這篇演講筆記是2026-05-02 應中華編劇學會邀請發表的演講，主題在針對文科職業編劇們，讓他們理解AI的核心與創意的拉扯，並如何在人工智慧海嘯下，保守最重要的創意核心，建立自己的創作知識庫。
AI海嘯下的編劇生存指南 v3
AI 的浪潮已經來了，但我們真正需要的不是追上每一個新工具，而是搞清楚 AI 的本質是什麼、它的限制在哪裡。演講將從大語言模型的原理出發，討論 AI 在劇本創作上的實際應用與常見誤區，並深入探討潛台詞、原創性等編劇核心能力為何是 AI 無法取代的。最後提供具體的工具與方法，幫助編劇建立自己的 AI 協作流程。
一、海嘯是真的，但我們搞錯了問題
要不要用AI，是假議題。
就像當年問要不要用電腦寫劇本、要不要上網查資料、要用數位還是膠捲拍電影一樣——這個問題的答案不重要，因為海嘯不等你決定。
班佛列克說他的公司正在把整個電影製作流程AI化。重點不是AI取代了哪個職位，而是整個工業的工作方式正在被重新定義。
人類能力地形圖
機器人學家漢斯·莫拉維克（Hans Moravec）提出的「人類能力地形圖」（Landscape of Human Competence）是個很好的視覺化工具。把人類各種能力想像成一片地形——水平面就是 AI 已經淹過的能力線。
過去幾年我們親眼看著水位上升：翻譯、語音辨識、圍棋、寫程式、考試解題……一個個被淹沒。Cinematography、Book writing、Art、AI design 這些山頭，現在還露在水面上，但水位還在漲。
這張地圖的意義不是「哪些工作會消失」，而是讓你看清——你以為高聳的山頭，其實只是還沒被淹到的小丘。
對齊（Alignment）
我今天準備的演講，不是跟一群電影系的學生、社群媒體行銷人員或短影音創作者，談怎麼快速生成AI短劇，而是跟一群職業編劇，分享AI的基本觀念和使用心得。這在AI領域術語，叫做「對齊 Align」。先把對話脈絡界定清楚，彼此的溝通才會聚焦。
我不談如何3小時快速生成AI影片。 今天站在這裡，也不是當個AI傳教士，也不是末日預言家，我覺得真正想問、該問的問題，只有一個：
做為一個文字創意工作者，到底怎麼面對這劇變？
（更具體一點：如何將AI整合進我的工作流程？）
AI 焦慮的三個來源
開始之前先承認一件事——我們之所以坐在這裡，多少都帶著一點焦慮。我把這份焦慮分成三種：
- 職業替代的恐懼——我會不會被取代？
- 創意的流失與風格抹平——就算沒被取代，我會不會慢慢變得跟 AI 一樣？
- 資訊與技術的過載——每天幾十支「你一定要學會這個工具」的影片，永遠追不完。
這三種焦慮的解藥都不是「學更多 AI 工具」。而是回頭搞清楚 AI 的本質。
二、AI是什麼——大語言模型是怎麼練出來的
我們需要回頭去理解的，是AI的本質到底是什麼。搞清楚了本質，你就不會再被每一個新工具嚇到，你也才能真正判斷它能幫你做什麼、不能替你做什麼。
大語言模型LLM的本質
所以讓我來跟大家解釋一下，到底什麼叫做大語言模型（Large Language Model）。
大凡，所有的人工智慧系統，主要的功能或任務，都是「預測」。特斯拉的自動駕駛，要預測下一秒該往哪邊走，才能戴乘客安全抵達目的地；AlphaGo，要預測下一手棋要下在哪裡才能贏過對手；圖片生成AI要預測下一個pixle要如何生成，才能呈現完美的照片。
我們編劇最常使用的對話AI，例如ChatGPT、Gemini、Claude，都叫做大語言模型。
而，大語言模型（LLM）的核心任務只有一個：「如何預測下一個字？」
說穿了，就是一個超級複雜的文字接龍遊戲。
