一个观察：自由生成的热度过去以后，问题回到了“谁在讲这个故事”
过去一段时间，AI互动叙事最容易被展示的能力是“无限续写”：玩家输入什么，模型就往下写什么。它在最初几分钟里非常吸引人，可玩过一阵以后，问题也同样明显：故事没有主题，人物前后不一，伏笔无人回收，高潮总在不该来的时候到来。
我们的观察是，讨论的重心正在悄悄移动。越来越多的研究与实践不再追问“模型能写得多自由”，而是追问：作者的意图怎样在生成过程中保持有效？这个转向并不意味着放弃生成式AI，它更像是承认了一件事：一个故事要有意思，就需要有人对它负责。
证据一：把 Storylet 与自然语言触发条件结合
Storylet 是叙事设计里一个成熟的概念：把故事拆成一块块带有“适用条件”的小片段，系统根据当前状态挑选最合适的一块放出。它的长处是既保持了作者对内容的控制，又能让故事随状态灵活重组。
一项把 Storylet 与大语言模型结合的研究（Drama Llama）在此基础上做了一件有意思的事：让作者用自然语言来写触发条件，而不是写死的变量比较，再借助大语言模型在故事进行到合适时机时触发对应内容。研究的目标是在保持作者控制的同时，利用生成式AI做出响应式叙事。据其介绍，一项面向6位内容创作者的初步创作研究中，作者认为这种方式能生成连贯、有意义、角色互动可信的叙事。
这里我们只取其中最稳妥的信息：它是初步研究，样本很小，不能据此断言效果如何；但它提供了一个值得注意的设计取向，就是把“何时触发”的判断权，仍然放在作者写下的条件里，而不是让模型自己决定故事往哪里走。
证据二：AI原生游戏综述提出的“机制不变量”
另一条线索来自2026年7月关于AI原生游戏的综述。它提出用“如果拿掉AI，核心玩法是否会崩塌或根本改变”来区分AI原生游戏与AI增强游戏，并指出一组“机制不变量”：目标、规则、状态、反馈、节奏、玩家能动性。有了这些不变量，开放式的AI输出才变得可解释、有后果。
这份综述把核心设计难题概括为：把语义开放性组织成稳定的玩法。它对数十款AI原生游戏的语料分析还发现，现有作品集中在语言驱动的设计上，语义裁决、多Agent模拟、关系与陪伴玩法则相对缺少。路线图里，“可控生成”排在首要位置之一。
把两条线索放在一起看，会发现它们其实在说同一件事：自由的语言输出需要落在某种结构上。一条线索的结构是 Storylet 的触发条件，另一条线索的结构是目标、规则、状态这些不变量，名字不同，作用相似。
对大发娱乐的启发：导演层要做的三件事
这些研究并不直接等于产品方案。我们从中提炼出的，是导演层设计里几个更具体的取舍。关于导演层的整体思路，可以先读AI可以随便续写以后，互动电影为什么反而更需要“导演”；下面只说这次观察带来的补充。
- 作者写条件，而不是写台词。作者更擅长描述“什么样的局面适合放出这段故事”，例如“玩家与某角色关系恶化，而且当前场景里没有旁人”。导演层负责把这些描述与当前世界状态对照，挑出合适的片段。
- 不可破坏条件必须硬。世界规则、资源规则、关键角色的生死，这些不应由模型临场改写。它们由规则层维护，属于不追求完全自由生成的原因所讲的那类硬约束。
- 生成层在边界里自由。片段的具体措辞、角色的即兴反应、玩家没预料到的输入，仍交给语言模型处理，因为这正是生成式AI最有价值的地方。
三者合起来，是一个“作者定方向、规则定边界、模型定表达”的分工。玩家的感受是：故事可以被自己改变，但不会散架。
一个示意：同一个片段，两种写法
举例来说，作者想写一段“旅馆老板阿岚向玩家坦白旧事”的片段。传统写法是把它挂在第八章，玩家走到那里就会触发，无论前面发生了什么。用自然语言条件的写法则可能是：“玩家已经帮阿岚解决过一次麻烦，并且此刻旅馆里只剩他们两个人，气氛平静。”
第二种写法让片段更像是在等一个合适的时机。假设玩家一路对阿岚很冷淡，条件就一直不成立，片段不会出现，作者也不必为“冷淡玩家”另写一条分支；假设玩家太早就满足了条件，导演层还可以按“最早不早于第三章”这类硬条件再拦一道。这里的关键是，条件由作者写下，判断由模型协助，拦截由规则兜底。这样的组合能否稳定运行，取决于下一节要说的几个问题。
还没解决的问题
诚实地说，这套思路目前还有几个明显的空白，我们不打算回避。
- 触发条件会被误判。自然语言条件很灵活，也很含糊。“玩家与某角色关系恶化”到底恶化到什么程度，模型可能在边界情形里判断失当，过早或过晚放出片段。需要给条件配套阈值、示例与回放测试。
- 作者工作量可能不降反升。传统脚本里一条分支是一段固定文字；这里作者要写条件、写片段、写边界，还要测试组合出来的故事有没有奇怪的走向。如果工具做不好，作者的负担反而更重。
- 片段之间的衔接。Storylet 各自独立，串起来时的语气与信息一致性靠什么保证，仍需要状态与伏笔机制配合，可以参考AI剧情生成为什么最容易忘记伏笔里对长期状态的讨论。
- 评估方法缺位。怎样衡量“作者控制得恰到好处”？现有研究样本较小，评估手段也还在发展，我们不能拿它们来证明某种做法一定更好。
我们接下来的做法
基于以上观察，大发娱乐AI在导演层上倾向于这样推进：
- 先把作者最常用的几类触发条件整理成可复用的模板，减少“每条都要从零写”的负担。
- 每个自然语言条件都要求附带至少一个正例和一个反例，用于回放检验。
- 对导演层的每一次“放出片段”记录理由，便于作者回看为什么这里触发了它。
- 保留人工覆盖：作者随时可以锁定某个片段，或者禁止某个条件自动触发。
这些都是工作方向，不是宣布的成果。我们更在意的是保持一个判断：自由与控制不是二选一，而是一个需要持续校准的比例。当研究和实践把“作者控制”重新摆到桌面上，这份校准工作会变得更有依据，也更值得花时间去做。
