每次生成小说的一章，调度器要做三个决策：注入哪些世界设定、哪些前文摘要、哪些结构约束。这不是一个简单的"贪心召回"问题，而是要在有限的上下文窗口内，权衡相关性、预算和一致性的三角形约束。
调度问题的三个维度
相关性：召回真正需要的设定与前文
生成第 10 章时，模型需要知道的背景信息远超过上下文容量。世界观有多条规则线，前文有 9 章的事件积累，人物有 10 多个角色的状态变化，每一项都可能与当前章节相关。
相关性检索的核心是"这些东西与当前章节生成任务有多大的影响"。这不只是 Qdrant 的向量相似度匹配。一条"主角接到任务时必须穿过北城门"的世界规则，与其他几条规则的组合方式，决定了它对第 10 章是否真正有约束力。
系统里的做法是把世界观资源分层：
- 硬约束层：世界核心规则、人物基础设定、已确定的事实
- 软约束层：前文原文、场景描写、对话
- 可选层：已排除的假设、备选方向
向量检索时，应该先检索硬约束层，再按优先级检索软约束层，最后考虑可选层。这个顺序的反转会导致"生成偏离世界规则但文采很好"的常见问题。
预算：在窗口限额内排序
假设模型上下文窗口是 8K tokens，去掉系统 prompt、生成目标、章节大纲，实际可用空间约 6K。这 6K 要装下：
- 世界观摘要（500-800 tokens）
- 相关人物设定（300-500 tokens）
- 前 N 章摘要（1000-2000 tokens）
- 本章拆细（200-300 tokens）
- 写法约束（200-300 tokens）
就算每项都精简，也很容易超出。这时候需要动态预算：系统估算本章的生成复杂度（新人物出现？大事件转折？），动态调整各部分的分配。
简单的做法是按字数均分，结果通常是浪费。好的做法是：
- 把硬约束固定分配（不能省）
- 把相关性最高的前文摘要（不是原文）作为主体
- 其余空间留给可选背景
前文不用原文，用摘要。这是关键优化。一章正文 2000 字，用 200 字的摘要（关键事件 + 角色状态变化 + 留下的悬念）可以承载 80% 的必要信息，剩下 20% 的细节（某个对话的原词、场景的视觉细节）在绝大多数情况下不影响后续章节的生成一致性。
一致性：跨章节事实的映射
第 10 章里模型可能生成"某交易的金额是 5000 元"，第 11 章的调度器需要知道这个信息。但如果第 10 章生成了两个版本（一个 5000 元，一个 6000 元），调度器用了不同的版本，第 11 章可能会自相矛盾。
这是故事"越写越散"的根本原因。传统做法是写完全文后回头检查一致性，那时候改得很贵。好的做法是在每章生成后，立即抽取"硬事实"（人物位置、已完成交易、确定的时间戳、确认过的背景细节），写入一个"事实账本"，下一章生成时优先查这个账本。
这不是自然语言的摘要，而是结构化的事实提取：交易金额、时间点、位置坐标、角色关系状态。第 11 章的模型看到的前文摘要里，这些数字必须与事实账本对齐。
LangGraph 的角色：流程与状态
LangGraph 的工作是管理整个调度流程和状态转移。它不生成小说，而是组织生成的前置条件。
一个最小的调度 DAG 是这样的：
检索相关世界规则 → 检索前文摘要 → 检索事实账本
↓
动态预算分配
↓
确定最终上下文
↓
调用生成模型
↓
检测一致性问题
↓
是否需要修复 → 是 → 重新调度 + 重新生成
↓ 否
提取并记录新事实
↓
状态转移到下一章
LangGraph 在这个流程中的价值是：
- 可观察性：每一步的输入输出都记录，可以回放整个调度决策过程
- 可恢复性：如果中间某一步失败（比如生成模型超时），可以从失败点恢复，不用重新调度前面所有步骤