預測可以很簡單，例如，我說「藍天」，你腦海裡就出現「白雲」。我打字打了一個「台」，後面有90%機率會出現「灣」這個字。說穿了，就是一個統計機率問題。像這兩個例子，都是單維的判斷，用一個簡單的統計分析，就能夠有八成的準確度。
但要做出一個「好」的預測，卻很困難，因為人類語言的多樣性、彈性，從一個字、一個詞，到一篇完整的文章，可能性就馬上勁升到天文數字。怎麼講、怎麼排列組合都有可能。那該如何解決？
這問題本質上是在設計出一個「可以說話具備語言能力的人工智慧系統」，這個問題困擾了人工智慧學者超過80年。一直沒找到解決方案。
直到，大語言模型，這個全新的技術概念誕生了。
大語言模型的規模
三個數字讓你感受它的規模：
- 一兆個字——它讀過的文字量，相當於數千萬本書
- 1.76 兆個參數——可以想成大腦裡幾千億個連結，每一個都在記錄語言的規律
- 一億美元以上——訓練一個頂級模型的成本，這就是為什麼只有少數大公司做得到
模型規模的演進也很驚人：BERT Large（2018）3.45 億 → GPT-2（2019）15 億 → GPT-3（2020）1750 億 → Turing Megatron NLG（2021）5300 億 → GPT-4（2023）估計 1.4 兆參數。
而這個規模還在以指數速度成長。2019年的GPT-2用了40GB的訓練資料，幾年後的GPT-3是570GB，現在的模型已經幾乎涵蓋人類所有的數位文字。這不是線性成長，是每隔幾年就翻天覆地。
我不打算講Transformer架構或技術細節。你們不需要知道引擎怎麼運作，你們需要知道這台車有幾個輪子，會往哪個方向走。
三、LLM 的兩個核心觀念
LLM很複雜，但對我們編劇而言，我覺得有兩個核心觀念是最重要的：
- 沒有記憶
- 尋找模式
核心觀念一：LLM 沒有記憶
這是最違反直覺的一點。每次你打開 ChatGPT、Claude，跟它對話，模型本身沒有任何記憶。它不記得昨天你跟它聊過什麼，甚至不記得三分鐘前你說的話。每一次對話都是全新的開始。
那它怎麼好像「記得」我們的對話？
答案是——它不是真的記得，是每次對話前，把整個對話脈絡重新塞給它看一次。AI 看到的「目前對話脈絡」，是這三樣東西組合起來的：
- System Prompts / User Input（設定 AI 的角色）
- User Input（你的輸入）
- 對話串（歷史紀錄）
每一次你按下送出，整包重塞一次。所以管理「給它看什麼」，就成了使用 AI 最重要的技能。等下會講到。
核心觀念二：LLM 是尋找模式的機器
AI的訓練過程，讀遍了人類寫過的所有故事、所有的劇本、所有的電影，所以它知道所有的套路。它永遠能給你一個答案——結構正確、類型清晰、幾乎不會犯錯。什麼三幕劇、英雄旅程、佛洛依德、榮格，他都背得出來，他都知道，但也都不知道。
說穿了，LLM模型（還有其他不同的AI模型）是個超級複雜的「文字接龍遊戲」，他預測的方式不是來自於理解文本的意義，而是文字間的模式與關係。這是我說他看不懂的意思。
因此，它非常擅長模式匹配——找出語言裡的規律，知道什麼樣的故事結構最常出現，什麼樣的對白符合觀眾期待。這是它的能力，也正是它的極限。
這個能力，在某個面向來說，和編劇正好相反，我們不喜歡浮上腦海的第一個念頭、順理成章的邏輯，我們創造衝突、享受意外、強化轉折、說謊、殺人。
戲就是衝突、衝突，每一場戲都是衝突。LLM本能的很討厭衝突。這是埋在它骨子裡、訓練裡的天性裡。
我們的工作從來不是給出「夠用的」答案。我們的工作，是找到那個只有這個故事才有的答案。
