Iris Pan大概在两个月前的周末，我干了一件有点“不务正业”的事：用平时写代码的 AI Coding 工具，从零生成一份超过一万字的奇幻世界设定。工具是 GLM Coding Plan，配合一个 Vercel 系的 AI vibe coding 平台做交叉验证，断断续续跑了三个晚上，最后产出的材料足够支撑一部长篇或者一个跑团战役的前期设定。
这活儿听起来像是创意写作，真正做起来才发现，它本质上是一次工程实践：AI Coding 工具管理的不是代码，而是一套必须保持一致性的长文档系统。同样的多文件管理、同样的版本推进、同样的“跑一遍检查”的迭代逻辑，只是编译目标从程序变成了世界观。
我把完整过程、提示词思路、文件结构和踩坑记录全部整理出来。这篇实践记录对两类人最有用：一类是想做世界观设定、但总被“写着写着就前后矛盾”劝退的作者；另一类是手里握着 AI Coding 工具却只拿来写代码、想拓展一下用法边界的人。看完你大概也能理解，为什么我会说“设定工程化”这件事，比单纯让 AI 帮你写设定要靠谱得多。
1. 为什么是 AI Coding 工具，而不是单纯对话式 AI
1.1 世界观设定最大的敌人是“一致性”
写过设定的人都知道，纯创作的难点其实不在“想不出点子”，而在“记不住自己写过什么”。十万字的设定散落在十几篇笔记里，角色的瞳色改了三次，前文说“北境之王”后文变成“北地领主”，魔法体系从“元素论”滑向“灵魂论”又不交代原因——这些翻车现场，和代码里“变量改了名字却忘了全量替换”几乎是同一个问题。
过去我也试过直接用对话式 AI 帮我写设定。短篇、单个设定块没问题，但只要对话超过十几轮，AI 就开始出现典型的“上下文失忆”：它记得最后一次聊到的内容，却把两轮之前确定的事实悄悄改掉。比如我第一轮明确“这种生物没有雌雄之分，靠孢子繁殖”，到第八轮再问它的社会结构，AI 直接写出了“母性氏族”四个字。
而 AI Coding 工具从设计之初就为“长期一致性”而生：它要应对的是几万行代码、几十个文件、跨会话的持续修改。它天然具备读文件、跨文件检索、把老文件重新拉进上下文的能力。这些能力放在世界设定上，恰好精准命中“一致性”这个命门。换句话说，AI Coding 工具不是在“更有创意”，而是在“更记得住”。
1.2 AI Coding 工具比聊天窗口多出来的“工程感”
具体来说，我感受到的差异有四点。
第一，任务拆分和执行链的支持。AI Coding 工具会维护一个类似待办执行列表的结构，我给它一个“生成五大区域地理”的任务，它能拆出细项逐条推进，而不是像聊天窗口那样一次性吐一大堆然后等我继续追问。
第二，文件系统就是“长期记忆”。设定落地成 Markdown 文件放在项目目录里，下次会话直接指定文件路径就能继续，不需要像聊天记录那样去翻找。这种“外部化记忆”非常关键——AI 的上下文窗口是有限的，但文件是无限的。
第三，指令和约束可以被“固定”下来。项目里的 AGENTS.md、README 或者系统提示词，可以持续约束 AI 的风格、术语、禁忌，相当于给它上了长期人格锁。
第四，可回滚、可对比、可测试。每次生成都有 diff，改坏了可以退回上一个版本；一致性检查可以像跑测试一样反复执行。
这也是为什么我后来彻底放弃在聊天框里写长篇设定：聊天式 AI 适合头脑风暴，工程化生成必须交给 AI Coding 工具这类“长项目环境”。而且这里有一个额外的红利：AI Coding 工具的操作界面天然面向“打开项目、读文件、改文件”的循环，我作为创作者，守着这批设定义件，随时可以像查源码一样快速定位某一个设定的原始出处。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。