- 条件分支：一致性检测失败时，可以触发自动修复流程，而不是简单地重试整个生成
- 状态机：跨多章的生成是有顺序的，章 N 的状态会影响章 N+1 的调度。LangGraph 管理这个状态链
代码层面，这意味着每个节点是一个独立的可调用单元，节点间通过状态对象通信。比如"动态预算分配"这个节点，它的输入是"已检索的资源列表 + 本章复杂度评分"，输出是"每个资源的分配 token 数"，这个输出成为下一个节点的输入。
Qdrant 的角色：相关性与召回
Qdrant 存储两类向量：
- 世界观资源的向量化（规则、势力、地点、角色设定）
- 历史章节的向量化（章节摘要、关键事件、角色状态快照）
调度时，系统用当前章节的"生成任务"（比如"主角在封闭病区内发现病历记录不一致"）作为查询向量，去 Qdrant 检索。
检索策略分两层：
第一层：硬约束检索
用专有字段（not 向量相似度）精确匹配。比如"这章涉及的人物有：角色 A、角色 B"，那么系统直接从数据库里取这两个角色的设定，不走向量检索。硬约束必须 100% 准确。
第二层：软上下文检索
用向量相似度检索前文摘要、相关规则、可用场景要素。设置相似度阈值（比如 0.7），只返回真正相关的资源。
一个常见的优化是使用混合检索：用关键词和向量相似度结合。比如检索"与角色 A 相关的前文事件"，既用 BM25 匹配"角色 A"这个关键词，又用向量相似度找相似的事件类型。这能减少"语义相关但实际无关"的召回。
优先级策略：硬约束优先
一个实际的优先级排序是这样的：
第一梯队（固定，必须纳入）
- 当前章节涉及的所有人物的最新设定
- 上一章的事实账本
- 本章任务单里的硬约束（"主角必须提到过的某个承诺"）
- 世界核心规则中与本章有直接冲突关系的部分
第二梯队（按相关性，逐个加入直到预算用尽）
- 历史章节中提到过的相关地点描写
- 相关势力或人物的行动线
- 前 3 章的事件时间线
- 可能在本章触发的伏笔提示
第三梯队（可选，仅在预算充足时加入）
- 其他角色的背景故事
- 世界观的附加说明
- 参考范本
这个优先级的核心原则是：生成一致性 > 生成创意。第二梯队和第三梯队是为了提升文章质量，但如果加入它们会导致硬约束无法完整表达，就必须删掉。
一致性检测与修复流程
生成完成后，系统会用一个检测模块检查：
- 本章提到的人物位置与上章是否矛盾
- 本章提到的时间戳是否与事实账本对齐
- 本章是否违反了硬约束规则
- 本章是否引入了未设定过的背景信息
如果检测到矛盾，调度器不是简单地重新生成，而是定向修复：
- 位置矛盾：部分改写那个段落，保持其他内容
- 时间矛盾：调整时间戳，保持事件顺序
- 规则违反：提示模型重新考虑那个场景
- 未设定背景：或纳入世界设定，或要求模型移除
这需要生成模块支持"部分修复"而不是"全盘重试"。全盘重试成本高且容易导致连锁问题（修好了位置矛盾，却引入了新的对话矛盾）。
现有系统的实现参考
项目里已经实现了的相关部分：
"本书世界、角色、拆书、知识库联动"模块说明系统已经在做这些事：世界观能生成世界骨架和世界手册，角色准备会结合势力倾向和世界规则，知识库文档能回灌到规划和正文生成。这是调度器的底层数据来源。
"章节定稿时自动抽取正文中的关键硬事实并写入事实账本，下一章生成时即可读到真实前文"这一项正是上面说的事实账本机制，系统已经开始做了。
"修复懒规划（JIT）模式下结构化大纲步骤被误报"未产出"的问题"说明系统在处理的一个具体问题是：生成任务和实际输出的不对齐。调度器需要理解"这一步预期输出什么"和"实际输出了什么"之间的差异。
一致性和失败处理这两个难点，已经不是理论讨论，而是项目里正在打磨的工程问题。调度器的价值体现在能多快地从这些失败中恢复。
■