来源:
MICE Quotient 是一种故事结构框架,根据驱动叙事的核心要素将故事分为四种类型。与传统的三幕结构不同,MICE 关注的是"故事承诺"——你向读者承诺了什么类型的体验。
核心焦点: 设定、世界观、地点
开启: 主角进入一个新的/陌生的世界
结束: 主角离开那个世界
关键特征:
典型例子:
网文应用:
核心焦点: 问题和答案
开启: 提出一个问题
结束: 问题得到解答
关键特征:
典型例子:
网文应用:
核心焦点: 角色发展/转变
开启: 主角对自己在生活中的角色感到不满
结束: 主角接受新角色或接受旧角色
关键特征:
典型例子:
网文应用:
核心焦点: 恢复秩序/平衡
开启: 世界的自然秩序被打破
结束: 建立新秩序(或恢复旧秩序)
关键特征:
典型例子:
网文应用:
故事可以(通常也确实)包含多个 MICE 线程,但必须正确嵌套,就像括号一样。
有效嵌套(对称):
M[ I[ C[ E[ ]E ]C ]I ]M ✓
无效嵌套(不对称):
M[ I[ C[ ]M E[ ]C ]I ]E ✗
关键: 后开启的线程必须先关闭(LIFO - Last In First Out)
多线程嵌套:
正确结构:
从提供的文本来看:
问:如果不解决,读者最失望的是什么?
MICE 理论非常适合 AI 学习,因为:
{
"story_threads": [
{
"type": "Event",
"level": 1,
"opening": {
"chapter": 1,
"description": "税银丢失,许平志被判死刑,三族连坐",
"disruption": "大奉朝廷的正常秩序被打破"
},
"closing": {
"chapter": null,
"description": "待解决",
"resolution": "恢复秩序或建立新秩序"
}
},
{
"type": "Character",
"level": 2,
"opening": {
"chapter": 1,
"description": "许七安不满于被流放边陲的命运",
"dissatisfaction": "从现代警察穿越成即将流放的古代捕快"
},
"closing": {
"chapter": null,
"description": "待解决",
"resolution": "接受新身份或改变命运"
}
},
{
"type": "Idea",
"level": 3,
"opening": {
"chapter": 1,
"description": "税银如何丢失?是否真是妖物作祟?",
"question": "十五万两白银不翼而飞的真相"
},
"closing": {
"chapter": null,
"description": "待解决",
"answer": "揭示真相"
}
}
],
"nesting_validation": "valid",
"primary_thread": "Event",
"genre_implication": "玄幻探案"
}
MICE 可以帮助提取"作者的思考过程":
结合: 每个 Scene 都在推进一个或多个 MICE 线程
Event Thread: [开启] ----Scene1---Scene2---Scene3---- [关闭]
↓ ↓ ↓
Character Thread: [开启] ---Scene2---Scene3--- [关闭]
↓ ↓
Idea Thread: [开启] ---Scene3--- [关闭]
网文需要更密集的钩子,MICE 可以这样应用:
对于百万字级别的长篇:
MICE Quotient 提供了一个强大的框架来理解和构建故事的宏观结构。对于 AI 训练而言,它的优势在于:
结合 Scene-Sequel 的微观结构,MICE 可以帮助 AI 理解从场景到整体故事的多层次叙事逻辑。