DeepSeek等多模型协作优化小说创作技巧

背景

这篇帖子来自 LINUX DO 论坛的「AI」板块，作者分享了自己在多个 AI 工具（deepseek、Gemini、Codex）之间构建循环校验工作流，以提升小说写作质量的实践经验。作者此前已经发布过三期相关技巧，本次为第四期，特别强调了利用 deepseek 当前折扣期，将其纳入现有流程后取得的初步效果。

核心内容

作者原本的工作流（第三期）是：由 Gemini CLI 生成初步大纲，然后交由 Codex CLI 检查并修正，反复迭代直到满意。本期新增了 deepseek 介入的环节。

具体操作步骤：

1. Gemini CLI 生成初步大纲。
2. 将大纲丢进 Codex CLI 检查，找出问题后要求 Codex 全部修正，生成一个完整具体的大纲。
3. 将修正后的大纲放到 CC（作者使用的某个客户端/平台） 里用 deepseek 去检查，让 deepseek 找出问题、进行修正。
4. 修正后的大纲再次放回 Codex CLI，让 Codex CLI 找出问题。
5. 把 Codex CLI 找出的问题复制到 CC 里，提问：“这是由 Codex CLI 找出的问题，正确吗？” deepseek 会回答，然后让 deepseek 全部修正。
6. 得到的新大纲再次放回 Codex CLI，询问“这个大纲怎么样？” 如此循环，直到 Codex CLI 给出满意的评价（不再发现问题），此时就可以将最终大纲投入 Gemini CLI 生成正文。

正文生成与优化流程：

• 用最终大纲在 Gemini CLI 第一次生成正文。
• 对 Gemini CLI 的正文进行优化：指令为“查阅指定文件夹内的优秀小说，学习它们在类似题材（港综、黑白切换、班底戏、商业起盘、堂口接盘）中如何让内容写得有人味、精彩、避免 AI 味，将写法机制用于当前内容，输出优化后的小说正文”。
• 同样用 deepseek 做第一次生成，再用相同指令优化。
• 最终进行融合：以 Gemini CLI 第一次生成的内容为蓝本，依次从 Gemini CLI 优化后的内容、deepseek 生成的内容中挑选更像人写的部分进行替换。这一步可根据需要决定是否再使用 Gemini 网页端进一步优化调整。

关于 AI 率检测的发现：

作者使用名为“朱雀”的检测工具（可能是一种 AI 生成内容检测器）对融合后的文本进行检测，发现其判定存在问题。例如：

• 句子“没拿钱的苦力要吃饭，让他们闹。”被标红（疑似 AI），但同样模式的句子“不拦第一步，拦第二步。”却被标成“疑似 AI”（作者认为后者明显更 AI 化）。
• 作者通过删除某些词语（如“在安静的顶层套房里显得干涩而冷硬”）就能让标红变绿，认为该检测工具存在盲点，不可完全信赖。

关键要点

• 跨工具循环校验是核心：通过 Gemini、Codex、deepseek 三者交替检查与修正，逐步优化大纲，直到 Codex CLI 不再发现问题。
• deepseek 作为新增环节：作者指出 deepseek 目前处于折扣期，且其检查与修正能力可以弥补 Gemini 和 Codex 的不足，但自己尚不熟练，实际效果受限于使用方法。
• 正文优化的重点在于“去 AI 味”：通过参考他人优秀作品中的写法机制（例如港综题材如何写出人味），而非直接依赖 AI 生成结果。
• 多版本融合策略：以 Gemini 第一次生成为基础，逐步混入 Gemini 优化版和 deepseek 版中的优质段落，人工挑选替换。
• 检测工具不可全信：作者通过实验发现“朱雀”检测工具存在明显的误判和盲点，删除部分词汇即可降低 AI 率评分，因此建议使用者不要迷信单一检测指标。

意义与影响

该工作流展示了如何利用当前多个主流 AI 模型（尤其是价格优惠的 deepseek）构建一套“人机协作 + 多模型互检”的写作流程，有效提升生成内容的质量和自然度。对于创作者而言，这份经验表明：

• 单纯依赖一个模型生成长文本往往不够理想，通过多轮交叉校验可以获得更可控的结果。
• 检测工具的局限性提醒用户，AI 文本是否“像人写”最终还需人工判断，不能依赖自动化打分。
• deepseek 的折扣期降低了试错成本，鼓励更多用户尝试将其融入现有工作流。
• 帖子在 LINUX DO 社区获得 59 条回复和 18 位参与者，说明这一方法引起了广泛兴趣，有望推动更多类似实践或优化方案的涌现。