MUCKYWORX // PROJECT
MMC - Mucky Mastersheet Creator
PROJECT

MMC - Mucky Mastersheet Creator

Mucky Master Sheet Creator —— 因为“随便把整本书读一遍”根本不是一个合理的指令。 MMC 将完整的故事拆解为许多个小的 AI 任务,收集人物、属性、地点、物品和关联,并以此构建一个紧凑的知识包。 对我来说,这便宜得令人愉悦,因为多个本地 AI 模型可以同时干活。而那些认为必须把每一次分析都交给 Claude 等云端服务的人,事后可能会感觉到钱包在隐隐作痛。

Mucky Master Sheet Creator Mucky Master Sheet Creator(简称 MMC)源于一个简单的问题: 一本书可能长得离谱。 而且到最后,每次面对新任务都要让某个语言模型重新读一遍整部作品并说: “给。再读一遍。现在请告诉我,到底谁是谁。” 这简直太蠢了。 所以我决定彻底解决这个问题。 MMC 将整本书或章节素材拆解,并将分析工作分配到许多个小的 AI 任务中。 在此过程中,它会收集包括以下内容: - 人物 - 属性 - 角色 - 关系 - 地点 - 物品 - 循环出现的关联 - 以及其他任何以后可能变得重要的事情

而且它遵循的不是这种原则: “这里曾经提到过某件事,所以这就是永恒的真理。” 而是: 先收集, 再合并, 然后浓缩, 最后再检查一遍所有东西是否真的匹配。

用许多小任务代替一个巨大的请求 对我来说,这显然是更合理的方式。 如果在第 2 章提到某个角色有金发,第 17 章出现了一道疤痕,而第 31 章突然出现了一辆特定的车辆,那么我希望这些信息在之后能被合并在一起。 而不是某种听起来很美但却是 AI 幻想出来的东西。 因此,MMC 有意识地构建了一个流水线(Pipeline)。 大致流程是: Intake → 寻找人物 → 提取信息 → 浓缩 → 合并书籍知识 → Entity-Sweep → Consumer-Paket

这听起来比实际操作要复杂。 基本上,它就是一个勤奋的数字傻瓜,阅读所有内容,写好索引卡,而且事后至少还记得把卡片放在了哪里。

没错:这需要计算资源。 但对我来说,这个问题在可控范围内。 我可以同时在本地运行多个 AI 模型。所以我直接将工作分配给多个 Worker,让机器们没日没夜地干活。 这消耗的是电费和一点时间。 我可以接受。 至于那些认为每个分析任务都必须通过 Claude 之类的云服务发送的人,当然也可以这么做。 我建议在操作前先提前把钱包放在手边。 这样它至少知道接下来的痛感来自哪里。

并非最终真理 MMC 并不打算装作无所不知。 它不会构建一个最终的、神圣的 Character Sheet。 它首先是收集为此所需的素材。 这一点对我来说很重要。 机器可以搜索、排序和浓缩。 但关键的决定始终由我自己做出。 所以基本原则非常简单: 机器收集。机器搬运。人类决定。

这一切是为了什么? 因为这样一来,其他程序的工作量会大大减轻。 Mucky Book Illustrator 可以访问这些收集到的知识,从而更一致地呈现人物。 配音员的分配会更精准。 最重要的是,在每个新的生产步骤中,不再需要重新阅读整本书。 这样,一部厚重、笨拙的作品就变成了一个紧凑的、机器可读的记忆库。

对我而言,这就是 MMC: 它不是写作软件,不是插画师,也不是聊天机器人。 而是一个拥有多个大脑、极其勤奋的图书管理员。 而且与真正的图书管理员不同,即使我在凌晨三点把一整本书甩在他桌上,他也不会抱怨。