尋找模式 vs 原創——AI 沒有活過
這裡要特別談原創性的問題。
AI做的是模式匹配，它永遠在找最可能、最常見、最符合規律的答案。但偉大的創作往往是打破規律——是那個出乎意料、讓人心裡一震的時刻。
AI能寫出一個合格的劇本，但它寫不出只有你才能寫出來的那個故事。
你的生命經驗、個人視角、對人性的洞察——這些是AI無法訓練出來的，因為AI 沒有活過。它只認識已經被寫下來的人，不認識真實的人。
風格可以被模仿，但原創性來自於你是誰，你經歷過什麼，你對世界有什麼獨特的看法。 這件事，AI永遠搶不走。
整理可以委託，理解不能外包
AI是你個人意識的鏡子，一個放大鏡。
你給它什麼脈絡，它就反映什麼。你給它空的，它給你的就是最大公約數。
很多創意，就是來自於你親自坐下來，讀那些訪談、文獻、故事的過程。不是讀完之後得到的結論，而是讀的過程本身浮現的——某一句話讓你突然想到什麼，某一個細節讓你感到不對勁，某一個人說話的方式讓你想起了另一個人。
這個「突然想到什麼」，是你的故事為什麼和別人不一樣的原因。AI可以幫你整理一百份訪談，讓你更快找到需要的資料。這很好，這是委託。但如果你讓AI替你「理解」這些訪談，你得到一份摘要，你就失去了那個「突然想到什麼」。
整理可以委託，理解不能外包。
那些越來越像在「破解演算法」的劇本——不是被AI寫壞的，是被AI替代了理解的過程。
四、我的 AI 做什麼？
說完原則，講具體用法。我把 AI 的角色分兩層：
工作助理：表層應用
這層大家比較熟悉：
- 翻譯（這領域 RIP 了）
- 整理逐字稿、會議紀錄
- 資料整理、快速查詢、生產摘要
- 快速打樣！！ ——這是表層應用裡最被低估的一項。第一輪文字潤飾要小心（見下面 AI 味），但拿來模擬、試水溫、看看「如果這樣寫會長什麼樣」，非常好用。打完樣之後，那份初稿你要敢丟掉，不是拿來用的。
創意夥伴：真正價值
這層才是分水嶺：
1. 最有耐心的讀者
把你的角色設定、故事背景告訴它，讓它扮演你最忠實而嚴格的觀眾。即時反應、討論，而不是兩個星期後，才和導演、製作人用10分鐘討論你苦思了十幾天的完整內容。讓它站在不同觀眾的立場給你讀後感。
2. 最了解我的對話夥伴
讓它跟你辯論——「為什麼觀眾應該在乎這個角色？」
但要小心：演算法的天性很容易妥協、附和、安慰、讚同你，強化你自己喜歡的部分，隱藏弱點。 你要主動逼它反對你。
3. 最嚴格的劇本醫生
AI熟悉劇本結構，熟悉影視產業邏輯，很容易可以協助分析判斷你的初稿劇本問題可能在哪裡，並提出改善建議。注意，這是對初稿而言，進階的程度，AI還不太做得到。我個人很少滿意AI給我的改善建議。
4. 靈活多變的角色扮演
讓AI飾演你的劇中角色，對話辯論。這就是「馬戲團 / 即興劇場」——你寫的角色，第一次有了能跟你頂嘴的機會。
五、你的第一步——為 AI 建立對話脈絡
和AI的對話，就像是遠端作業，給一個專家顧問來討論。他如果不了解你的故事脈絡，討論就流於浮面。
現在主流的AI工具——ChatGPT、Gemini、Claude——Web介面都提供兩個關鍵功能：
自訂 AI 人格（System Prompt）
你可以設定AI在這個專案裡扮演什麼角色——比如「你是一個有二十年經驗的資深編劇，專門幫我找故事邏輯的漏洞」，或是「你是一個挑剔的台灣觀眾，對家庭倫理劇有很深的感情」。同樣的問題，不同的人格設定會給你完全不同角度的回應。
但，還是要記得，這是角色扮演，不要以為你叫他扮演村上春樹，他就真的變成村上春樹了。AI寫不出村上春樹的小說（至少到目前為止）。
Project（專案）
