案例摘要
- 问题
- 整段重写和模糊替换，会打乱长篇作者预先铺设的伏笔、节奏和人物设定。
- 用户
- 长期连载的签约作者，覆盖悬疑、科幻与奇幻题材。
- 关键决定
- 默认只给最小编辑；触碰锁定要素的建议直接丢弃；一键全部采纳保留，但触发前先弹出提示。
- 结果
- 最小编辑改动受保护要素 2/30，整段重写为 7/30；加入确认提示后，一键采纳的撤销率从 22% 降到 11.5%。
正在加载本地演示…
交互演示暂时无法加载，原图和案例仍可阅读；可以重新尝试。
一个决定
为什么“撤销”比“生成”更重要
我们保留了一键“全部采纳”，只在它前面加了一句提示。上线后两周，这个按钮的撤销率从 22% 降到 11.5%（11/96）。调用量没有下降：两周触发 96 次，约为此前每两周平均 71 次的 135%。
部分内测作者想要这个按钮，研发也觉得逐条点击太费力。回头看，可选的有三条路：去掉“全部采纳”，只留逐条采纳；照作者的要求直接上线；保留按钮，在执行前用一句话说清它要改哪些地方。第一条保护了稿子，却把作者的诉求挡在门外；第二条换来速度，把几分钟后的修复留给作者自己。
改变判断的数字来自撤销。6 周内测、11 位活跃作者：一键全部采纳触发 214 次，10 分钟内被撤销 47 次，撤销率 22%；逐处单项采纳触发 930 次，撤销 118 次，撤销率 12.7%。用户测试里也有相近的现象：64 处建议里，有 11 处采纳后又被作者手工改过。作者早已把建议当作可以拆开的草稿。
前置提示让每次批量采纳多停一步，研发对此提出异议。我们在上线前先写好撤回红线：上线两周后，如果一键采纳的调用量下降超过 50%，就撤掉提示。先约定红线，争论就回到数据上，这份代价也看得见、撤得掉。
AI 往别人的作品里写东西时，先数清对方撤回了多少。生成次数奖励产量，撤销次数暴露信任在哪里断开。点明高风险改动的一句提示（这里指人名和数字），只多读一句，省下一轮返工。
- 编辑器里的修改建议
- 一键“全部采纳”
- 提示：“即将修改 12 处文本，其中 3 处涉及人名或数字要素。”
- 取消：回到逐条审阅
- 改动生效
- 10 分钟内撤销：加提示前 214 次中 47 次，加提示后 96 次中 11 次
系统如何分工
- 01草稿与锁定要素
- 02局部修改建议
- 03受保护要素过滤
- 04作者逐条采纳、拆分或拒绝
触碰锁定人名或物件的建议在展示前丢弃，每一处改动由作者决定。
品牌卡 · 图版 II
StoryWeave
稿子始终归作者：建议像页边批注一样出现。
色彩
- 象牙黑
#0E0D0C页面 - 骨白
#EDE6D8作者的正文 - 灰 5
#8E887F尚未采纳的建议 - 灰 7
#B9B2A6锁定的要素，下面有一道细线
字体
- Newsreader英文稿件与标题
- Noto Serif SC中文稿件
- Geist编辑器控件
动效
- 写
600 ms建议沿所在的那一行从左往右写入 - 光
240 ms建议靠近锁定词时，锁定词亮起
问题与背景
StoryWeave 属于桌面端长篇叙事创作工作台，技术栈采用 Electron、React、TipTap 与 TypeScript。模型整段重写或模糊替换时，很容易打乱作者先前铺设的东西：伏笔、节奏、人物的说话方式。我负责编辑交互，以及把模型输出变成可比对建议的管线。
用户验证：聊天窗口对比编辑器内建议
三位长期连载的签约作者（悬疑、科幻、奇幻）拿同一篇 2,000 字的未完结章节，各做两处情节微调，两种方式各做一次：
- 方式 A：常规聊天窗口，人工往返复制粘贴；
- 方式 B：StoryWeave 编辑器内的局部 diff 建议工作台。
1 位作者先做 A 后做 B，另外 2 位先做 B 后做 A，用来对冲熟练度带来的顺序效应。记录指标：操作耗时、剪贴板交互次数、作者主导感自评（1–7 分）。
原始记录节选，作者 P3（已出版两部悬疑小说，先做 B 后做 A）：
- 14:06 选中段落，输入“加剧对话悬疑感，保留怀表道具与’第三扇门’台词”。系统返回 11 处局部修改建议。
- 14:08 逐条核对，采纳第 1、2 处，在第 3 处停下：“‘他的心脏猛地一沉’——不要这个，属于流水线网文词藻，我笔下的主角不会产生这类心理反应。“点击拒绝。
