人类当导演，AI 当被确定性流程包裹的、受约束的子程序——把"几百万字不崩"从靠勤奋维护，变成靠架构强制。
这是内在衰减，不是"换个更强的模型"能解决的。唯一可行解：把流程原子化拆分（每个 AI 调用做一件窄事，做完代码立刻收回控制权），用确定性校验外部强制一致性，用独立 agent 做外部验证。
五件事，决定了它和"让 AI 一键写本书"的根本不同。
每条事实带两个治理标签：canon_status（Canon 已定稿 ｜ Pending 待确认 ｜ Rejected ｜ Idea ｜ Inferred 推断）+ visible_from_volume（按卷可见，防剧透红线）。一条会变假的事实只失效不删（valid_until_chapter）。
把"靠 agent 自律"的那一环，交给确定性代码强制。
任何 MUST-hold 不变量（伏笔到期 / Canon 枚举 / 境界单调 / 可见性过滤 / 状态合并）必须由 code/schema/lint 强制——模型"记住"一条规则是概率性的，代码拼接不是。
站在两份外部交付物的肩上——但只借 craft 与确定性检测逻辑。
两 agent 独立收敛到同一架构 = 强信号。借它的确定性 state-delta 合并代数（state_apply.py）+ acceptance_criteria 判分桥。避它的扁平 JSON / CLI-as-default。
借它的 Gate A-G + 鲁棒「不是A而是B」+ 模型退化检测，以及对话/反转/情绪弧/导入崩稿/拆爆款 craft（→ 新增 ref 12/13/14）。
substrate 是 Markdown/YAML + skill 指令 + 极小可选脚本——不是要作者建带 SQLite/向量库/dashboard 的应用，不是13-skill 插件。复杂度预算放在"状态结构+确定性校验"，不放在"agent 编排"。
默认就在 Codex/GPT 上跑，换 GLM 等是优化非依赖，不写死任何 model ID。诚实区分工程能修的（一致性崩坏/泄漏/流程纪律）与模型天花板（叙事层 AI 味/语感——工程压低但压不到零，靠人在大纲层注入）。
人类是导演， AI 是被确定性代码包裹的、受约束的子程序。 几百万字不崩，靠架构强制，不靠勤奋维护。
从零开书走阶段 0；已写几章在崩走阶段 0.5 导入（degeneration 扫崩点 + 反向提取成状态层），再进章节循环。对 AI 说"帮我写网文 / 我的小说续写崩了 / 去 AI 味"就触发。