言情小說AI創作指南：甜寵文、虐戀、古言怎麼用AI寫

本篇目錄 7 節

為什麼言情是最適合AI入門的類型

言情類網文佔據了全網閱讀量的40%以上，但願意寫的作者永遠不夠——因為言情的更新壓力極大（讀者催更最猛的類型沒有之一）。

好訊息是，言情也是AI最擅長的類型之一。原因很簡單：言情的核心驅動力是角色關係的變化，而不是複雜的世界觀設定。你不需要構建修煉體系、設計魔法規則，只需要把兩個人的性格、關係、情感走向告訴AI，它就能寫出不錯的內容。

甜寵文的AI寫法

甜寵文的核心公式：製造誤會 → 甜蜜互動 → 誤會升級 → 深情告白 → 撒糖日常。循環往復，越甜越好。

在馬良寫作中這樣操作：

角色設定:
把男女主的性格標籤寫細。不是"男主高冷"這種模糊描述，而是"男主面癱毒舌但只在女主面前犯蠢，女主大大咧咧但情感上極其敏感"。AI拿到這種程度的描述，對話質量會好很多。

章節藍圖的情緒標籤:
甜寵文的每一章都應該有情緒標籤——"微甜""暴擊甜""酸甜""虐後發糖"。這樣AI在生成時會根據標籤調整對話密度和互動方式。

對話比例:
甜寵文的對話佔比應該在50-60%。在藍圖中標註"本章對話為主"，AI就不會寫成大段大段的心理描寫。

實際案例:
設定"女主誤以為男主要出國不回來了"，藍圖示"虐後發糖"，AI生成的效果：女主哭著質問→男主解釋是出差三天→女主又哭又笑打他→男主把她抱進懷裡說"去哪都帶著你"。這種橋段AI寫得相當自然。

虐戀的AI寫法

虐戀和甜寵完全相反——核心是讓讀者心疼。誤會不是為了解開的，而是為了讓兩個人越走越遠，直到某個爆發點才峰迴路轉。

關鍵設定:
虐戀的靈魂在於"命運的錯位"。你需要在設定階段就設計好一個"結構性矛盾"——比如家族仇恨、身份對立、不可逆的誤解。這個矛盾不是幾句話能解釋清楚的那種，必須是"知道真相也很難原諒"的級別。

情緒節奏控制:
虐戀最忌諱一虐到底。讀者承受力有限。我們推薦的節奏是"虐3甜1"——虐三章，穿插一章回憶殺或平行時空的甜蜜橋段，讓讀者緩一緩再繼續虐。在章節藍圖裡標註清楚這個節奏。

AI的弱點:
AI寫虐戀容易"虐得太理性"。真正虐心的不是"他離開了她"，而是"他在雨裡站了一整夜，最後還是轉身走了"——這種細節層面的情感描寫，建議高潮章節自己來寫，日常推進交給AI。

古言的AI寫法

古言（古代言情）對AI來說有個額外挑戰：語言風格。現代文AI寫起來很自然，但古言需要那種半文半白的調調。

風格訓練:
用馬良寫作的仿寫功能導入你喜歡的古言參考文，讓AI學習遣詞造句的習慣。比如"說道"改"道"，"看著他"改"目光落在他身上"，"很漂亮"改"容色傾城"。這些細節AI學幾段範例就能掌握。

世界觀簡化:
古言的世界觀不需要太複雜。重點建立這幾樣：朝代背景（或架空朝代的基本規則）、家族關係圖、後宮/官場的等級制度。把這些錄入馬良寫作的設定管理模組，AI就能自動引用。

禮儀細節:
古言讀者最受不了的就是"拿現代人塞古裝"。在設定中加一條"角色行為遵循古代禮儀規範"，並給出具體例子（比如"已婚女子不可獨自外出""拜見長輩需行禮"），AI就會在生成時注意這些細節。

言情通用技巧：角色CP感的打造

不管甜寵、虐戀還是古言，CP感才是言情讀者追讀的核心動力。

在馬良寫作的角色管理中這樣設定CP感：

1. 互補設計: 一個話多一個話少、一個理性一個感性、一個粗線條一個心思細膩
2. 專屬互動模式: 只有兩人之間才有的稱呼、暗號、小動作（AI會在對話中自動複用這些元素）
3. 成長弧線同步: 兩人的成長必須彼此牽動——A的某次改變是因為B說了一句話，B的某次突破是為了保護A

把這些寫進角色關係設定裡，AI在生成每一章的互動時，都會基於這些底層設定來構建對話和動作。

言情創作的三個大坑

坑1：男主千篇一律的"霸總人設"
AI預設愛寫霸總——因為訓練資料裡霸總太多了。解決方法：在角色設定裡明確寫"禁止使用以下特徵：冷酷/總裁/不可一世"，然後給出你真正想要的特徵。

坑2：感情線推進太快
AI容易第三章就讓男女主互表心意。你必須在藍圖裡控制節奏——前10章"暗戀"，11-20章"曖昧"，21-30章"確認心意"，30章之後"在一起後的考驗"。

坑3：配角扁平化
言情配角也很重要（閨蜜、情敵、婆婆）。給每個重要配角也建立角色卡片，哪怕只寫三五句描述，AI生成的配角戲份都會自然很多。

常見問題

Q：AI寫的吻戲/親密戲能看嗎？
一般般。AI寫這類場景傾向於"安全且套路"。建議這種名場面自己手寫，這是你注入個人風格的最好機會。

Q：言情適合用哪個AI模型？
推薦Claude 4.6，中文言情文筆目前最好。Gemini 2.5 Pro在古言風格上也不錯。

Q：一本言情寫多少字合適？
甜寵文60-100萬字，虐戀80-120萬字，古言100-150萬字。字數低於50萬在平臺上很難獲得足夠的推薦位。