ROIPAD RESEARCH · PUBLIC SOURCES
Snapshot 2026-11-07 16:16:18 UTC · Sources and methodology
CALCULATED FROM STORED SOURCE RECORDS
3 distinct substantive comments in the bounded stored sample.
Dated comments span 2026-03-20 00:19:28 to 2026-03-20 08:41:37. Sample: up to 180 stored records, deduplicated and capped at 60 substantive comments. Launch discussion and issue-tracker samples are not representative customer surveys.
This public record was assigned to this market by Deep Analytics (model confidence 90%).
Market association is an analytical inference; it does not establish product fit or demand.
3 distinct, substantive comments in the stored sample. Below the configured minimum of 20 comments; no sentiment inference published.
GitHub Issue
Mar 19, 2026
在看到您的项目之前，我自己也在构思类似的 AI 小说生成项目，目前还在设计阶段。读完 InkOS 源码后觉得很有启发，想分享一些思路，也向作者请教几个问题。
---
## 我在设计的架构
目前是六层结构：
第一层是基础设施——RAG 做全局检索，状态机管理记忆，双层队列分离推演和生成任务。
第二层是世界规则——时间流逝用绝对标尺，天花板系统防战力崩坏，厄运系数给故事加变数。
第三层是角色层——每个角色有内驱力、位置、血量、资产。重点考虑情报隔离，让角色只能知道自己知道的事。
第四层是故事层——大纲、分卷、伏笔池、填坑系统。
第五层是叙事节奏——时期控制、流速、情绪张力、文风。
第六层是审核反馈——RAG 校验、读者耐心指数、外部反馈闭环。
都还在纸上，没落地。
---
## 读 InkOS 源码时的几个疑问
### 时间系统
维度 2 是"时间线检查"，但没看到显式的时间管理。多线叙事时怎么保证时间对齐？还是说实践中没遇到这个问题？
### 情报隔离
维度 9 检查"信息越界"，番外模式有已知/未知信息字段。但 Writer 生成时是全知的，靠 Auditor 后查。
我在想能不能生成时就限制住？比如只注入当前 POV 角色知道的信息。但不知道这个改动大不大，实际效果怎么样。
### 状态漂移
Phase 2 结算机制我理解了。有个担心：跨章节的状态（比如角色受伤）会不会漂移？下一章生成时如果上下文不包含那章全文，Writer 会记住吗？
### 读者反馈
维度 32 检查读者期待，但这是 LLM 预判。有没有考虑接入真实数据？还是说定位是人机协作，人工审核本身就是在给反馈？
### 角色位置
`location` 字段有，但没有看到空间管理系统。不同地点的角色突然相遇怎么检查？
---
## 想请教的
1. 7 个真相文件是怎么确定的？有没有过"加一个新文件"的情况？
2. 37 个审计维度，是踩坑踩出来的还是一开始设计的？
3. 实战中遇到最棘手的连续性问题是什么？
---
如果作者有兴趣，可以聊聊时间沙箱、情报注入这些想法。我也想知道从设计到落地中间有哪些坑。
Other highly discussed features and pain points extracted from Narcooo/inkos.
Market intelligence mapped to Architectural design ideas and questions for an AI novel generation system, focusing on RAG, state management, character intelligence, narrative consistency, and feedback loops.
Counts stored text matches for foundational terms like token and RAG in analysed public discussions. These counts do not measure adoption.
Stored text matches, not adoption or market-share measurements.
SaaS Metrics