事件→扩散：一种叙事原子的工程化模型

在个人看来，事件→扩散模型可以作为叙事原子的工程化表达。

一、事件的正式定义

事件 = 任何对背景信息层产生扩散（写入状态）的节点。

判断标准：是否有状态写入——不是从后果反推，而是正向判断该节点是否改变了背景信息层中的任何字段。

此定义的特点：

以此绕过了叙事学中事件的三个经典争议：变化说、选择说、意图说。

事件（Event）：发生了什么叙事的最小行为单元。一个事件是可执行的动作，携带角色、背景等参数信息。

扩散（Diffusion）：结果如何事件完成后，结果向背景信息层传播。扩散不是叙事终点，而是连接事件与事件的因果桥梁。

背景信息层（Context Layer）每个故事都有角色背景、事件背景、世界观背景等信息。事件完成后，对应结果扩散到对应背景内，影响下一事件的发生。

实例说明： A 对 B 说出"我喜欢你" 扩散到关系层：B 对 A 的关系状态 = 羞涩接受影响下一个事件：B 回答"才不是因为可怜你才答应的"

骨骼层（事件→扩散→事件→扩散→……）叙事者通过事件链推进故事行为。每个事件的扩散结果写入背景状态，触发或约束下一事件。这是叙事的因果骨架——删则断裂。

渲染层（留白、描写、氛围、抒情、闲笔）删而不影响因果链的内容属于渲染层。渲染寄生在事件间隙——存在于上一事件的扩散已完成、下一事件尚未触发的时间窗口。其功能不是推进剧情，而是控制叙事节奏。

事件+扩散负责"发生了什么"，渲染负责"怎么发生的"。

检验对象不是文字本身，而是世界背景的状态条目。

判断流程：读取一段文本 → 识别是否有信息写入世界背景字段 → 该字段在后续事件中是否被引用？是=事件分量，否=渲染分量。

以下雨为例：

同一段文字中事件与渲染可共存：窗外下起了雨中，天气状态变更是事件分量，雨声描写是渲染分量。

参考酒馆（SillyTavern）世界书框架，采用结构化自然语言条目。

条目结构：key（触发键）/ content（自然语言状态）/ priority（优先级）/ triggers（触发条件）

在模型中的作用：事件执行 → 扩散写入条目 content → 下个事件触发时匹配条目注入 AI 上下文 → AI 基于世界状态生成渲染层。

与酒馆的根本区别：动态膨胀。世界背景不是预设的静态结构，而是随着叙事推进持续膨胀和演化的活体系统。膨胀来源分为事件扩散自动变化和作者人为操作两部分。

事件→扩散模型描述的是故事时间（histoire）——因果依赖不因叙事技巧而改变。倒叙、插叙、多线并行等属于叙事时间（recit）层面的操作。

因此核心模型无需修改，只需增设呈现层：底层因果图按故事时间排列，上层呈现顺序控制叙事时间编排。

本文由 AIGC 调研生成，仅做研究笔记和参考，真实性需要自行考证。