- 14:10 第 6 处建议把“怀表”换成“手表”。作者皱眉：“我在提示词明确要求保留怀表。“点击拒绝，并回头重新检查已经采纳的段落。此后每处修改的停留审视时间延长一倍。
- 14:14 第 9 处只采纳一部分：删去建议里添加的修饰短语，保留调整后的语序。“语序重排符合预期节奏，但填充的词汇破坏了语境。”
- 14:19 方式 B 完成，耗时 13 分钟，慢于随后方式 A 的 9 分钟。“A 方式用时短，因为对话窗口返回整段文字过长，我没有逐句核对就全段替换，后续重写草稿仍需投入时间。”
| 指标 | 方式 A（聊天窗口） | 方式 B（StoryWeave） |
|---|---|---|
| 完成用时 | 3 人中 2 人用方式 A 更快 | 3 人中 2 人用方式 B 更慢（P3：13 分钟对比 9 分钟） |
| 方式 B 更快的人数 | — | 1/3（较慢的 2 人都属于先做 B 组） |
| 剪贴板复制粘贴次数（中位数） | 5 次 | 0 次 |
| 主导感评分（中位数，1–7 分） | 4 分 | 6 分 |
方式 B 共生成 64 处修改建议：直接采纳 29 处，采纳后手工二次微调 11 处，拒绝 24 处。作者往往认可建议的句子结构，却排斥模型选用的具体词汇。
测试结论：用 StoryWeave 更慢，多花的时间换来零次复制粘贴和更高的主导感（中位数 6 分对 4 分）。逐人用时没有留存，因此不报告用时中位数。
三项发现改变了产品：
- 违背作者要求改动锁定要素，会让作者不再信任后续所有建议（3/3 受试者遇到；P3 随即大幅放慢审阅速度）。现在触碰锁定词的建议在展示前直接丢弃。
- 作者经常只想采纳一部分（64 处建议中 11 处采纳后再次手改）。单处差异现在支持“仅采纳语序”和“仅采纳删减”。
- 模型输出容易带入网文模板词或翻译腔（3/3 受试者当场提出）。这一项纳入了下面的离线评测。
评测：整段重写对比最小编辑
为了确定默认的建议生成策略，我用 3 位作者授权的 30 篇真实手稿段落做测试集，每段预先标注不可改动的元素：人名、关键线索物件、时间节点。
| 评测指标 | 整段重写 | 最小编辑（指定输出局部差异） |
|---|---|---|
| 改动超出原选中范围 | 4/30 | 0/30 |
| 改动受保护元素 | 7/30 | 2/30 |
| 修改幅度（改动字数 / 原文字数，中位数） | 0.41 | 0.18 |
| 作者盲测偏好（不告知生成策略） | 9 段胜出 | 17 段胜出（另有 4 段持平） |
17 胜 9 负的符号检验双侧 p 值约为 0.17，偏好差异未达到统计学差异界限。能成立的结论更窄：最小编辑破坏预设要素的概率更低，不能据此断言作者都更偏好最小编辑。最小编辑下的 2 次违规，都把锁定元素换成了近义词，例如把“怀表”换成“表”。现在建议渲染前先做字符串精确匹配过滤，不把约束寄托于模型自觉。
团队决策：一键“全部采纳”按钮
部分内测作者要求提供一键全部采纳，工程团队也认为逐条点击太耗精力。6 周内测、11 位活跃作者的数据：一键全部采纳累计触发 214 次，其中 47 次在 10 分钟内被撤销，撤销率 22%；逐处单项采纳累计触发 930 次，撤销 118 次，撤销率 12.7%。
我们保留了按钮，在触发前加一条提示：“即将修改 12 处文本，其中 3 处涉及人名或数字要素。“研发同事质疑这会增加阻碍，我们便事先约定撤回红线：上线两周后，如果一键采纳的调用量下降超过 50%，就撤掉这条提示。
上线后两周，一键采纳触发 96 次，约为此前 6 周平均每两周 71 次的 135%。调用量没有下降，未触碰撤回红线；撤销率由 22% 下降至 11.5%（11/96）。
局限
样本量只有 3 位专业作者；2 位先用方式 B 的受试者处于交互摸索期，方式 B 的用时可能偏长。主导感属于主观打分，可能受新界面尝鲜心态影响。
复盘
如果重来，我会从一开始就逐人记录任务用时，这样用时对比才能如实报告。我也会在第一次用户测试之前就上线受保护要素过滤：一次“怀表”被替换，就足以让 P3 回头复查所有已经采纳的建议。
沿着证据理解设计
60 秒宣传片