问题方面，生成式人工智能进入写作场景的速度明显加快。
国内多家机构围绕“构思—大纲—续写—润色”等环节推出工具化产品，网络文学平台也在积极布局。
以部分平台实践为例，写作助手接入大模型后带来功能使用率与日活跃度提升；也有企业依托自研写作平台，尝试将情节生成、段落续写、角色设定等整合为一体化流程。
总体看，诗歌、词句、条目式内容与短篇故事等短文本率先形成使用热潮；同时，面向长篇小说的生成与改写开始出现试验性探索，并伴随商业化验证。
但争议随之凸显：这类系统能否称为真正意义上的“创作”，仍缺乏清晰共识与可检验标准。
原因方面，关键线索集中在训练与应用的基础环节——数据标注与指令交互。
面向文学写作的标注工作，往往以提出写作要求、评估生成结果、再追问与修正为路径，围绕词语选择、语义结构、叙事逻辑与审美表达进行反复校准。
这一过程既是技术训练，也是审美经验的外化。
然而，从现阶段效果看，模型能力高度依赖既有文本资源，更擅长对既往写法的归纳与重组，难以稳定地产生面向未来的结构性创新。
尤其在仿写名家、续写经典等任务中，系统通常能够复制句式、语气、意象与表层修辞，却难以把握作品背后的思想张力、时代语境与复杂情感。
例如在鲁迅式乡土叙事的模仿中，系统可能复刻冷峻笔调与反讽姿态，却难以呈现对社会结构与人性困境的深层辨析。
古典诗词生成中也更易出现辞藻堆砌、意脉不通，甚至对名句进行重新排列组合的风险。
究其根本，标注训练便于提取“可标签化”的表层要素，却难以把审美体验、价值判断与文化背景完整转译为可计算的规则体系，“诗言志”“情生诗歌”等核心机制不易被机械学习所等价表达。
影响方面，一方面，工具化写作在程式化内容生产中已显示出效率优势。
对于节奏快、模板强的网络文学类型文、短剧梗概与营销文案等，批量生成与快速迭代可以降低成本、缩短周期，部分环节甚至可形成分工明确的产业链条。
另一方面，风险也在累积：其一，文本同质化加重，叙事套路被进一步固化，导致读者审美疲劳与内容生态“内卷”；其二，作品原创性与版权合规面临挑战，尤其在古典化表达与既有名句近似问题上更易触线；其三，指令理解能力不足带来的“低级偏差”仍较常见。
实践中，一些系统对指令往往停留在关键词抓取层面，容易出现主题词重复堆叠；即便在较高阶段的训练中，也可能出现体裁、格式与要求不符的情况，如要求按分镜生成脚本却输出完整小说，或对隐喻、反讽等表达理解失准，导致内容与创作意图背离。
这些问题共同提示：在高质量文本、复杂叙事与具有强烈个人风格的写作任务中，生成式人工智能目前仍难替代人类作者的整体把控与价值判断。
对策方面，多方建议从“数据—机制—规范—人才”协同推进。
首先，建设合规、高质量的训练与评测语料体系，明确授权路径与可追溯机制，降低侵权与“近似搬运”的制度性风险。
其次，强化“人类主导”的编辑与审校流程，将关键环节的判断权交还给作者与编辑，推动形成可操作的行业准则，例如对机器辅助写作的标注披露、对生成内容的相似度与来源审查、对模型输出的事实与逻辑校验等。
再次，完善评价体系，不能仅以通顺度与篇幅完成度衡量质量，应把叙事完整性、人物一致性、价值表达与审美创新纳入综合评估。
与此同时，提升从业者的工具素养与版权意识，使写作工具更多服务于资料整理、结构建议与语言润色，而非以“替写”方式挤压原创空间。
前景方面，随着大模型推理能力、长上下文处理与多模态理解不断进步，生成式人工智能在文学写作中的辅助价值仍将扩展，在素材检索、结构推演、语言打磨等环节有望进一步提升效率。
但从文学本质看，“创作”不仅是语言生成，更是经验、情感、伦理与时代关切的综合呈现。
可以预见，未来更可行的路径是“人机协作、以人为本”：让技术承担重复性劳动与工具性工作，让作者与编辑坚守主题立意、价值取向与审美判断的核心位置，在效率与质量之间建立新的平衡。
生成式AI的出现为文学创作提供了新的可能性，但其创作能力的局限性同样值得重视。
当前的AI创作更多是一种高效的内容生成工具，而非真正意义上的创意源泉。
文学的生命力在于其对人性的洞察、对时代的反思、对美的追求，这些都需要创作者的思想积淀与情感投入。
在AI技术不断演进的时代，人类创作者的主导地位不应动摇，AI应当成为辅助创意表达的手段，而不是替代人类想象力的工具。
唯有如此，文学创作才能在技术赋能中保持其独特的精神价值。