起點：一部小說，能不能長出一個劇組？
假設今天要把《金瓶梅》拍成影集或做成遊戲，第一件事不是寫劇本，而是回答一連串基本問題：這本書裡到底有哪些人？誰重要？他們長什麼樣子、說話什麼調性、彼此是什麼關係？傳統做法是文學顧問讀書做筆記，以月為單位計。
我把這件事交給 AI 工作流，在短時間內走完了全程。這篇文章公開整套方法——不是「一個神奇 prompt」，而是一條有品質關卡的生產線。
第一步：全文入庫
素材是公共領域的《金瓶梅詞話》（萬曆本），取 Wikisource 整理稿，逐回切成一百份結構化文字。這一步看似平凡，卻決定了後面所有環節的品質：每一條人物證據都要能標註出處回目與行號，沒有乾淨的文本庫就沒有可追溯的證據。
（這份文本庫後來也直接變成了站上的原文書房——全文一字未刪改，線上可讀。）
第二步：海選——以及海選的殘酷現實
讓 AI 掃描全書抓「像人名的東西」，粗合併後得到超過一千兩百筆候選。這個數字聽起來很壯觀，實際上充滿污染：同一人的多個稱謂、官職誤判、詩詞裡的典故人物都混在裡面。
這是第一個重要教訓：AI 海選的產出不能直接當結論用。候選名單需要清洗、合併、排名，最後用「出場證據是否充足」的標準篩出經得起驗證的主要角色——我們定為安全前十名：西門慶、潘金蓮、吳月娘、李瓶兒、春梅、陳經濟、孟玉樓、應伯爵、孫雪娥、李嬌兒。
第三步：角色卡——每一句側寫都要有出處
十位角色每人一張卡，欄位包括：身份、性格、外貌、性情、動機、人物弧光、人物關係。規則只有一條：寫得出來的就引原文，引不出來的就標「（推斷）」。
例如潘金蓮的「機變伶俐」不是 AI 的印象分數，是第一回的原文：「本性機變伶俐」；她的善妒也不是刻板印象，是她自己說的：「我眼子裏放不下砂子的人」。每張卡的最後都有一排逐字引文，讀者可以自己去原文書房對答案。
第四步：形象與聲音——把證據翻譯成指令
角色卡完成後，才輪到生成。每位角色產出三份「給 AI 的設定指令」：
- 形象設定指令：中英雙語的角色描述，外加排除條件（negative prompt）——明確禁止現代服飾、幼態比例與情色化構圖。
- 三視圖指令：要求正、側、背三視角同比例、同服裝、同配色，產出可交給美術管線的 model sheet。
- 聲音設定：音色、音高、語速、口音、情緒的文字規格，供語音生成使用。
這些指令全部公開在每個角色頁的「AI 選角檔案」段落——它們本身就是作品的一部分。
第五步：品質關卡——圖像觀察 vs 原典證據 vs 裁決
生成的圖不會直接定稿。每張候選圖走一次三段式審查：
- 圖像觀察：這張圖實際畫了什麼？（例：候選的潘金蓮披了一件原典沒有的奇幻宮廷披風）
- 原典證據：書裡怎麼寫？（第二回：毛青布大袖衫、湘裙、白綾高底鞋——逐字列出）
- 裁決：保留什麼、修掉什麼。（保留臉與漂亮度；服裝依原典重做）
裁決寫成文字記錄，下一輪生成必須回應上一輪裁決。影像工作室裡有完整的實例與定裝迭代對照圖。
心得：AI 的價值在流程，不在單次輸出
這個專案最大的體會：AI 單次輸出的品質天花板不高，但把 AI 放進一條有證據紀律、有審查關卡、有迭代記錄的流程裡，品質就能收斂。十張角色卡、十張三視圖、五張擬真選角母版、加上可線上閱讀的百回全文——都是同一條流程的產物。
成果都在站上：從金瓶梅宇宙進去逛一圈，每一頁都留了工作底稿。如果你的團隊也想把類似流程導入內容生產，歡迎參考AI 視覺內容製作服務。
