第27章 自動化引擎與知識鏈

摘要

AI自動化引擎並不是一種隨便輸入資料就能產出優質內容的機器。在IP世界觀中，自動化引擎必須沿著知識鏈運作。知識鏈是資料、Librarying、Vault、LOREBOOK、角色表、Storytelling 100、粉絲活動與粉絲反應相互連結的流程。自動化引擎可以迅速執行這條流程的一部分，但沒有標準的自動化會模糊世界。本章不把自動化引擎解釋為生成工具，而把它視為運作於MEJE式知識體系之上的流程引擎。要讓IP成為粉絲社群，自動化需要創造的不是更多產出，而是更準確的連結。

1. 自動化不會填補空白

人們對自動化的常見期待，是它能迅速填補空白。文字不足就生成文字，圖像不足就生成圖像，需要翻譯就進行翻譯，粉絲問題太多就讓聊天機器人回答。這種期待有一部分是正確的。自動化可以加快重複工作、初稿生產與分類，卻無法填補標準的空白。

前兩章已經討論了沒有標準的自動化會模糊世界。本章關注另一個問題：如果自動化沒有填補空白，只是把空白遮住，那麼解決空白的結構是什麼？答案就是知識鏈。

知識鏈必須先於自動化引擎建立。哪些資料作為標準，哪些詞條屬於正典，哪些假說仍在實驗，哪些表達受到禁止，都必須先整理清楚。自動化只有運作於這條鏈上時才會穩定。沒有知識鏈的自動化更像是快速的臨時應對。

在IP產業中，自動化的價值不只是速度。更重要的價值是可重複的品質。它讓同一個世界的多種產出遵循相同標準，迅速分類粉絲反應，並穩定更新入門資料、翻譯與摘要。自動化不是讓世界觀營運變得輕鬆，而是提高世界觀營運的可重複性。

2. 知識鏈從資料來源開始

知識鏈從資料來源開始。官方內容、內部策劃、粉絲反應、產業資料、講座、郵件內容與AI生成物，具有不同的權重。如果自動化引擎不瞭解這些差異，就會用相同標準處理所有資料。這樣一來，粉絲解讀可能被當作官方內容概括，內部假說也可能被當作公開標準使用。

來源是自動化的第一道安全裝置。只有知道正在讀取什麼資料，才能確定回答與生成的範圍。以官方LOREBOOK為標準的回答，應當不同於參考粉絲解讀檔案的回答；內部Vault中的風險詞條也不能直接展示給粉絲。來源與狀態必須傳遞給自動化引擎。

資料的時效性同樣重要。平台政策、粉絲反應、AI工具與訂閱模式不斷變化。如果自動化引擎把過時資料當作最新標準，就會產生錯誤。因此，Vault需要更新記錄與版本管理。自動化也可能快速重複過時標準，所以未得到更新的自動化非常危險。

把新的產業觀察與現有世界觀知識體系結合時，來源管理也很重要。來自產業現場的問題意識，與來自世界觀方法論的標準具有不同權重，必須加以區分。如果自動化引擎不加區別地混合二者，產出與服務的論點就會變得模糊。知識鏈會儲存來源的譜系。

音樂AI領域已經出現正面處理這一問題的嘗試。截至2020年代中期，一些音樂AI企業正在開發系統，把生成曲目分解為人聲、旋律、節奏與歌詞等組成要素，再反向追蹤使用了哪些音樂的哪些要素以及使用程度。相反，許多大型生成模型會混合具有權利人的音樂，抹去來源後只輸出結果。這種方式受到「資料洗白」的批評。核心差異十分明確：是把演算法與資料混進同一個容器並丟失來源，還是把它們分開並追蹤來源。

用於保留來源的技術裝置有很多。從知識鏈的角度看，它們各自守護鏈條中的不同環節。內容憑證標準為產出附加製作履歷與生成狀態，填入Vault中的來源與狀態欄。不可見水印讓產出傳播後仍可追溯來源，使Librarying重新收集資料時能夠延續譜系。貢獻補償型訓練衡量某份資料對結果作出多少貢獻，對應LOREBOOK中區分權利與權重的標準。把三者連成一句話：它們都是為產出附加來源標籤的嘗試，而知識鏈會把這個標籤連結到世界觀詞條。即使自動化引擎迅速製作出某種產出，如果無法追蹤它來自哪些資料的哪些要素，世界觀也會被無法承擔責任的結果填滿。良好的自動化不會抹去來源，而會留下連結。

不過，完美追蹤來源並不容易。在混合大量資料的生成內容中準確區分貢獻，技術難度與成本都很高；截至2020年代中期，這類追蹤標準也仍處於逐漸確立的階段。因此，來源管理與其說是承諾完美區分一切，不如說是從設計之初就納入可追溯性的態度。即使並不完美，試圖留下連結的結構與徹底抹去來源的結構，在責任層面上也完全不同。

