从2023年开始就不停有朋友问我同一类问题能不能整理一份“用AI创作并获得文学奖”的作品清单这个问题的答案其实有点反直觉——能确证进入名单的案例非常少而每一个案例周围都围着大量争议。最广为人知的是2024年日本芥川奖获奖小说《东京都同情塔》作者在公开场合提到写作过程里使用生成式AI辅助全书大约5%的篇幅直接来自AI输出。新闻标题很快被压缩成“AI拿下文学奖”但如果只看标题你很容易错过真正重要的信息——那不是“AI写的”而是“人用AI辅助写的”并且作者事后主动做了披露。如果只盯着这些热点你会把这件事理解成“AI已经能独立写出拿奖的小说”。但从长期做技术实践的角度看更准确的判断是AI并没有替代文学创作它改变的是写作作为一项工作的流程边界。过去那种“一个人从第一个字写到最后一个字”的创作模式正在被“策划—生成—评审—修改—定稿”的多角色流程取代。理解了这几层关系再去判断某个作品到底算不算“AI创作”才有讨论的基础。1. 先别急着列清单能确证的AI获奖案例比你想象中少1.1 两个绕不开的公开案例先把事实层面的事情说清楚。目前能被公开报道反复引用的案例不多但两个方向足够说明问题。第一个是2016年前后的日本星新一奖。当时一个由人类成员和AI系统共同参与的创作团队把一部计算机参与写作的短篇小说投稿到星新一奖并通过了初选阶段。这里的重点是“团队共同创作”人类提供了创意母题、故事框架和一部分文本AI负责生成另一部分叙事内容。也就是说从公开的信息来看它更接近“人类主导、AI参与”的作品而不是“AI自动生成、人类提交”。第二个就是前面提到的《东京都同情塔》。2024年作者在获奖前后表示自己使用了生成式AI辅助写作大约5%的文本直接来自AI输出。如果你仔细去看当时的报道会发现作者本人的说法比标题要谨慎。她反复强调的是这本书的核心结构、人物关系和主题追问仍然来自她个人AI更多被当作一个对话对象、灵感来源和快速编辑器。除了这两个发生在日本、知名度很高的案例国内也陆续出现过AI参与创作的短篇小说、绘本和网络小说一些征文比赛也开始在投稿规则里增加“是否使用AI”的选项。但从公开可查的信息看目前要想列出一份“明确以AI名义拿下重要文学奖项”的长清单仍然非常困难。1.2 为什么“AI创作”和“AI辅助”必须分开看之所以难以列清单是因为“AI创作”不是一个单一状态而是一条连续光谱。它至少包含以下几种情况AI只提供选题灵感人类完成全部写作AI根据人类大纲生成部分段落人类负责选择和修改AI生成完整初稿人类做大规模改写和风格统一AI生成全文人类只负责复制、粘贴和提交。这四种场景在新闻标题里都可能被统一叫作“AI写的”但无论从版权、评审规则还是读者感受来看它们是完全不同的东西。所以我的建议是以后再看到“AI作品获奖”这类标题先别急着下结论先问三个问题。第一人类在哪个环节做了判断第二最终文本里AI输出的真实占比大概是多少第三作者有没有主动披露AI使用情况这三个问题虽然简单但能过滤掉大部分标题党。2. 能拿奖的AI作品背后几乎是同一套人机协作流程2.1 一次完整创作至少要拆成五步如果你去研究那些被圈内认可、进入公众视野的作品案例会发现它们背后很少是“输入一段话、得到一个完整故事”的单次生成。更常见的是一个高度迭代的协作流程大致可以拆成五步。第一步选题和价值判断。这是AI最不擅长也最决定结果的一步。“这篇东西到底想讨论什么”“它凭什么值得别人花十分钟读完”只有人能回答。AI可以帮助你扩展选题方向但它无法替你判断“这个选题对你自己意味着什么”。第二步世界设定与人物设计。