别上来就重构：用AI编码助手对比两个小说项目找改造路径

上周迭代 AI 小说生成工具时卡在一个典型决策上：内部项目 trae-novel 的核心生成链路，到底是优先重构，还是参考开源的 PlotPilot 把运营稳定性能力补上？这两个方向的工作量差了一个数量级，可没人能说清哪个投入产出比更高。我没急着拍板，而是用 Codex 配合「只读取证 + 量化对比」的思路把两个项目从头到尾审了一遍，最后不仅理清了核心差异，还落出一套按优先级排好的改造方案。

先验证再判断，别凭感觉拍板

一开始我本想直接进代码改造，是 AI 提示我先做三件事：用 using-superpowers + requesting-code-review 的思路做只读取证，不碰任何代码；先跑少量定向单测，确认两边仓库当前都能跑通；再补一组可量化的对比指标，然后下结论。

这步看着多余，却直接帮我躲了第一个坑：审下来发现 PlotPilot 的通用生成模块在特定的长 prompt 下会出现空返回。要是一上来就照搬它的代码，等于把这个问题原样带进 trae-novel。

两边的能力边界到底在哪

扫完一轮代码、对完指标，两个项目的优劣边界很清楚。

PlotPilot 是开源项目，运营侧成熟度远超预期：内置多平台内容格式适配、发布排期调度、违规内容预检，还有现成的运营后台模板，适合快点把商业化能力铺上线。

trae-novel 则针对中文网文做了大量 PlotPilot 完全没有的专属优化，比如长篇叙事的人物设定一致性校验、剧情伏笔自动埋点，核心校验逻辑长这样：

def check_character_consistency(plot_segment: str, character_profile: dict) -> bool:
    # 调用向量数据库召回人物设定关键信息
    profile_context = vector_db.query(character_profile["id"], top_k=3)
    # 用大模型校验当前剧情是否和人物设定冲突
    prompt = f"人物设定：{profile_context}\n当前剧情：{plot_segment}\n判断剧情是否符合人物设定，返回True/False"
    return llm_call(prompt).strip() == "True"

这类领域专属逻辑是项目的核心壁垒，也是我一开始纠结要不要重构的根源。

为什么最后没选全量重构

最开始我只在「全量重构」和「只补运营稳定性」里二选一，直到对比完核心差异才看清：两边的核心能力是互补的，不是非此即彼。

中间也踩过一个实打实的坑：我试着直接把 PlotPilot 的运营模块迁到 trae-novel，结果它的权限体系和我们的用户体系完全不兼容，调了半天才定位到问题。后来 AI 提示我先做一层数据流对齐，再迁模块，兼容问题才顺过来。

最终的决策逻辑其实很简单：核心壁垒能力不动，非核心能力优先复用成熟方案。

按优先级落地，而不是一刀切

基于对比结论，我输出了一套分优先级的改造路径，目前 P0 已经落地：

• P0（最快见效，1 周内）：把 PlotPilot 的违规内容预检、多格式导出封装成 trae-novel 的独立插件，不碰核心生成链路，直接复用它的成熟逻辑，上线后内容合规率提升了 12%。
• P1（中期补强，1 个月）：参考 PlotPilot 的运营后台模板，给 trae-novel 做轻量化的运营配置页，补上排期、数据看板，不用重构现有用户体系。
• P2（长期基建，季度级）：把 trae-novel 的中文叙事优化能力抽象成通用插件，将来甚至能反哺 PlotPilot 的社区版，形成双向互补。

回头看，这次最大的收获是做项目对比前先「只读取证 + 确认运行状态」：别上来就改代码，先确认两边都能跑，免得把别人的问题带进自己项目。改造这类工具，大部分时候是互补大于替代，找最小改动路径，比全量重构划算得多；对比时也别靠主观说「哪个更好」，多看生成耗时、内容合规率、运营配置效率这些硬数字。