3. 知識鏈沿著詞條與關係流動

要讓自動化引擎正確運作，不能只進行簡單的文件搜尋，還必須讀取詞條與關係。當粉絲問「這個周邊為什麼重要」時，引擎只找到周邊說明並不夠。它需要知道這個周邊連結著什麼符號，承載哪個活動時期的記憶，屬於粉絲活動中的哪個體驗軸，又具有哪些商業風險。

這就是知識鏈的作用。Librarying提取關鍵字，Vault儲存詞條與關係，LOREBOOK提供可以協作使用的標準。角色表說明人物的慾望與說話方式，Storytelling 100提供場景驗證結果，粉絲活動文件則說明粉絲行為的體驗軸。自動化引擎必須沿著這些連結運作。

缺少關係，自動化就只能給出片段式回答。資訊可能正確，世界觀意義卻很薄弱。有了關係，自動化可以成為更好的嚮導。即使為新粉絲推薦觀看順序，它也不只按照最新順序，而會同時介紹世界入口、核心角色、粉絲語言與安全的解讀路徑。

知識鏈也用於審查AI生成內容。必須能夠確認生成場景實現了哪些詞條、錯誤連結了哪些關係、越過了哪些禁忌。自動化不只可以生成內容，也可以提出審查候選。不過，最終判斷仍然屬於創作架構師。

4. 自動化引擎承擔重複工作

自動化引擎擅長重複工作。它可以摘要資料、提取關鍵字候選、找出重複詞條、統一術語、製作翻譯初稿和入門指南初稿、分類粉絲問題與評論情緒、偵測風險訊號候選、生成場景初稿，以及改寫周邊文案。這些工作會耗費人類大量時間。

重複工作自動化後，創作者可以把時間用於更重要的判斷。他們可以決定哪些詞條成為正典、官方應參考哪些粉絲解讀、應對哪些風險訊號，以及哪些訂閱內容可以加深世界。自動化的目的不是移除人，而是把人的判斷放在更合適的位置。

但重複工作也需要標準。例如，粉絲問題分類如果無法區分「推測私生活」與「解讀官方內容」，就會產生危險。翻譯初稿如果丟失粉絲術語的語境，就會破壞社群語言。風險訊號候選偵測也可能滑向過度審查。即使自動化承擔重複工作，也必須配合標準與審查。

自動化引擎不是代替人完成不願做的工作的工具，而是把過去必須反覆進行的知識營運系統化的工具。必須理解這種差異。它不是簡單替代，而是知識體系的維護。

5. 自動化處理粉絲社群的記憶

粉絲社群會累積大量記憶。評論、解讀文章、翻譯、粉絲畫作、活動記錄、周邊展示、爭議、糾正、入門問題與網路迷因不斷出現。人很難親自閱讀並整理所有記憶。自動化引擎可以幫助分類、摘要並連結這些記憶。

然而，粉絲記憶非常敏感。某句話只是玩笑還是攻擊，某種解讀是粉絲群體的重要資產還是危險謠言，都很難自動判斷。粉絲記憶依賴語境。自動化應提出候選，由人判斷語境。

處理粉絲記憶時，尊重至關重要。粉絲的創作、整理與翻譯，是社群投入時間與喜愛的結果，不能只把它們當作資料。自動化引擎使用粉絲資料時，必須考慮來源、權利與公開範圍。粉絲記憶不是免費原料。

MEJE式Vault可以把粉絲記憶與官方正典分開儲存。區分粉絲知識、粉絲解讀、粉絲儀式與粉絲風險訊號的狀態，自動化引擎就能更安全地運作。粉絲記憶是世界觀實際使用的記錄，卻不會立即成為官方標準。

6. 自動化與人為介入點

良好的自動化流程會明確標示人為介入點。每個階段都由人介入，會削弱自動化的優勢；任何階段都沒有人介入，又會產生危險。有些階段由自動化製作初稿，有些階段由人核准；有些階段由自動化提出更新建議，有些階段則必須由人作出最終決定。

必須由人介入的環節包括正典判定、真實人物保護、風險詞條處理、粉絲衝突應對、授權範圍、付費內容公開範圍，以及是否正式使用AI生成內容。這些判斷即使看似可以在技術上自動化，責任也必須由人承擔。自動化只提供判斷資料。

相反，自動化適合提取候選、檢查重複、生成初稿、轉換格式、進行多語言粗略翻譯、概括變更，以及初步分類粉絲問題。人再檢查並修改這些結果。只有這樣的結構才能同時維持速度與責任。