AI很适合用来做头脑风暴主角的职业、性格、缺陷、目标以及故事发生的时代背景和社会环境。你可以让AI一口气给出二十个版本的设定然后人工挑选和修正。这个阶段人的工作重心是识别哪些设定有戏剧张力而不是操心设定够不够多。第三步分节生成。拿到一份足够细的大纲之后再让AI逐段生成。这里的关键是控制单次生成的长度。一次性让AI写出几千甚至上万字它的中期叙事往往会变得松散角色行为容易前后不一致文风也会在中途漂移。分节生成的目的是让每一次输出都处在一个可控的范围内。第四步筛选和拼接。AI的优势在于你可以在同一节上让它生成多个版本。之后人要做的是从多个版本里挑出可用的一版剪掉空话再和其他部分拼接。这个过程很像传统编辑在改稿只不过“稿”的产生速度变快了。第五步人工定稿与风格统一。最后一遍必须由人来过。AI生成的文字里常常出现重复的句式、过于平均的形容词、前后矛盾的因果关系这些都需要人逐句处理。2.2 为什么“一次生成全文”只适合演示不适合参赛有人会问为什么不直接让AI“一次生成全文”然后拿去参赛第一是可控性。文学创作里真正值钱的部分往往藏在细节的呼应、节奏的起伏和人物动机的连贯里而这些恰恰是大语言模型在长文本生成中容易丢失的东西。第二是辨识度。评委和读者对“AI平均文风”已经越来越敏感那种堆满排比、句句总结、情绪外露、信息密度很低的文本几乎一眼就能识别。第三是责任。创作有一层不可推卸的责任你要对你的署名负责。如果一篇作品绝大部分由AI生成你只是把输出复制提交在多数比赛和出版场景里这已经构成规则甚至伦理问题。所以能进入严肃讨论的作品几乎都跑完了“人机协作”的完整链路。AI负责生产、试错和扩充人负责筛选、判断和承担责任。3. 决定作品上限的不是模型而是人的“标准层”3.1 模型负责“完成”人负责“是否值得”大语言模型在每一轮都是根据上下文预测“下一个最合理的词”。它天然倾向于输出安全、平均、容易被多数人接受的文本。而文学写作需要的是在无数选择里做判断这一句要不要删这个角色该不该死这个真相该不该留到最后这个结尾到底是豁然开朗还是故弄玄虚。这类判断很难靠训练数据获得。你可以让AI生成一百种结局但“哪一个结局配得上这个故事”“哪一个结局会让读者在合上书之后沉默三分钟”这些标准并不存在于模型参数里而存在于人的经验、审美和价值观里。这就是我所说的“标准层”语言层有没有病句文风是否统一AI可以帮忙。逻辑层时间线是否连贯人物动机是否成立AI可以辅助检查。价值层这个故事值不值得存在它触到了什么真实的东西只有人能回答。很多失败案例并不是模型不好而是人没有守住“价值层”。当人只是把AI输出当作成品不做筛选、不做判断作品自然充满平均感。3.2 一个可复用的三段式评审框架在实际创作中我建议用三个阶段的评审框架来卡住质量尤其是当你是单人创作者、没有第二个读者时。第一阶段是初筛只用30秒。只看开头第一屏问自己这段文字有没有让人想继续读下去的力量如果开头的语言平庸、信息密度低后面即使有再好的情节也很难救回来。很多AI生成文本在这里就会暴露问题因为它们习惯把背景交代得又全又平。第二阶段是细读做主线检查。整理出时间线、人物关系、行动动机检查是否有矛盾。这里有个很实用的习惯每生成一节就更新一张“事实表”记录角色名字、已经发生的事件、角色知道什么、角色不知道什么、当前情绪状态。AI模型有上下文窗口限制它自己也容易忘记前面章节的细节所以维护外部记录不是可选项而是必需品。第三阶段是终审做价值判断。问三个问题这个故事有没有让我在某一刻停下来它有没有比表面情节更底层的冲突三天之后回头再看我还愿意为这篇作品辩护吗如果三个问题的答案都是“否”那不管文笔多流畅都不值得定稿。