Gdy piszesz z AI długą powieść, realia ustalone na początku coraz bardziej się rozmywają. Żeby rozwiązać ten problem, powstaje Świat — słownik realiów w TypeTak — a w tej serii, część po części, opisuję dylematy i decyzje z tej pracy.

Dlaczego AI zapomina, co było wcześniej w powieści

AI zapomina początek długiej powieści, bo naraz może przeczytać tylko określoną ilość tekstu. Gdy rękopis przekracza ten limit, AI nie widzi już wcześniejszych części i musi odszukać to, co zostało zapisane gdzieś osobno. Moim zdaniem są dwa sposoby takiego szukania: RAG, który dokleja akapity o podobnym znaczeniu, oraz czytanie uporządkowanych wcześniej plików.

Tworzę TypeTak — edytor do pisania z AI, w którym autor pisze powieść razem z agentem (AI, z którym się współpracuje). Żeby w długiej powieści AI nie gubiło ustalonych wcześniej realiów, powstał Świat: słownik realiów, w którym wszystko jest uporządkowane, a AI samo odszukuje to, czego potrzebuje. Ta seria to zapis kolejnych etapów budowania Świata.

Pierwsza część opowiada o czasie, gdy Świata jeszcze nie było. Opisuję w niej dylemat: jak sprawić, żeby AI pamiętało wcześniejsze części powieści, i którą z dwóch dróg pójść.

To, co AI przeczyta naraz, ma swoją granicę

Zakres tekstu, który model AI czyta za jednym razem, nazywa się oknem kontekstowym. Każdy model ma okno innej wielkości i z roku na rok okna rosną, ale gdy powieść w odcinkach przekroczy sto odcinków, trudno za każdym razem zmieścić w nim cały rękopis. A nawet jeśli się da, to sporo kosztuje.

Duże okno też nie rozwiązuje sprawy. Badanie „Lost in Stories” z marca 2026 roku mierzyło, jak często AI piszące długą historię tworzy zdania sprzeczne z ustalonymi wcześniej faktami. Najwięcej sprzeczności dotyczyło faktów (kto co ma) i czasu (kiedy co się wydarzyło), a skupiały się one mniej więcej w środku historii, nie na jej początku ani końcu. (arXiv)

Autor widzi to tak: bohater, który w 3. odcinku zranił lewą rękę, w 10. wymachuje mieczem oburącz, a postać drugoplanowa, która dotąd mówiła do kogoś „proszę pana”, nagle przechodzi z nim na „ty”.

Dlatego każde narzędzie AI do długich powieści musi odpowiedzieć na to samo pytanie: jak sprawić, żeby AI w razie potrzeby odszukało i przeczytało wcześniejsze treści, które leżą poza oknem? Znam dwie odpowiedzi.

Pierwszy sposób, RAG: szukanie po znaczeniu nie znajduje tego, co się nawarstwiło

RAG to metoda, w której rękopis dzieli się na drobne fragmenty i zapisuje, a potem wyszukuje się fragmenty o znaczeniu zbliżonym do pisanej właśnie sceny i przekazuje je AI. Sprawdza się, gdy cała odpowiedź mieści się w jednym akapicie — na przykład w dokumentach firmowych czy w obsłudze klienta.

W powieści ta metoda moim zdaniem się zacina. W historii potrzebne są nie podobne zdania, tylko skutki, które się nawarstwiły.

Na pytanie „w jakim stanie jest teraz lewa ręka bohatera?” RAG przyniesie kilka akapitów, w których pada „lewa ręka”. Scena zranienia, scena bandażowania, scena, w której ręka jest już zdrowa — wszystko przychodzi wymieszane, a RAG nie powie, który stan jest aktualny. Z kolei powód, dla którego dwie postacie się poróżniły, narasta przez wiele odcinków i nie mieści się w całości w żadnym akapicie, więc wyszukiwanie po znaczeniu zwraca same urywki.

Wyszukiwanie po znaczeniu odpowiada na pytanie „co jest do tego podobne?”, ale nie na pytanie „co się dotąd nawarstwiło?”. Dlatego decyzja brzmiała: RAG nie będzie sercem pamięci.

Drugi sposób, pliki: da się iść za linkami, ale brak stałej formy

Druga droga to osobne pliki z uporządkowanymi realiami, które czyta AI. To ten sam pomysł, co kompendium świata, które prowadzą autorzy — zbiór notatek o postaciach, miejscach i fabule. Często ma ono kształt wiki: każda postać i każde miejsce ma własny dokument, a dokumenty łączą się linkami.

Do plików przekonały mnie linki. W wiki można przejść z dokumentu „Bohater” do dokumentu „Mistrz bohatera”, a stamtąd do „Wydarzenia, w którym mistrz został ranny”. Bez względu na to, czy znaczenie jest podobne, idzie się za tym, co połączone. Do odnajdywania nawarstwionej historii ta droga pasowała lepiej.

Pliki też miały jednak dwie słabości.

• Brak formy. Jeśli AI pisze po swojemu, każdy dokument wygląda inaczej. AI i tak je przeczyta, ale człowiekowi trudno je przejrzeć i poprawić. Kompendium, którego autor nie może sprawdzić, nie budzi zaufania.
• Bez porządkowania wszystko się piętrzy. Realia zmieniają się przez cały czas pisania. Jeśli nie porządkuje się ich przy każdej zmianie, ta sama postać dostaje dwa dokumenty albo w jednym dokumencie zostają sprzeczne informacje. Sprzeczne kompendium jest gorsze niż żadne.

Dlatego wybór padł na pliki

Po zestawieniu obu dróg odpowiedzią okazały się pliki. Ograniczenia RAG wynikają z samej metody, a dwie słabości plików wyglądały na problemy, które da się rozwiązać.

• Skoro brakuje formy, wystarczy ją ustalić. Taką, którą wygodnie czyta człowiek i którą AI potrafi samo wypełnić.
• Skoro bez porządkowania wszystko się piętrzy, porządkowanie musi stać się osobnym zadaniem. Tak, żeby ta sama rzecz nie powstawała dwa razy, a zmienione realia trafiały na swoje miejsce.

Łatwo powiedzieć. Rozwiązanie tych dwóch problemów zajęło więcej czasu, niż się wydawało, a pliki, które z tego powstały, to dzisiejszy Świat w TypeTak.

Następna część dotyczy pierwszego problemu: formy. Trop znalazł się w Namu Wiki — najpopularniejszej koreańskiej wiki, którą piszą sami użytkownicy. Opiszę, jak to możliwe, że niezliczone strony o utworach, pisane przez różnych ludzi, mają niemal ten sam układ, i co z tego udało się przenieść.

Najczęściej zadawane pytania