Planning Beyond Text: Graph-based Reasoning for Complex Narrative Generation¶

会议: ACL 2026 Findings
arXiv: 2604.21253
代码: 无
领域: LLM效率
关键词: 叙事生成, 图结构推理, 事件图, 角色图, 多agent迭代优化

一句话总结¶

本文提出 PLOTTER 框架，首次将叙事规划从文本表示转移到图结构表示（事件图+角色图），通过多 agent 的 Evaluate-Plan-Revise 迭代循环在图拓扑上诊断和修复叙事缺陷，在叙事性、角色塑造、戏剧张力等维度上显著优于现有方法。

研究背景与动机¶

领域现状：LLM 已能生成流畅文本，长篇叙事生成的研究沿两条路线发展——大纲式规划（如 Re3、DOC、DOME 的分层大纲生成）和角色扮演式规划（如 HoLLMwood、IBSEN 的多 agent 模拟）。

现有痛点：（1）大纲式方法按序操作，早期逻辑错误向下游级联传播，且刚性大纲限制了复杂修订的灵活性；（2）角色扮演方法在风格多样性和对话丰富度上表现好，但协调依赖非结构化自然语言，长上下文中易产生语义漂移和指令误解；（3）两类方法都无法维持全局叙事连贯性、上下文逻辑一致性和角色发展的平滑性——经常产生单调、有结构断裂的剧本。

核心矛盾：直接在文本表示上进行叙事规划本质上是低效的——缺乏对情节依赖关系的显式建模，系统无法有效推理底层的因果网络和角色-事件的演化关系，最终限制了生成严谨叙事结构的能力。

本文目标：将剧本生成从序列规划问题转化为动态图生成与精炼问题，在图拓扑上通过迭代编辑实现因果层面的诊断和修复。

切入角度：从经典叙事学理论出发（Barthes 的行动逻辑理论、Moretti 的角色网络理论），用图结构显式表征叙事的因果骨架和角色社交动力学。

核心 idea：在图结构上而非文本上做叙事规划——通过事件图和角色图的原子级编辑操作解决因果断裂和角色不一致。

方法详解¶

整体框架¶

PLOTTER 想解决的是长篇剧本生成里"直接在文本上做规划"的低效——文本大纲既看不见事件之间的因果与伏笔，也建模不了角色关系的演化，导致逻辑断裂层层下传。它的做法是把规划搬到图上：先从一句前提 \(P\) 生成一对叙事图（事件图 \(G_e\) + 角色图 \(G_c\)），再让一个多 agent 评审团在图拓扑上反复诊断缺陷、由一个受符号约束的编辑器执行原子修复，循环至多 \(K\) 轮；最后把这张精炼好的图确定性地序列化、逐场景展开成剧本。整条链路里，"叙事的因果骨架"始终是一个可读、可编辑的图对象，而不是一段模糊的自然语言。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400, 'subGraphTitleMargin': {'top': 8, 'bottom': 16}}}}%%
flowchart TD
    P["前提 P（一句话设定）"] --> DG["双图叙事表示<br/>事件图 Ge + 角色图 Gc"]
    DG --> LOOP
    subgraph LOOP["多 Agent 评审团 + 约束图编辑器（迭代至多 K 轮）"]
        direction TB
        TC["Theme Critic（查主题漂移）"] --> CC["Character Critic（查角色扁平/动机缺失）"]
        CC --> PC["Plot Critic（查因果断裂/缺失伏笔）"]
        PC --> XV["跨 Agent 验证<br/>仅放行一致支持的编辑"]
        XV --> ED["约束图编辑器<br/>原子操作 + 符号约束 Kc(DAG)/Kn(可达)"]
        ED -->|"未达 K 轮，回评审"| TC
    end
    LOOP --> SYN["图导向渐进式剧本合成<br/>DFS 序列化 → 场景节拍 → 状态感知生成"]
    SYN --> OUT["长篇剧本"]

