前言
最近一直在研究Ai网文，两个月前发布了 91写作 一个Ai网文写作平台，有开源版有商业版，收获了3000多用户和600多份用户反馈之后我陷入了沉思；
思考
之前我一直在参考这领域的头部是怎么做的，比如美团旗下的蛙蛙是这行里当之无愧的顶流，以及目前用户数和行业知名度最高的星月；
91写作 相对这些耕耘已久的成熟的平台竞争力还是太弱了，因为头部平台不仅有工具，还有完善的培训体系，卖工具会员对于他们收入构成来说占比并不高，甚至亏钱；
会员交付是一个长尾的过程，API 价格和稳定性充满不确定，而课程的交付就简单的多，会员客单价最高也才1000左右，课程客单价轻松可以达到2k-4k，主力营收还是课程培训，在这个行业里工具反而不如培训课程来的重要；
我也尝试过合作课程开发者，以及很多网文领域的博主，接触下来很多都表示非常感兴趣，但是聊到纯佣模式和长尾合作都表示不感兴趣。
所以我不仅思考如何在做到这些都不足的情况下实现突破。
对比
我对比了当前主流网文写作平台模式，分析他们的利弊后发现一个绝佳的交互模式，Agentic交互方式是目前最佳Ai网文创作交互
传统Ai网文创作平台：
特点： 需要先创建世界观、事件线、角色卡，然后章节、细纲，在手动关联这些东西一轮一轮的喂给Ai
优势： 非常灵活且可以被作者控制写出想要的文章，上下文可以流畅衔接，做到完全可控的写作，目前91写作、星月、蛙蛙都是属于这种
缺点： 严重依赖高质量提示词，Ai只是辅助，大部分工作还是要手动，需要创作者本身有一定的小说创作能力，操作过于麻烦，学习成本偏高
工作流（全自动写作）：
特点： 输入标题、要求，一次性生成前置需要的世界观、角色卡、事件线，然后逐步分解生成每一章内容
优势： 效率高、速度快，不需要用户手动操作复杂的配置，选几个标签给个标题就可以
缺点： 几乎没有可控性，完全依赖工作流质量和提示词质量，输出完成之后一堆内容完全不知道怎么审查，修改需要手动，阅读、修改全靠人工，改到崩溃
Agentic写作
特点： 用户把写作要求告诉Ai，可以自动根据要求分配给多个写作专家，每个专家各司其职，分步推理，并优化，自动创作符合要求的内容并保存，如果觉得不好还可以告诉Ai哪里不好，写作要求，自动定位问题修改并保存，通过一轮一轮与Ai对话就可以写出符合用户要求的文章
优势： 在不需要过多配置和选择一堆东西的情况下，通过正常对话交流Ai即可听懂你的需求，能够主动读取文件自动选择上下文作为参考，通过最短的提示Ai可以主动进行推理，对提示词依赖不是很强，能够通过简单的对话即可修改细节，后期可以升级为无需动手，只用动嘴即可创作
缺点： 暂无
实现
所以我把 91写作 升级成了 就要创作，决定用 Agentic 重构 Ai网文 交互逻辑，用最低的学习成本和最强的可控性，完全秉承自动但不会失控的思路来实现 就要创作。
在选择技术方案的时候考虑过目前的几种智能体方案，多智能体（Multi-Agent）和单智能体循环（ReAct），在经过研究之后发现ReAct目前最为流行，他只需要管理一个单一智能体+多工具，通过一轮一轮的推理得出最终结果，非常的简洁，claude code、cursor、trae等都采用这种方案，而且这种方案也特别适合网文写作，网文写作就是通过一个脑洞，不断推理、思考发生剧情延伸的。
ReAct模式也并非绝对单智能体，也是可以通过创建子代理实现多智能体交互；
最终成果
就要创作是一个专门为Ai网文创作调教的Ai平台；
是符合ReAct标准，单Agent循环+多子专家+多工具组成
由一个Ai创作任务分配专家，和多个写作专家组成写作团队，可以实现用户通过与任务专家对话，自动识别用户的写作要求；
智能分配写作专家进行创作，可以保证上下文衔接流畅，保证人物设定世界观等不跑偏，可以模拟不限于网文写作领域的任何写作任务
团队配置：
主专家（网文写作产品经理、任务分配、团队领导）
子专家（脑洞大神、人设规划专家、世界观规划专家、事件线策划专家、正文网文创作大神、编辑润色大神、阅读评价专家等）
技术栈
nodejs、express、langchain
开源地址
github：https://github.com/ponysb/91Writing/tree/agentic