第二节真人盲评段）。蓝图解决了"戏的设计"，不是"全部"。

四、为什么反套路蓝图更好：它更"可执行"（本实验内），而且模板评分卡评不出它

执行度：57% vs 91%，这是最硬的解释

把两组蓝图逐项和成品核对：

在这里插入图片描述

五维蓝图执行度 57%：“情绪峰值要在 70%-80% 位置”“压抑-释放要闭环配对”——这些是抽象标准。AI 理解成"安排个高潮就交差了"，峰值位置、闭环配对经常没落实。你没法指着成品说"这条你违反了"——因为"压抑够不够"说不清。
反套路蓝图执行度 91%：“情魔是否戳了主角本人”“情魔是否自己崩掉”“主角是否有带动作的狠话”“是否有信息差反转”——这些是动作指令，是非判断。AI 能照着做，你也能逐项验收。

结论：蓝图不是写得越多越好，是越"可判定"越好。 一个能打勾/打叉的蓝图项（“情魔戳了主角本人=✓”），比一个模糊指标（“压抑是否足够”）管用得多。这跟 Part 6 的发现完全互证——Part 6 说约束要落在"执行层"才有用，蓝图也同理：要落在"可判定"才管用。

一个发现：五维爽感卡评不出反套路戏（也是本实验的尺子局限）

B 组和 C 组用五维卡打分，差异只有 28%——未达到 30% 的统计门槛。但用"有戏四要素"卡评，C 组显著胜出。

为什么？五维爽感卡的评分项是固定死的爽感类型（峰值类型只认"绝境翻盘/碾压装逼/真相揭示/情感爆发"这四种，钩子类型只认"悬念/危机/情感/信息"这四种）。C 组反套路戏的"我演的/我喂的"反转根本不在这四类里，这张卡自然评不出它好。

这个发现的双面性要看清： 一方面它说明"用什么尺子决定你能看见什么"——评反套路戏要用"有戏四要素"卡；另一方面它也提醒我们"有戏四要素"卡和 C 组蓝图同源（详见第二节），AI 评者不能当标准答案，真人读者的"看不下去"才是硬标准。

五、可落地的 SOP：四行戏蓝图（Part 6 分工升级版）

Part 6 说"人定关键动作+台词+反转点，AI 白描执行"——但那套是路线图（14 版全失败，没跑通一版）。本期把它落成了一张可填的表，并且 60 篇盲测验证通过：

【人工】填"戏蓝图"——不要写细纲，只填 4 行：
    □ 谁打谁：情魔要戳主角哪件私事（不许讲别人的故事）
    □ 谁失控：情魔到哪句话自己绷不住（不许作者安排它崩）
    □ 怎么绝杀：主角哪句带动作的狠话，一句掀翻它
    □ 什么反转：主角掌握的情魔不知道的信息，什么时候亮
        ↓
   AI 照蓝图写正文（白描铁律执行）
        ↓
【人工】终审：只查 4 要素落实没有，文字不动

为什么 4 行就够？ 蓝图的职责不是"写剧情"，是"定冲突的骨架"——谁和谁博弈、怎么升级、怎么收尾、靠什么反转。剩下的话怎么铺、情绪怎么渲染，全交给 AI 的白描执行。你只写"决策"，AI 负责"展开"。

一张空白模板 + 一个填好的例子（照着填就行）：

蓝图项	空白模板（照抄）	示例填写（C 组这场戏）
谁打谁	反派要戳主角哪件私事	情魔揭露：主角师姐坠崖那天，他站在崖边没伸手
谁失控	反派到哪句话自己绷不住	情魔发现主角全程在演（"你凭什么装得干净？"声音破调）
怎么绝杀	主角哪句带动作的狠话	“你吃的情，是我喂的”（把印按在胸口）
什么反转	主角掌握、反派不知道的信息	主角早看穿情魔能窥心，执念是故意放的饵

填的时候记住：每一项都得是"做到了/没做到"二选一——你写"反派要戳主角的伤疤"，AI 能照做；写"反派要有压迫感"，AI 就不知道怎么办。

判断标准（承接 Part 6，升级版）：

执行（白描、扩写、拆场景）→ 交给 AI，上约束
设计（对话怎么交锋、反派什么时候崩、绝杀往哪捅、信息差是什么）→ 人填表，填成可判定的动作指令，不填抽象形容词
蓝图项必须是"能做到/做不到"二选一的——写不出"没做到算不算违规"的蓝图项就是模糊的，AI 必然跑偏

✅ 这是本系列第一篇"验证过的"SOP（限本场景内，且只验证了"设计层"）。 Part 6 原文写明"坦白：这套 SOP 是设计，还没跑通"（那是 Part 6 的状态）；本期 C 组 20/20 达标（两个 AI 评者一致）、双评者信度通过，"人填戏蓝图 → AI 白描执行"在"让剧情有戏"这一层是被验证过的。但真人盲评显示 60 篇绝对质量仍不达标——这个 SOP 只解决了"戏的设计"，文风执行层还需 Part 5 的文风校准。 跨场景/跨模型的普适性，等 B’ 组对照补完再下判断。

💡 明天就能试：最小闭环（3 分钟）

拿你手头一场写不好的戏，填 4 行：
谁打谁：（反派要戳主角哪件真实私事）
谁失控：（反派哪句话开始崩）
怎么绝杀：（主角哪句狠话+什么动作）
什么反转：（什么信息差亮出来）

把这 4 行喂给 AI，说：“照这张表写这场戏，白描，不要比喻。”