关键设计¶

1. 双图叙事表示：让因果、伏笔、角色演化都变成可编辑的符号对象

文本大纲的根本缺陷是无法显式捕捉非相邻事件间的伏笔/悬念关系，也无法刻画角色关系如何随情节演化。PLOTTER 用两张图把这些长程依赖提升为一等公民：事件图 \(G_e = (V_e, E_e)\) 的每个节点是一个情节事件，带事件描述、叙事阶段（起承转合-高潮等）和时间索引，有向边携带叙事关系标签 \(\rho(e) \in \{\text{Causal}, \text{Foreshadowing}, \text{Suspense}\}\)；角色图 \(G_c = (V_c, E_c)\) 的每个节点编码多维角色属性（核心性格、内部冲突、外部目标、隐藏秘密），边则表示角色间的演化关系（冲突/合作/情感/隐秘）。一旦"A 事件为 B 事件埋了伏笔"成为图上一条带标签的边，后续诊断和修复就能直接在这条边上操作，而不必在长文本里猜它藏在哪。

2. 多 Agent 评审团 + 约束图编辑器：用确定性的符号约束兜住 LLM 评审的不可靠

光有图还不够，关键是怎么在图上稳定地查错改错。PLOTTER 让三个专业评审 Agent 按固定顺序跑一遍 Evaluate-Plan-Revise 循环：Theme Critic（查主题漂移、展示不足）→ Character Critic（查角色扁平化、动机缺失、态度突变）→ Plot Critic（查因果断裂、逻辑矛盾、缺失伏笔），每个 Agent 输出一份结构化问题清单 \(\mathcal{I}_i\)，并通过跨 Agent 验证只放行获得一致支持的编辑。诊断出的问题交给约束图编辑器，映射成原子编辑操作（如 Add-Plot-Bridge、Revise-Event），但每个操作都要先过两道符号约束才算数：因果理性 \(\mathcal{K}_C\) 要求因果子图保持 DAG（不允许时间回路），叙事完备性 \(\mathcal{K}_N\) 要求所有节点从开头可达、且都有路径通向结尾。这两道检查是纯符号、确定性的，不依赖 LLM，因此一个会破坏结构的编辑根本不会被执行，更不会传播到下游——这正是文本层评审做不到的地方。

3. 图导向渐进式剧本合成：把符号图确定性地落成连贯长文，且不丢拓扑、不断参照

最后一步要把优化好的图变回剧本文本，难点是既不能破坏图里辛苦维护的因果拓扑，又要在几千 token 的长生成里不出现角色/线索的参照断裂。PLOTTER 先用确定性深度优先遍历把事件图序列化成层次化事件计划 \(\mathcal{T}_h\)（优先走悬念后继、保留伏笔线索），同时把角色图节点扩展成详细人物档案；接着一次性生成所有场景节拍（scene beats），再由状态感知生成器逐场景展开，每个场景都条件化于该事件的关系类型（悬念/冲突等）、相关角色档案和一份滚动更新的叙事状态 \(M_i\)。确定性序列化保证文本化不会打乱因果顺序，滚动记忆 \(M_i\) 则让后文始终知道前文发生过什么。

一个完整示例：修一处"动机断裂"¶

假设评审循环跑到第 2 轮，Plot Critic 在事件图上发现"角色 X 突然背叛盟友"这个节点缺少因果前驱——它和前面的事件之间没有任何 Causal 入边，属于典型的因果断裂。Character Critic 同时报告 X 的动机栏位是空的。两个 Agent 的问题清单经跨 Agent 验证后取得一致，编辑器据此提出一组 Add-Plot-Bridge 操作（"Trinity of Action"式的 Why-Who-How 三重桥接）：新增一个"X 偶然得知盟友隐瞒的秘密"事件节点，并补两条 Causal 边把它接到背叛事件上，同时在角色图里给 X 的"隐藏秘密/内部冲突"属性补上对应内容。提交前先过约束检查——新增边不会形成时间回路（\(\mathcal{K}_C\) 通过），新节点从开头可达且通向结尾（\(\mathcal{K}_N\) 通过），于是这组编辑被执行。到合成阶段，序列化会把这个新桥接事件排在背叛之前，状态记忆 \(M_i\) 把"X 已知道秘密"带进后续场景，最终读者看到的就是一段有铺垫、有动机的背叛，而不是凭空翻脸。