你可以為每個劇本建立一個獨立的專案，把角色資料、故事核心、參考脈絡全部上傳進去。之後在這個專案裡的所有對話，AI都記得你的故事背景，你不需要每次重新解釋。
Context Window 上下文窗口
這裡要插一段技術觀念，因為它直接決定你怎麼用 AI。
Context Window 是大語言模型的「短期記憶」——AI 所「見」的所有資訊，包含你的輸入（Input）和它的輸出（Output），全部裝在這個窗口裡。以 Tokens 為計量單位（一個 token 大約是一個英文單字，或半個中文字）。
現在頂級模型的 Context Window 已經到 1M tokens，相當於可以一次塞進一整套《魔戒》。聽起來很大，但有四個陷阱：
- Information Overload——資料太多會淹沒模型，反而降低專注力
- Getting Lost in Data——大窗口會優先處理首尾，漏掉中間的關鍵資訊（這叫 Lost in the Middle）
- Poor Management——資料越多，雜訊、冗餘、偏誤都會增加
- Long-Range Issues——窗口越大，理解資料之間長距離關係反而更難
所以「丟越多越好」是錯的。 學會操縱上下文窗口——什麼時候該開新對話、什麼時候該把舊脈絡濃縮、什麼資料該放進 Project、什麼資料當下貼進來——是進階使用 AI 最關鍵的功夫。
六、第二步：建立屬於你自己的創作知識庫——第二大腦
要建立和AI對話的脈絡，接下來說一件更重要的事——你需要建立一個讓AI真正能進入你故事的環境，也就是個人的創作知識庫。
為什麼要做這件事？三個理由：
- 個人的創作歷史積累——你寫了二十年的東西不應該散在一百個 Word 檔裡
- 知識複利——筆記之間建立連結，舊筆記會主動撞出新想法
- 讓 AI 真正進入你的脈絡——光有個人資料，AI 只知道你「是誰」；當你認真記錄自己怎麼思考，AI 拿到的是你創作的 DNA
大家也不要被「個人知識庫」這個現在網路上很熱門的流行詞彙給嚇到，它其實沒那麼神秘，沒那麼複雜，而且，老實說，你們每個人都已經有這個東西了，存在你們的檔案資料夾裡面。
劇本知識庫的四大要素
-
角色資料：每個主要角色一份文件。不只是基本資料，而是他的核心傷痛、欲望、說話方式、和其他角色的關係。越具體，AI給你的對白越像這個人，而不是一個通用的電視角色。
-
故事核心：這個故事在說什麼？主題是什麼？你希望觀眾看完之後有什麼感受？這是你和AI協作的錨點，每次對話前先讓它看這份文件，它就不會跑偏。
-
參考資料：田野訪談重點、你喜歡的參考作品和原因、你收集的真實事件或新聞素材。
-
劇本草稿：故事大綱、長綱、分集綱、對白本。
Obsidian / PARA 架構
先說一個大家都心知肚明的事——你們現在用什麼工具管理劇本資料？大部分的答案是Word。
傳統 Word：為了「列印」而設計。
問題是，大家就這樣用Word管角色小傳、存田野筆記、寫會議記錄——然後桌面上出現「劇本final、劇本final2、劇本真的final、劇本0927改版」。
這不是笑話，這是我們影視圈的日常。
問題是AI很不喜歡讀Word檔。
推薦使用Obsidian（或 Notion、Bear 這類工具）。
Obsidian：為了「思考」而設計。
- 網狀連結：角色與情節可以建立雙向連結
- 純文字 Markdown：極輕量、永久保存、易遷移
- AI 友善格式：可以把整個資料夾丟給 AI
用PARA架構（由 Tiago Forte 提出的知識管理方法論）來組織：
- P（Projects）：正在開發的劇本（有結束時間）
