30 万字的书能整本喂给 AI 吗？先算一笔账

把一本 30 万字的书丢给 AI，让它接着第 200 章往下写，它把第 3 章就死掉的角色写活了。 第一反应都是「这 AI 记性不行」。这个说法错在用词：模型没有记性这个器官，只有一扇窗， 叫上下文窗口，指一次请求里它能看见的全部文字。窗外的内容对它不存在；书超过窗口时， 被挤出去的恰好是最早的章节，所以越长的书「忘」得越狠，忘掉的总是开头。 窗有多大、你的书有多大，都是能算清楚的数，先把账算完，再谈忘不忘。

一章小说是多少 token？

模型不按字数计量，按 token。中文里一个字大约对得上一个 token，但打几折看文风。 我们拿三本书各抽正文 3000 字，用 OpenAI 公开的 o200k 分词器实算（2026 年 7 月 18 日）： 传统玄幻 2149 个 token，现代末世网文 2524 个，宫斗古言 2816 个。 文风越雅致生僻，token 越多。粗口径记两个数就够：一章 3000 字，约 2100 到 2800 token； 30 万字的全本，落在 21 万到 28 万 token。

现在的窗口装得下一整本吗？

装得下。这是 2026 年才成立的新事实，主流规格如下（2026-07-18 按各家官方文档核对）：

规格出处：DeepSeek 模型页、Anthropic 窗口文档、Gemini 模型指南、GPT-5.6 发布页。 30 万字的书扔进 100 万 token 的窗，只占四分之一，绰绰有余；放三年前，主流窗口 12.8 万 token， 连半本都塞不进。顺带一个有意思的边界：21 万到 28 万 token 的全本， 砸在 20 万 token 窗的模型上恰好装不下，所以同一本书换个模型档位，行为可能从「都看过」 变成「掐头看后半」，这不是玄学，是规格差。另一条规格小字也值得看一眼：输出上限普遍远小于输入， Gemini 单次回复最多 6.4 万 token，Claude 和 GPT-5.6 是 12.8 万，最宽的 DeepSeek 也只放到 38.4 万。 看是一回事，写是另一回事。「能不能整本喂」的答案总体从不能变成了能， 于是真正的问题换了一个：该不该。

装得下，为什么还是忘？

三层原因，一层比一层难躲。

第一层，中段失焦。学界管它叫 lost in the middle：2024 年发在 TACL 的这篇实验发现， 关键信息放在长上下文的开头或结尾时模型答得最好，埋在中段成绩显著下滑， 长上下文特化模型也不例外。厂商自家的数对得上：OpenAI 在 GPT-5.6 发布页公布的长上下文检索评测里， 51 万到 100 万 token 深度找 8 处指定内容，旗舰档得分 73.8%。这是卖百万窗口的厂商自己报的成绩。 你的第 3 章，多半就埋在中段。

第二层，材料在场不等于被使用。我们做过对照：把 27 万字原著整本塞进上下文、不加任何文风指令， 模型照样写出比喻密度十倍于原著的套话腔，完整记录在漂移实验那篇。 窗口装下了整本书，模型「看见」了，落笔模仿的还是它自己的习惯。看见和用上，隔着一层。

第三层，跨请求零记忆。窗口是单次的：这回看过，不留档，下回续写要把材料原样重发。 整本重发意味着每一段续写都为二十几万 token 付费，其中九成九和当前这一幕无关， 比按需注入贵出 20 倍以上，买回来的注意力还更散。读一晚上续二十段，就是把整本书重买了二十遍。

窗口大就等于记性好吗？

不等于。这两个词值得掰开：窗口是视野，一次能看见多少；记性是留存加取用，下次还在不在、用不用得上。 拿开卷考试打比方：书摊在桌上等于进了窗口，可答题时翻没翻到那一页、读没读进去，是另一回事； 而且这场考试交卷即忘，明天再考，书得重新背进考场。 百万窗口解决了装不下，没解决装下了顾不过来，更没解决下次还得重来。 窗口翻十倍是硬件和算法的胜利，取用靠的仍然是喂法。角色聊天场景的同一个问题（伴侣聊到三百楼忘了誓言） 病理相通，这页只管长篇阅读这一支。

30 万字的设定，正确的喂法是什么？

拆开，按需给，而且分两种给法。必须每轮在场的，走常驻位：主角是谁、世界观根基是什么， 写进角色卡，每次请求都完整带上，永远不会被挤出窗外。数量大、但不是每轮都用得上的， 拆成世界书条目，一条写一件事、挂几个触发词：正文这段提到「北境」，北境的条目才进请求； 没提到的门派、支线、伏笔原地待命，一个 token 不占。 这套做法叫结构化供给，设定管理页有完整形态。

写条目有一条实测经验：150 字电报体好过 800 字散文。那篇 237 条世界书的排障记录里， 一条写了 800 字的「惊蛰剑」档案独吞三分之一预算，模型还抓不住里面的三个关键事实； 压成电报体后，同样 20 轮追问，设定命中肉眼可见变好。写同人怕 OOC 的， 同一套方法在三病因拆解里有展开。

最后交代一个我们自己的数字。这个站引用过很多次的那批续写实验（九个模型、两种文体、累计 360 轮）， 窗口固定只开 1.6 万 token：装当前场景、触发的条目和最近的正文，够用。 360 轮里没有一轮需要第 100 万个 token。