损失函数 / 训练策略¶

无训练——PLOTTER 是纯推理时（inference-time）框架，使用现有 LLM（GPT-4.1、DeepSeek-R1、Qwen3）作为主干。评估使用 GPT-4.1 做成对比较 + 人工评估。

实验关键数据¶

主实验（GPT-4.1 主干，成对比较胜率）¶

维度	vs LLM-Plan-Write	vs Dramatron	vs DOC
Narrative (剧本)	72%	74%	92%
Thematic (剧本)	100%	90%	86%
Characterization (剧本)	100%	76%	92%
Dramatic Engagement (剧本)	96%	72%	92%
Premise Fidelity (剧本)	40%	14%	44%

消融实验¶

配置	效果说明
w/o Character module	角色和戏剧维度掉点最大
w/o Plot module	叙事维度掉点最大
w/o Theme module	主题维度掉点明显但整体影响较小
单模块 vs 全模块	全模块胜率 >80%，远超单模块之和——"1+1>2"协同效应（+29% 故事线，+34% 剧本）
K=3 迭代 (默认)	Distinct-2=0.793, Self-BLEU=0.017，最佳平衡点
K=5 迭代	质量下降（Distinct-2=0.640），编辑成功率降至 0.83

关键发现¶

PLOTTER 在叙事、主题、角色、戏剧四个维度上以压倒性优势击败所有基线（胜率 72-100%）——唯一略弱的是前提忠实度
三个评审 Agent 存在强协同效应——单独任何一个 Agent 的改进都很有限，但三者协同后胜率跳跃式提升 29-34%，验证了跨维度联合优化的必要性
默认 K=3 迭代是最优选择——过多迭代（K=5）导致编辑成功率下降和质量退化
人工评估与 LLM 评估高度一致（Cohen's κ = 0.834），增强结论可信度
每篇剧本成本 1.68 USD（K=3），预算模式 0.36 USD（K=1），计算负担可控

亮点与洞察¶

叙事规划从文本到图的范式转换是核心贡献——图结构让因果推理、伏笔关系、角色动态成为可编辑的符号对象，而非模糊的文本暗示。这与程序设计中"先设计数据结构再写算法"的思想一致
DAG 约束和连通性约束的确定性验证非常优雅——不依赖 LLM 的符号检查确保结构有效性，避免了 LLM 评审的不可靠性传播
"Trinity of Action"修复策略（Why-Who-How 三重桥接）的案例研究很有说服力——展示了复杂叙事断裂需要多层次因果链修复而非简单文本润色

局限与展望¶

前提忠实度（Premise Fidelity）是明显短板——图的迭代精炼可能偏离原始前提
高度依赖 LLM 主干的能力——在 DeepSeek-R1 上 vs Dramatron 的优势小于在 GPT-4.1 上
评估数据集仅 50 个前提，虽然跨 9 种类型但每种类型样本量有限
未与更新的基线（如 StoryWriter）在同等条件下对比
计算成本较高（523k tokens/篇），大规模应用需要优化

评分¶

新颖性: ⭐⭐⭐⭐⭐ 图结构叙事规划 + 符号约束编辑 + 多agent协同是全新范式
实验充分度: ⭐⭐⭐⭐ 3个 LLM 主干、3个基线、成对比较+人工+客观指标，但数据规模偏小
写作质量: ⭐⭐⭐⭐⭐ 案例研究生动、方法描述清晰、理论动机扎实
价值: ⭐⭐⭐⭐ 对长篇叙事生成的方法论有根本性推进，图结构规划思想可迁移到其他长程规划任务