- A（Areas）：長期關注的題材（沒有結束時間）
- R（Resources）：持續收集的參考（不需要時間）
- A（Archives）：已完成的封存（不再需要）
Obsidian是你的長期知識庫，ChatGPT或Claude的Project是每次工作的協作介面——兩者分工，互不取代。你的創作積累，真正屬於你自己。
這和編劇的工作直接相關。你的角色小傳、田野筆記、故事核心——如果只是堆在資料夾裡，AI 拿到的是資料。如果用心整理成你真正思考的方式，AI 拿到的是你創作的 DNA。
對話 讓思考外部化
寫筆記、跟 AI 對話、為角色寫小傳——這些動作表面上是「整理資料給 AI 看」，但真正發生的事其實是：讓思考外部化。
你以為你想清楚了，當你必須把它說給另一個（哪怕是矽基的）對象聽，你才會發現你哪裡其實沒想清楚。AI 最有用的時候，不是它給你答案的時候，是它逼你把問題說完整的時候。
七、你現在的用法，可能正在傷害你的寫作
我看到三個讓我擔心的現象：
現象一：用AI生成「夠用的」初稿
一部60分鐘的影集，16000個字，AI可以兩天幫你填滿。但AI沒辦法替你想清楚這16000個字的核心情節。你自己沒想清楚，就會變成湯湯水水——結構齊全，但空洞。
我自己的使用經驗是：AI可以幫你很快改完整個初稿，這是真的。你知道你要什麼，它就幫你快速執行。但如果你自己還不清楚方向，它就會幫你快速製造垃圾——16000個字，全部填滿，全部是空的。
AI的速度是雙面刃。你夠清楚，它幫你快。你不清楚，它幫你快速製造垃圾。
人類的腦袋很懶惰，AI也很懶惰。AI快速打出樣稿，你很容易說服自己，好像完成了。就放棄再嘗試書寫或思考更不一樣的可能性。
市場上、網路上，正在快速被浮濫的垃圾內容淹沒。這是趨勢、現實，我不想說它好或壞，但這不是我今天要跟一群職業編劇討論的議題。
現象二：AI味，是真的
AI生成的文字有一種特定的節奏和措辭習慣，非常容易辨認。這不是文學品味、也不是你的錯覺，這是數學模型。
現在已經有工具可以偵測一篇文章是不是由AI寫的。 它的偵測原理和AI生成文字的原理一樣——都是用數學模式去分析這段文字的規律。AI寫出來的文字在統計上有特定的模式，太平滑、太正確、太符合預期，這些特徵都會被偵測出來。
所以，有人就開發出新的AI，可以幫你把文字改寫成沒有AI味，然後，檢測AI再升級… WTF。
我必須說，在其他領域，例如論文、法律、醫囑，AI會快速進入，所有的制式邏輯文字都會由AI來協助產生。這沒什麼不對。但對「創作者」，我們而言，面對的問題不太一樣。
AI味的問題其實分兩層：
第一層是個人風格被抹平。每個編劇的文字都有自己的氣質——有人寫得克制，有人寫得濃烈，有人對白很精準，有人擅長留白。這些風格是你多年積累出來的，是你的聲音。AI會把這些磨平，把你的文字修整成一種「標準好讀」的樣子。潤飾一次你可能感覺不出來，但一直用下去，你的聲音就慢慢消失了。
第二層是角色失去個性。一個好劇本裡，每個角色說話的方式應該完全不同——你蒙住名字，光看對白就知道是誰在說話。但AI傾向於讓所有角色說表面、流暢、正確的話。結果是每個人聽起來都差不多，都得體、流暢、正確——然後你記不住任何一個人。這種劇本結構完整，但你記不住任何一個人。
大家要記得，當製作公司、電視台、或評審開始使用這類工具的時候，一份AI味太重的劇本會直接被標記。這不是未來的事，這件事現在已經在發生了。
現象三：用AI閱讀資料、篩選題材、審核劇本
這是我見過最危險的誤用。
AI 篩出來的，永遠是最符合慣例的劇本。
