paper_type: 方法与系统, 实证与评价 type_confidence: 高 reading_depth: 标准精读 title: "CreAgentive: Building Long-Form Narrative Agents with a Genre-Agnostic Story Prototype" authors: Yuyang Cheng, Linyue Cai, et al. year: 2025 source: arXiv:2509.26461v1 pdf: 41_creagentive.pdf

CreAgentive：把故事逻辑与最终文体解耦的超长叙事代理

一句话总结：CreAgentive 先用角色图与情节图构成体裁无关的 Story Prototype，再通过初始化、故事生成和文体写作三阶段生产多章文本；论文展示了超过 2,500 章的持续生成，但“接近人类”和“每 100 章低于 1 美元”等宣传性表述没有被当前人评规模与成本附录充分支撑。

TL;DR

【论文报告】Story Prototype 将 Role Graph 与 Plot Graph 分开维护，使同一故事逻辑可以在小说、剧本等不同体裁中渲染，并支持倒叙、伏笔等结构。
【论文报告】系统分为 Initialization、Story Generation、Writing 三阶段；短期目标、PlotWeave、受限认知、回忆与线索管理共同约束章节级代理协作。
【论文报告】论文报告 CreAgentive 人评质量 8.28、自动质量 8.17；人类小说《Worm》人评为 8.71。系统在一条超长轨迹上生成 2,770 章，并称 2,500 章后均值仍约 8.27。
【阅读者推断】结果证明大规模持续运行的工程可行性强于文学质量结论；五名人评者、LLM 主导的 HNES、不同长度作品比较和未被附录成本支持的摘要表述都要求谨慎解读。

系统结构

用户设定
→ Initialization：角色图 + 情节图 + 初始 Story Prototype
→ Story Generation：短期目标 → 多代理互动 → PlotWeave → 评分/退出
→ Writing：回忆相关状态 → 管理伏笔/线索 → 按目标体裁写成章节
→ 将新事件和角色变化写回 Prototype → 下一章

【论文报告】Role Graph 保存角色属性与关系，Plot Graph 保存事件、环境和依赖；章节快照使状态可以随时间演进。Story Prototype 不直接规定最终措辞，目标是把“故事发生什么”与“以何种文体呈现”解耦。

【论文报告】生成阶段让角色代理只获得受限视角，并由短期目标控制局部推进；PlotWeave 组合代理互动形成可写的情节。写作阶段再召回相关历史、管理未兑现线索，并渲染为指定体裁。

【阅读者推断】受限认知与图状态适合降低“角色知道不该知道的信息”，但图谱只能约束被抽取和编码的事实；文学上的暧昧、叙述语气、潜台词与主题回响仍主要由基础模型承担。

评价协议

【论文报告】HNES 同时计算质量与长度。质量侧含七个叙事维度及权重，并以人类和 LLM 评分组合；长度侧合并章节数和词数，最终再形成总分。实验主要让不同系统生成预期 10 章的作品，并与《Worm》等参考文本比较。

【论文报告】人评只有 5 名“文学爱好者”，筛选条件包括 TOEFL 大于 108、阅读超过 50 部作品；人类与 DeepSeek-R1 在 HNES 质量评分中各占 50%。这比纯 LLM 裁判更好，但不是大规模或专业编辑评审。

结果与证据强度

对象	人评质量	自动质量	解读
CreAgentive	8.28	8.17	在论文协议下与自动评分较一致
人类小说《Worm》	8.71	—	人类参考仍更高，且长度/体裁不可严格对照

【论文报告】论文展示 2,770 章的长期生成，并报告 2,500 章后质量均值约 8.27。原 PDF 表格可明确读出 2,770 章，但总词数的提取排版被打断，不能仅凭抽取文本可靠复原为一个精确整数。

【阅读者推断】“长期均值稳定”主要说明 HNES 没有检测到明显衰减；由于质量的一半来自 LLM、章节可能以摘要或局部上下文评分，它不能排除跨数百章的重复、遗忘和宏观结构松散。

成本核验：摘要说法与附录不一致

【论文报告】成本附录给出的每章成本约为：DeepSeek V3 0.1539 美元、GPT-5 mini 1.4528 美元、Gemini 0.0152 美元、Qwen 0.0144 美元。

【阅读者推断】换算每 100 章分别约 15.39、145.28、1.52、1.44 美元，均不支持摘要中笼统的“less than $1 per 100 chapters”。可能存在未说明的计价口径、缓存或模型配置差异，但在论文当前证据下应把该成本主张标记为未证实，而不是当作结果引用。

局限与风险

【论文报告】论文没有独立、系统的 Limitations 章节，许多边界需从实验设置和附录反推。
【阅读者推断】只有 5 名人评者；“文学爱好者”不等同于职业作者或编辑，也没有跨语言、跨文化验证。
【阅读者推断】HNES 将异质质量分和长度分合并，长并不天然意味着好；权重与尺度选择可能改变系统排序。
【阅读者推断】基础模型、评判模型和代理提示共同影响结果，消融不足以归因 Story Prototype、代理协作和强基础模型各自贡献。
【阅读者推断】与《Worm》的比较不是同提示、同长度、同创作条件下的受控对照，因此只能作为标尺，不能推出“接近人类作者”。

对当前项目的迁移

【阅读者推断】最值得借鉴的是“逻辑中间表示—文体渲染”分层，以及按章节保存可回滚快照。评价上应把长度从质量分中拆开，另设跨章事实抽样、伏笔回收率、重复情节检测和专业编辑盲评；成本必须按模型、token、缓存和章节长度逐项核算。

阅读者判断

CreAgentive 是一篇有野心的系统论文，证明代理流水线可以连续运行到数千章；但证据更像可扩展性演示，而不是“文学质量接近人类”的确认性实验。阅读和复用时，应保留其架构贡献，同时主动降级成本、质量稳定性和人类水平的宣传结论。

关键原文定位

Story Prototype 与总体贡献：Abstract、§1，PDF pp.1–3。
Role/Plot Graph 与三阶段架构：§3，图 1–4，PDF pp.4–11。
HNES 定义与权重：§4，PDF pp.11–14。
主结果与长期轨迹：§5，表 2、相关图，PDF pp.14–19。
人评者与实现细节：Appendix，PDF pp.20–24。
模型成本：成本附录表，PDF pp.24–27。