研究发现奇幻、超自然、恐怖这类题材的AI渗透率最低，且在这一类里检测不出AI内容的书单本收入反而涨了约35%。AI写小说题材的选择，本质是在选对手不是选市场。蛙趣拼文跑过312章、103万字的连载，1392条素材与8种伏笔类型分开管理，接的正是需要长记忆的那类题材。
AI写小说题材怎么挑？先看清哪一类已经被AI写烂了
去年秋天，我把一本写了半年的言情稿子停了。不是写不下去，是查同期数据的时候发现，上架的同类里有相当一部分读起来像是同一个模子倒出来的。说白了，AI写小说题材挑错了方向，写多少字都像是在给别人垫底。
那本稿子停在12万字。停完之后我干了一件挺笨的事：把同期的同类书翻了几十本，又去翻了那一年的研究。结论和我原先想的差得挺远。
我原先以为，机器写得快，那就跟它比质量。翻完才发现，问题根本不在这一层。
2023年那会儿，最先塌的是哪一类？
先把时间拉回起点。生成式AI大规模进入写作是2023年，最先被冲的不是小众题材，是最大众的那批。
原因不复杂。套路越固定、更新越快、读者基数越大的品类，机器越容易照着已有的样子往下续。言情在欧美是这样，爽文在国内也差不多。
我后知后觉地明白过来：我选了一个机器格外擅长模仿的方向，然后跟它比谁写得快。这账从一开始就错了。
那年还有个细节。番茄小说的首秀新书数量冲到过一天几千本，不是因为突然冒出来几千个新人，是产量这件事被工具抬到了另一个量级。你猜这些新书里，有多少是真的写满10万字的？
为什么言情最先撑不住？
研究里有个细节我一直记着。含大量AI内容的书占了书目两成，只贡献11.3%的收入，可它们的分布并不均匀。
被塞得最满的是套路感强的快消品类。这类书读者买的是“又一次熟悉的感觉”，机器恰好最会批量生产熟悉感。
一位做短篇的朋友跟我说过一句话，我记到现在：她判断一本书是不是机器写的，就看前三章有没有一个“不太该出现”的细节。没有，八成是机器。这个土办法，跟研究里的那组数字其实对得上。
你要是问我哪一类最不该碰，我现在的答案很直接：靠公式就能成立的那几类。挑AI写小说题材这件事，我后来想明白了一点。你是在选对手，不是选市场。
奇幻为什么反着走？
有意思的部分在这儿。研究者按品类拆了一遍，发现奇幻、超自然、恐怖这一类，AI 的渗透率最低。
更要紧的是反例：在这一类里，检测不出AI内容的书，单本收入不降反升，大约涨了35%。研究者用这个反例，把“一切不过是大盘下行”的说法挡回去了。
题材不一样，结局真的不一样。这话听着像废话，可放到数据面前它就不是废话了。
被机器写烂的题材，剩下的人赚得更少；机器啃不动的题材，剩下的人赚得更多。
我把AI写小说题材分成两堆的时候，用的就是这一条：这一类里，机器造出来的东西能不能糊弄过去？能糊弄过去的，我就不去了。
有人会问，那是不是所有人都该往冷门里挤。我倒不这么看。冷门有冷门的问题，读者本来就少，写的人再少，收入也未必好看。真正该躲的不是热门，是“热门且套路固定”的那一小块。
19.1%这个数字在说什么？
研究者还统计了一件更细的事：AI 生成的内容有多依赖“已出版书籍里的罕见表达”。
结果是，收入最高的50本含大量AI内容的书，罕见表达覆盖了将近一半的文本。而在获奖或获提名的小说里，这个比例只有19.1%。
再往下挖一层：在AI书内部，收入每翻十倍，这种和既有作品的重叠就上升7.6个百分点。人类作品里看不到这种关系。
我读到这儿的时候愣了一下。原来人和机器拉开差距的地方，不是用词漂不漂亮，是那些“不太常见”的部分多不多。
这条对选材的启发很直接。需要大量专有设定、需要考据、需要自造规则的类目，机器接不住；反过来，几句话就能交代清楚世界观的类目，它接得比人还稳。AI写小说题材的挑选标准，说白了就这一条。
我拿这条去套自己手上那两本，套完才明白为什么历史向那本越写越顺。官职称谓、器物名称、地方民俗，这些东西机器不是写不出来，是写出来得一句句核，核的时间跟自己写差不多。省不下来的时间，就是你的位置。
Slop 这个词为什么进了词典？
2025年，《韦氏词典》把“数字泔水”（Slop）选为年度词汇，特指AI批量生成的、缺乏营养甚至有害的低质量内容。
一个词能进年度词汇，说明它已经不只是圈内黑话了。读者开始分不清哪些书是认真写的，平台开始疲于治理，作者开始怀疑继续写还有没有意义。
可上面那组35%的数字也在说另一件事：泔水淹掉的是它被造出来的那片地，不是所有地。
平台这两年一直在加治理，可治理的速度赶不上产量的速度。作者手里真正能动的那一步，其实就只剩下挪位置。挪到哪儿去？挪到机器需要查资料才写得动的地方。
我见过最难受的一类作者，不是被检测错杀的，是明明写得认真，却因为选了机器最会仿的那类，被埋在几千本相似的书里。你说他冤不冤？
我后来是怎么挑AI写小说题材的
停掉那本言情之后，我把选方向的顺序整个倒过来了。现在我的判断顺序是这样的：
- 先看这个类目是不是靠公式就能成立。能，就绕开。
- 再看它需不需要读者记住前面的东西。需要，就加分。
- 最后看它有没有“不常见的表达”的空间。有，才动笔。
这三条跑完，剩下的选项往往只剩两三个。挑的人少，可也正因为少，机器还没来得及把它们写烂。你会不会觉得这样太保守？我一开始也这么想，后来改主意了。
工具这块我也换了思路。AI写小说题材再怎么挑，机器替你记住的东西才是天花板。蛙趣拼文这类工具里我真正用得多的是两样：1392条素材的分层管理，和8种伏笔类型分开记。前者管细节不丢，后者管线不断。
这两件事跟选题是一体的。你挑了一个需要读者记住前情的题材，工具记不住，题材选得再对也是白搭。我对AI写小说题材的态度，就是从这儿开始变的。
现在还在写的那几类
我现在手上有两本。一本是带考据性质的历史向，一本是设定挂得很紧的幻想类。共同点是：写到后面，前面埋的东西得接得住。
历史向那本我试过让通用模型写，官职称谓和器物名称错得离谱，查一遍的时间比重写还长。幻想类好一点，但设定一多，它就顾此失彼。
这方面我有个能拿出来的例子。蛙趣拼文自己跑过的那本连载，312章写完，103万字，回过头翻伏笔清单，47条线每一条都有收口的位置。
我知道这听起来像个广告。可它说明的不是工具多厉害，是“需要长记忆的题材”这件事，确实有人认真做成了。
AI写小说题材这件事上没有标准答案，只有你愿不愿意去挑机器啃不动的那块。你手上正在写的那本，属于机器格外擅长模仿的那一类，还是它啃不动的那一类？