AI會給高分給那些符合慣例、類型清晰的劇本。那些結構不尋常、沉默多過對白、風格強烈的劇本——AI不知道如何評價。如果你的劇本要先通過AI的篩選才能到人的手上，你需要知道這件事。
現在這件事正在蔓延到影視產業。我開始注意到有製作人在用AI來做劇本的初步判讀——讓AI先篩一輪，再決定要不要給人看。這對整個產業是非常危險的發展。因為AI篩出來的，永遠是最符合慣例的劇本。那些真正有原創性、有獨特視角、敢於打破類型慣例的作品，會在第一關就被過濾掉，永遠到不了真正懂得欣賞它的人手上。
我們正在用 AI 殺掉影視創作的多樣性，而且很多人還沒有意識到這件事。
八、AI帶不走的那件事
說了那麼多AI能做什麼、不能做什麼，最後我想說回我們。
編劇這個職業，最核心的功課從來只有一件事：
說你自己的故事
或者，說一個千百年不變的愛情故事——但用一個從來沒有人用過的方式來說它。
這件事，AI永遠做不到。
因為AI讀遍了人類所有寫下來的故事，所以它知道所有說過的方式。它能給你一個正確的愛情故事，一個符合類型慣例的愛情故事，一個觀眾看了不會不舒服的愛情故事。
但那個「從來沒有人這樣說過」——只能來自你。來自你活過的人生，你見過的人，你在某個時刻突然想到的那個角度。
AI是一面鏡子，它反映你給它的東西。你給它空的，它給你最大公約數。你給它你真正想說的故事，它幫你把它說得更清楚。
所以海嘯來了，你最好的武器不是學會用最多的AI工具。而是更清楚地知道——你想說什麼，只有你能說什麼。
它（還）不會玩的文字遊戲
舉例來說，有四個編劇最核心的技巧，是 AI 目前真正做不到的：
潛台詞——沒被說出的話，才是真的。一個母親說「你吃飽了嗎」，真正想說的是「我愛你，我怕失去你」。AI 天然趨向於把話說滿，它不習慣留白。
反台詞——說反話的時候，他在藏什麼。「我不在乎」，但他其實在乎得要命。這需要對人性有深刻理解，知道人在什麼情境下會說反話，背後藏著什麼。
謊言——說謊的方式，比真話更揭露一個人。一個角色說謊的方式，往往比他說真話更能揭露他是什麼樣的人。AI 很難寫出有說服力的謊言，因為它需要同時理解「真實是什麼」和「為什麼要隱藏真實」。
埋梗——那個翻轉瞬間的情感衝擊。在前面鋪墊某種細節，到最後才做出翻轉與揭露，讓觀眾心頭一震。AI 是線性生成文字的，它感受不到那個翻轉瞬間對觀眾應該有多大的情感衝擊。
這四個技巧有一個共同點——它們都依賴對「說出來」和「不說出來」之間那個空間的掌控。那個空間，是編劇最珍貴的創作領域，也是 AI 目前最難進入的地方。
九、今天回去，做一件事
不用全部都做，選一個你今天就能開始的。
入門 ｜ 五分鐘 打開ChatGPT或Claude，建立一個新的Project，把你現在正在開發的劇本和一段故事簡介放進去。就這樣。你的AI協作空間今天就存在了。
進階 ｜ 一小時 為你最重要的一個角色，寫一份真正給自己看的人物小傳——不是給製作公司的那種，而是寫清楚他為什麼是這樣的人，他最深的傷是什麼，他說話的方式和別人有什麼不同。把這份小傳放進你的Project，下次讓AI幫你寫對白的時候，看看有什麼不同。
最根本 ｜ 一張紙 拿一張紙，寫下：「這個故事只有我能寫，因為……」 把它貼在你的工作桌前面。 如果你答不出來，那就是你今天真正需要解決的問題。不是AI的問題，是你的問題。
十、Q & A：現在，直接跟 AI 對話
讓我的AI助理HAL9000參與，即時互動問答。
*（結尾回到開場：「我在準備這場演講的時候一直在用AI。你現在看到的這份稿子，是我和AI來回打磨出來的。但這場演講想說什麼，是我自己想清楚的。那個部分，我沒有外包。」）