这套框架不依赖具体工具不会因为模型升级而过时。它本质上是在训练你把自己当成一个职业编辑而不是一个“AI输出搬运工”。4. 想自己上手先用最小流程跑通一篇短故事4.1 工具选择从对话产品开始别急着搭环境很多人一听到“AI写作”第一反应是去部署模型、申请API、写调用脚本。这事可以做但不是所有人的第一步。我更建议普通写作者先使用成熟的大模型对话产品把精力放在提示词和创作流程上。等到你需要在同一场景上批量生成几十个版本或者要把长篇小说拆成章节逐段处理时再考虑API脚本等到你开始担心手稿内容隐私问题时再考虑本地部署。不要一开始就陷入环境配置那会消耗掉大量本来应该用在写作判断上的精力。如果走API路线常见的结构也很简单设置好模型名称、密钥和请求参数输入一段提示词拿到响应后保存到本地文件。关键是记录好每一版的生成参数和输出结果方便回溯。4.2 最小创作流程从故事种子到初稿这里给一个最小可操作的流程适合用来写完一个三千到五千字的短篇。第一步写一段100字以内的“故事种子”说清楚主角、场景、冲突和结尾方向。第二步让AI把故事种子扩展成三版大纲每一版的方向要有差异。第三步选定一版大纲把故事拆成三到五节让AI逐节生成初稿。第四步针对每一节再让AI生成两个替代版本。第五步人工从多个版本中挑选、拼接、修改。第六步用上一章的三段式评审框架检查最后人工定稿。提示词可以按这个结构写你是一位擅长冷峻叙事的短篇小说作者。请基于下面的大纲写出故事的第二部分主角必须在一个重要决定面前出现动摇。要求第三人称少用形容词多用动作和对话推进避免总结性句子。输出800字左右。 大纲 ……写完初稿后还可以让模型扮演一个严厉的编辑请以严格编辑的口吻审读下面这段文本列出三处最严重的问题每个问题给出具体的修改建议。不要夸赞直接指出问题。这个过程看起来很朴素但它完整包含了“生成—筛选—评审—修改”的人机协作核心。跑通一次之后你就知道AI写作真正的工作量出现在哪里了。4.3 参数理解与三个最常见的坑如果你用的是API至少需要理解几个关键参数参数常见范围说明temperature创意写作0.7~0.9需要稳定输出时0.2~0.4越高越发散越低越保守max_tokens按单节拆分不要一次拉满控制单次输出长度便于后续修改repetition_penalty一般1.0~1.3提高可以减少重复句过高会让语言变得生硬实际使用中最常见的坑有三个。第一个坑是提示词里只说了“要什么”没有说“不要什么”。AI会默认输出安全、平均、充满比喻的文本。比较好的做法是明确写出“不要总结句”“不要排比句”“不要形容词堆叠”。第二个坑是一次性塞入大量设定。很多人喜欢在提示词里写满五百字的背景结果输出内容被背景压得喘不过气。更合理的做法是把设定放在一个地方但只让模型关注当前一节需要的信息。第三个坑是不建版本记录。AI生成的多版文本如果没有统一的命名和存放规则很快会变成一堆无法区分版本的混乱文件。建议至少用“日期章节版本号”的方式命名或者直接把生成记录纳入版本管理。如果输出不正常排查顺序建议是先看现象是文风平了、逻辑乱了还是角色不像再查输入设定是否完整、提示词里有没有足够明确的“不要”再查参数温度是否过高、单次长度是否过长最后看流程是不是跳过了多轮筛选和人工定稿。绝大多数问题都不是模型不行而是输入或流程出了问题。5. 边界、披露与合规AI写作的安全区在哪5.1 投稿规则和署名问题不同赛事、平台和出版机构对AI的态度差别很大。有些比赛已经明确要求作者在投稿时声明“是否使用AI、使用到什么程度”有些则直接禁止AI辅助内容参赛。