对比输出：四要素落实了几个？尤其看"反派是不是真在打主角本人"——这是 20 篇里最容易丢的一项。填过表的人，才知道"可判定的蓝图"和"抽象的要求"差别有多大。

六、本期数据与样本（全部存档可索取）

按本系列原则，全部生成留档可复现：60 篇正文（group_A/B/C/，盲评原文）、盲评文件（blind_review.md + 答案）、双评者原始打分、统计脚本与正式报告（exp16_report.md、design.md）——全部打包，评论区或私信找作者要。

这些不是"筛选过的好样本"——60 篇全在里面，A 组有多平庸、C 组有多有戏，对照看最直观。

七、实验边界与局限（一句话一条，详细数据见对应节）

单场景、单模型、单题材：只测了"攻心型对话戏"、doubao 一个模型。打斗/权谋/情感爆发场景、跨模型（deepseek/GPT/Claude）未验证——结论只说"本场景成立"。
蓝图内容由人填：B/C 蓝图是我按各自方法论写的，换人填可能更强——结论是"蓝图这个工具管用"，不是"我填的五维蓝图一定差"。
一次性生成：只测"蓝图→一次生成"，没测"蓝图+追问优化"的叠加（Part 8 的事）。
真人盲评（本篇最大发现 + 最大局限）：60 篇整体不达标（57/59 篇 Q1=1，含 C 组）——"有戏四要素"是必要非充分条件，蓝图解决设计层、文风执行层待 Part 5 校准；真人样本仅 n=1，且该读者偏好留白/克制风格（见真人盲评段），建议 2-3 位。
B’ 组没跑（变量没拆干净）：五维蓝图补"必须戳主角本人"可判定项后能否追平 C 组，未验证——所以只能说"四要素蓝图在本实验优于五维模板"，不能说"五维方法论不行"。
评估者信度：模型评者 Pearson r 达标（0.794~0.880），ICC 绝对一致略低（0.689~0.776，评者2 有系统偏移）；AI 评者之间在"阅读意愿 B vs C"上有分歧——AI 评者不能当标准答案，真人读者的"看不下去"才是硬标准。

措辞边界（给引用者）： 本文所有结论限定在**本场景、本模型、单次生成（无追问）**内。可确认的只有：①加蓝图显著提升"阅读意愿"（两 AI 评者一致）；②反套路蓝图在"戏的深度"上显著优于五维模板（两评者一致）；③真人盲评 60 篇整体不达标——蓝图解决设计层，文风校准解决执行层。不扩展到"五维方法论普遍不行"“任何场景都该用四要素”，也不把"绝对达标"当已证结论。

🎯 你可能踩过的坑 → 快速索引（读完正文后，对号入座）

你现在的做法对应的坑正文位置
给 AI 加"要写得爽/要有冲突" 抽象要求，AI 只会套最安全模板第三节（A 组）
用爽感结构（峰值/钩子）当蓝图结构落实了，戏还是平的第三节（B 组）
让 AI"自由发挥补充剧情" 它会自己改你定的台词和剧情第三节（B 组实例）
以为"人设计=写细纲" 不需要，一场戏 4 行表第五节（SOP）
用五维爽感卡评反套路戏评不出来，模板评分卡有盲区第四节（一个发现）

你现在的做法	对应的坑	正文位置
给 AI 加"要写得爽/要有冲突"	抽象要求，AI 只会套最安全模板	第三节（A 组）
用爽感结构（峰值/钩子）当蓝图	结构落实了，戏还是平的	第三节（B 组）
让 AI"自由发挥补充剧情"	它会自己改你定的台词和剧情	第三节（B 组实例）
以为"人设计=写细纲"	不需要，一场戏 4 行表	第五节（SOP）
用五维爽感卡评反套路戏	评不出来，模板评分卡有盲区	第四节（一个发现）

八、一句话总结

约束管不住设计，但"可判定的蓝图"能——只要你把蓝图写成动作指令：谁打谁、谁失控、怎么绝杀、什么反转。

上一篇的 14 版失败，败在"从提示词里挤设计"；这一篇，赢在"把设计写进一张可判定的表、让 AI 照表执行"（无蓝图 0/20 有戏 → 反套路蓝图 20/20，AI 评者视角）。剧情不是玄学，是一张 4 行的表。人填表，AI 写字。

蓝图解决的是"戏的设计"这一层（两个 AI 评者确认）；真人读者一句话点破：60 篇整体还是看不下去——设计层解决了，文风执行还有最后一公里（Part 5 的文风校准）。

（结论限定在本场景、本模型、单次生成内；B’ 组对照未跑，真人样本 n=1 且判 60 篇整体不达标——设计层解决了，执行层待文风校准，普适性等补完再下判断。）

本系列进度： Part 1（实验框架）→ Part 2（样本量）→ Part 3（约束数量）→ Part 4（规则形态）→ Part 5（文风标杆）→ Part 6（大纲端的剧情设计上限）→ Part 7（剧情蓝图，本篇） → Part 8（追问轮数 + 场景粒度）

（进度说明：Part 7 原规划为"五维爽感设计 + 场景粒度"，实际执行时把"五维爽感"升级为"剧情蓝图"三组对照（无/五维/反套路）。结论经两个独立 AI 评者交叉验证 + 真人读者盲评后精确化为：加蓝图显著提升阅读意愿（两 AI 评者一致）；"反套路四要素蓝图"在戏的深度上显著优于五维模板（两评者一致）；"阅读意愿"上两 AI 评者有分歧；真人盲评显示 60 篇整体不达标——蓝图解决设计层，文风执行层待 Part 5 校准补齐。未解事项：B’ 组对照（边界第 5 条）、真人样本 n=1。场景粒度实验顺延为 Part 7 番外/Part 8。追问轮数是蓝图+追问叠加效果的测试入口，与本文边界第 3 条衔接。）