知識鏈必須記錄人為介入點。哪些詞條可以自動更新？哪些詞條必須得到核准後才能更新？哪些詞條絕不能自動公開？沒有這些標準，自動化雖然方便，卻讓人不安。

7. 案例：粉絲入門自動化引擎

以粉絲入門自動化引擎為例。新粉絲問：「我該從哪裡開始看？」簡單的自動化可能推薦熱門影片或最新內容，但遵循知識鏈的引擎會採用不同方式。它首先詢問粉絲透過什麼鏡頭進入，確認興趣來自音樂、角色、世界觀、周邊、社群、講座還是AI工具。

然後，它參考LOREBOOK中的入門標準並提出最短路徑，說明核心內容、術語、需要謹慎對待的粉絲解讀，以及官方與非官方的區別。它還可以按照粉絲活動八大體驗軸進行引導：「如果喜歡解讀，可以看這份資料」、「如果喜歡收藏，可以看這份周邊指南」、「如果想先了解社群，可以讀這份入門文件」。

這個引擎不會立刻把粉絲推向付費，而會先幫助他們安全地理解世界。如果存在訂閱內容，它會說明這是深化體驗，並先提供免費區域中可以閱讀的資料。這樣一來，自動化就不再是銷售工具，而成為歡迎工具。

這個案例說明了一個明確事實：自動化的品質並不只由模型的對話能力決定，背後的知識鏈更為重要。即使使用相同AI，具備LOREBOOK、Vault與粉絲安全標準的引擎也會成為更好的嚮導。

8. 技術不會取代知識體系

談論自動化引擎時，最大的錯誤是相信技術能夠取代知識體系。即使搜尋與生成能力出色，如果世界觀的狀態、來源與關係沒有整理清楚，自動化也難以穩定運作。技術可以讀取知識體系，卻無法獨自負責任地建立知識體系本身。

認為引入自動化後就不再需要人力，也是一種誤解。自動化可以減少重複工作，但審查、判斷、倫理與社群應對會變得更重要。尤其在處理粉絲群體與真人IP的服務中，人為介入不應減少，而應更加精細。

認為粉絲資料可以無限使用同樣危險。粉絲的評論、創作、翻譯與社群記錄具有權利與語境。自動化訓練、摘要與再利用必須考慮公開範圍、同意與來源。粉絲資料必須建立在信任之上加以處理。

9. 向粉絲社群轉變

要讓IP的世界成為粉絲社群，自動化必須幫助而不是妨礙粉絲關係。新粉絲應能更輕鬆地入門，資深粉絲應能更好地查找資料，創作型粉絲應能更方便地確認標準，營運者也應能更早看見風險訊號。自動化應當用於幫助社群保存記憶並歡迎新人。

在訂閱經濟中，自動化同樣可以提供幫助。它可以提供個人化複習、會員資料摘要、深化世界觀的路徑與多語言指南。但如果自動化過度刺激粉絲情感，或為了促使付費而製造焦慮，信任就會減弱。自動化應是幫助粉絲更長久、更安全地停留的工具。

在創作經濟中，自動化可以輔助粉絲創作，例如說明授權範圍、推薦素材、確認術語、區分官方正典與粉絲解讀。這樣，粉絲可以更安全地創作，官方也能更穩定地支持社群。自動化引擎不應成為管控粉絲創作的警察，而應成為安全工具箱。

10. 總結

自動化引擎必須運作於知識鏈之上。資料、Librarying、Vault、LOREBOOK、角色表、Storytelling 100、粉絲活動與粉絲反應相互連結，自動化才能幫助世界而不使其模糊。自動化不是製造更多產出的機器，而是反覆建立更準確連結的流程引擎。

要讓IP成為粉絲社群，自動化必須把信任而不是速度放在中心。它應幫助粉絲入門、守護世界觀的一致性、尊重粉絲記憶，並明確需要人作出判斷的環節。良好的自動化不會抹去人，而會幫助人更負責任地營運世界。下一章將進入分身角色與多層角色的世界觀，討論一個人在多個世界中承擔不同角色的現象。

核心概念

• 自動化引擎：以世界觀知識體系為基礎，執行重複工作、初稿生成、分類與引導的流程系統。
• 知識鏈：連結資料、Librarying、Vault、LOREBOOK、角色、場景、粉絲活動與粉絲反應的知識流程。
• 來源與狀態：讓自動化區分官方、假說、粉絲解讀與風險詞條的安全標準。
• 人為介入點：正典判定、倫理、權利、衝突與公開與否等必須由人承擔責任的判斷環節。
• 歡迎自動化：幫助新粉絲與創作型粉絲安全進入世界的自動化使用方式。