这类规则更新很快投稿前一定要再查一次最新规定不要凭之前的印象判断。署名问题同样重要。在很多比赛中“作者”意味着对作品拥有创造性的控制权。如果你的创作只是让AI生成、自己提交那在规则收紧后很可能会被判定为无效投稿。即使规则没有写明主动披露、主动说明也比事后被发现再解释要稳妥得多。关于使用AI的一个底线建议不要把AI输出当作“原创成果”直接提交尤其是在有明确评审规则的赛事里。人类在选题、策划、改写、选择和定稿中的贡献才是署名成立的基础。5.2 版权与原创性的现实边界版权问题比较复杂而且各国规则不一致。大致来说纯由AI生成的内容在很多司法辖区并不会直接产生传统意义上的“自然人作者版权”而人类在策划、编排、筛选和修改过程中做出的实质性贡献通常可以被认定为创作行为。这意味着如果你想对作品主张权利最好在工作流里保留“人类创作痕迹”。比如保留大纲修改记录、多版筛选记录、人工改写前后对比。这既是保护自己也是向评审方证明作品原创性的一种方式。另外要注意AI在非虚构领域会产生幻觉。如果作品涉及历史事件、科学数据、人物真实经历任何AI生成的细节都必须人工核实。不要假设模型输出的内容是真实信息它只是在生成“看起来合理的文本”。5.3 适用场景与不适用场景从实际经验看AI写作更适合以下场景灵感枯竭时快速扩展选题方向和可能性短篇故事的分节初稿生成人物对话测试验证不同性格角色在冲突中的反应辅助病句检查、基础润色和风格统一虚构类长文的前期头脑风暴。不太适合的场景需要高度个人风格、强烈私人经验的严肃文学写作涉及大量真实事实核实的非虚构作品评审规则明确禁止AI参与的投稿或比赛你完全不知道怎么判断文本好坏的情况。最后一条尤其重要。如果一个人从未建立过自己的审美标准AI输出好还是坏对他而言没有区别那么AI只会放大这种不确定而不是解决它。6. 长期来看这类作品真正改变的不是奖项6.1 写作从个人手艺变成可拆解流程过去一提到写作很多人脑海里的画面是一个人坐在书桌前对着空白的文档等待灵感降临。AI参与之后写作更像一个“创作工作室”。AI负责生产大量候选文本人负责判断、选择、修改和定稿。这个变化最有价值的不是“更快”而是让写作这件事变得可拆解、可迭代、可复用。以前你要等灵感现在你可以通过流程去制造灵感、筛选灵感、打磨灵感。前提是你仍然知道什么是好作品。这也是为什么我坚持认为对这个话题最有用的理解方式不是去收藏一份“AI获奖作品清单”而是去掌握一套“如何判断一部作品到底行不行”的方法。清单会过时方法不会。6.2 留给编辑、评审和读者的新课题AI参与文学创作真正改变的其实不只是写作者。评审机构需要更新规则区分“人类主导AI辅助”和“AI主导人类提交”并且给出可操作的披露要求。编辑需要学会和“含AI量”完全不同的稿子打交道有的稿子只是用AI做了润色有的稿子则是AI初稿加上人工修改。读者的阅读习惯也会慢慢变化他们需要在自己的预期里消化“作者”这个概念的外延。对写作者来说最稀缺的能力已经不再是打字速度或资料收集能力而是判断力、审美和责任感。这三样东西决定了你听到“AI写作”时会成为工具的主人还是工具流水线上的一个按钮。回到开头那个问题到底有没有一份“AI获奖作品清单”现在的答案是不要急着去收集因为这份清单每天都在变而且每一条背后都有大量规则争议和流程细节。真正值得长期关注的是这件事——当AI把“写出来”的成本降到接近零人还必须为什么负责答案其实很清楚为自己的判断负责。知道什么值得写知道哪句话值得留下知道这篇作品为什么存在。把这些想清楚你再看到任何“AI创作”的新闻都不会被标题带着走。