无实体产品的生产方式，将会被 AI 完全颠覆。
这是我今天搞了一天 AI 故事生成得到的感悟。
其实之前我也知道，还写过相关的一些内容，但是没有切身的体会。
这次是感受到了，必须要这样做，而不是仅仅”知道可以这样做“。
场景
今天的目标是能够得到质量稳定的绘本基础故事。
在这种简单的任务上，小模型已经基本够用了。我使用 Ollama 安装了qwen2.5:7b模型。它的好处是遵循 MIT 协议，可以使用，不会有侵权和法律的问题；另外比起其它模型，对中文更加友好。
但是以我电脑的性能，7B 的模型响应其实还是很慢。
生成400字到500字的故事，短提示词（只是一句话告诉它生成故事）就需要耗费 4 到 5 分钟的时间。
为了能够得到较高的故事质量，我尝试优化提示词工程，把提示词拉长到 2000 以上，需要 12 分钟左右才能给出一个回答。
尽管对于个人使用甚至是一些商业使用来说，即使每天只能生产一个绘本，也能够满足绝大多数的情况，但这方面的效率仍然需要改进和提升。这将会是我后续优化的方向之一，但目前先不考虑。
回到故事生成这里，它能够使用适合小孩子的温馨可爱的语言风格写作，并使用小动物作为角色进行描写，但它会出现很多让人哭笑不得的逻辑硬伤。
- 时间线破碎与瞬间跳跃：刚开始剧情还是早晨，一睁眼，结果抬头看见的竟然是月亮。
- 空间跳跃：在地面上说着话，下句话就跑到树顶去了。
- 主体故事的逻辑矛盾：比如主角找不到妈妈，因为觉得害怕，反而自己跑到了更危险的森林里去找。虽然小孩子确实有可能做出这种事来，但还是不要出现在绘本里比较好。
- 明显的说教内容：类似于我们以前看课文时的那种“总结思想”。
- 角色身份与行动不符：比如一只小松鼠却在喵喵叫。
- 情节逻辑混乱：明明角色是想往上爬，偏偏要扛着一个荷叶，一边接水一边往上跳。
- 出现负面词汇：一个给小孩子看的动画类角色，竟然说出“刚才差点摔死”这种话。
通过提示词工程来控制虽然有一定效果，但效果有限。因为逻辑上可能出现的漏洞实在太多。
遇到哪个问题，在提示词中修复后，下次又可能出现新的问题。
而我们又不可能把现实世界的所有逻辑都塞给一个 AI 模型。
也是这时，我终于体会到，现在对 AI 更加可行的落地方案。
可行方案
原本我认为，AI 最好用于容错率很高的场景中。
比如批量生成短视频。纯为流量不考虑内容的话，无限地自动生成和上传就可以了（不考虑平台限制的话）。只要火了一个，其它一千个都不火也没关系。
这不能算错，但是只能算是部分场景。
AI 是可以用于需要稳定输出质量的场景的，但是需要有额外的手段来保证它的产出。
我们需要一个检查节点；根据处理方式，又可以分成两个方向。
一是检查节点给出反馈意见，AI 对产出进行修改，循环直到满足要求。这和现有的生产加工流程一样。
二是 AI 只管输出，检查结点从中挑选出合格产品，再进入后续流程。这就是在 AI 时代，新出现的一种生产方式。
传统范式
传统的生产方式，我们要尽量保证每一个产品都是合格的。
生产物理产品时，会对加工精益求精，尽量降低次品率。
在数字产品的生产上，我们一直延续着同样的做法。
文章要最终修改出一版最终稿。
图片要改了又改，直到客户点头。
软件开发中，无论是瀑布式开发还是敏捷开发，目的都是让项目一次成功。
这是因为生产一件产品的成本很高，我们不能承受失败。
AI 范式
但有了 AI 之后情况就不一样了。
AI 生产的成本非常低。
像我现在把 AI 服务部署在本地，成本几乎只是电力；即便使用云端模型，消耗的 token 也并不算是天文数字。 所以在利用 AI 生产虚拟产品的情况下，最有效率的生产方式就是：
不要过度追求稳定生成固定质量的内容，而是尽可能多地生成，再从中审查、挑选出合格的部分。
昨天的 Day 1 我谈到架构师不该乱花老板的预算；今天的 Day 2 我发现，通过架构设计让‘廉价的小模型’通过‘高效筛选’产出‘高价的内容’，这才是对计算资源真正的尊重。
新的瓶颈：检查点
既然质量由检查点保证，这个节点的作用就非常重要了。
像我的场景是绘本故事，我们人类当然可以做判断，但如果每一篇故事都由人工来审阅，实在太浪费精力了。而且，我们也很难保证自己的观念和审美就一定是完美的。
在实际生产中，很多节点也必须要有自动化处理的能力。
我目前在开发过程中使用了 Gemini 作为故事好坏的评判标准，将来我会考虑其它本地方案。
至于具体是靠提示词处理，还是通过其他工程手段、甚至是更换新模型来实现，之后再说。
顺带说一句，让 qwen2.5:7b 去评价自己生成的故事，大多数情况下它都会觉得非常 perfect，非常自恋，所以“自评”意义不大（学术上称之为Self-Correction Paradox）。
附上我生成的一堆故事里，看起来不错的两篇。这两个故事里也有些瑕疵，需要修改才能作为绘本素材，但已经算相当不错的成果了。
接下来我会转入图片生成部分。
