《把人寫成妖 》爆紅!陸AI短劇上線一週破千萬觀看 片中金句引網友共鳴
AI短劇殺出新黑馬!《把人寫成了妖》在嗶哩嗶哩(Bilibili)上線後迅速爆紅,從劇情設定到經典台詞一次解析,帶你快速看懂這部神作的成功原因。

文章摘要
- 《把人寫成妖》是大陸AI創作者「青瓜蛋」推出的熱門短劇,上線一週即突破千萬觀看。
- 文章解析作品劇情、網路熱度與爆紅關鍵,帶你快速看懂這部AI短劇為何迅速出圈。
大陸AI創作者「青瓜蛋」17日在大陸網站「嗶哩嗶哩(Bilibili)」發布短片《我這一生最大的罪,是把人寫成了妖……》,沒想到影片上線後迅速引發關注,短短一週內就狂吸千萬觀看。截至今日(28),瀏覽量已累積1,633萬,不僅登上全站排行榜第一,還獲得高達100萬人民幣的打賞金額。隨著影片話題持續發酵,該劇也透過FB、IG、Threads等各大社群平台延燒至台灣,就連創作者本人也被這股現象級熱潮嚇到,笑稱「一覺醒來還以為被網暴了」。
AI生成短片如今愈來愈普及,從畫面、配音到劇情皆能透過工具快速完成,但真正能引起大量討論的作品並不多。究竟《把人寫成了妖》 有何特別之處,能在短時間內拿下如此佳績?本文將一次整理作品內容與爆紅關鍵,帶你快速看懂這部AI短劇的魅力。
這一筆下去 死的到底是妖還是人?
《把人寫成了妖》又名《妖異簿·問蒼生》,片中的妖異諸事皆取材自東晉文學家干寶《搜神記》所記載的漢代災異,包括「寺壁黃人」、「木不曲直」、「草作人狀」等奇聞,再融入東漢末年黃巾起義的歷史背景,透過AI重新演繹出一段帶有志怪色彩的虛構故事。
劇情講述蘭台裴令史奉命查訪各地離奇怪事,若認定為妖異所為,記入《妖異簿》; 若查出是人為裝神弄鬼,則交由廷尉殺之。隨著調查深入,裴令史逐漸發現,這些妖異事件的背後其實藏著普通人民難以言說的生存困境。為了保護百姓免遭朝廷清算,裴令史選擇隱瞞真相,把一樁樁悲劇記錄在妖異簿上,因而感嘆說出「我這一生最大的罪,是把人寫成了妖」。
近一週聲量破三千筆 作者「青瓜蛋」衝上熱搜
《網路溫度計DailyView》透過輿情分析軟體《KEYPO大數據關鍵引擎》觀察近一週(2026/8/21~8/27) 網路討論,發現「把人寫成妖」相關聲量累積3,162筆,顯示這部AI短片不僅在影片平台快速吸引目光,話題也進一步擴散至各大社群,成為近期網友熱議的作品之一,「這部最近真的超紅,畫面感很強」、「質感立意都是大劇水準了」、「這片真的跟真人幾乎一樣,很扯」。
進一步分析探索概念,除了創作者「青瓜蛋」、短片別名「問蒼生」的關鍵詞外,片中台詞也成為網友關注的焦點,包括「黃天在每一個不肯再跪的人頭上」、「你們不是天生該跪」等句子頻繁出現在相關討論中,顯示網友關注的已不只是AI生成技術或奇幻劇情,而是台詞所蘊含的情緒與共鳴。

一人做出現象級AI短劇!《把人寫成了妖》爆紅3大關鍵
在這個AI快速氾濫的時代,為何這部作品能爆紅出圈?除了AI技術帶來的視覺新鮮感,更關鍵的是作品本身具備鮮明的故事主題與情緒張力。綜合網友討論與作品特色,大致可歸納出以下3大原因。
發人深省的金句效應
《把人寫成妖》劇中出現大量具有記憶點的台詞,不管是角色之間的對白,還是作者的內心獨白,都深深引發網友的共鳴,金句包括「你為什麼不殺我?是因為你知道,我這個妖,比朝廷有用。」、「黃人救不了所有病人,怪樹救不回被打死的老陳,白衣人也當不了皇帝,可它們有用,因為它們讓人相信,這世上還有東西站在他們這邊」、「蒼天也沒有來過,可皇帝不也做了這麼多年嗎」,這些台詞不只是推動劇情,也讓作品從虛構故事延伸至現實層面的思考。
傳統影視尺度的突破
由於中國大陸對歷史題材影視作品設有嚴格規範,像這類直面民間疾苦、涉及官場諷刺的敏感議題,若放在傳統商業影視製作環境中,極有可能無法通過審查。相較之下,AI創作就可為個人提供更多元的表達空間,而該片也被視為話語權回歸民間的象徵。
AI技術的高質感呈現
除了內容本身,AI技術也是作品受到矚目的重要原因。作者「青瓜蛋」僅憑一人之力,利用Seedance 2.5、GPT Image 2等AI工具完成作品,從影像生成到整體視覺呈現,都展現出相當成熟的完成度。高質感畫面加上完整敘事風格,使不少網友直呼「根本血洗線上古偶劇」。
分析說明
分析區間:本文分析時間範圍為2026年8月21日至2026年8月27日。
資料來源:
大數據(股)公司旗下輿情分析軟體《KEYPO大數據關鍵引擎》。
研究方法:
《KEYPO大數據關鍵引擎》輿情分析軟體擁有巨量資料,以人工智慧作語意分析之工具資料蒐集範圍:每月處理2000億以上中文資料的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Threads、TikTok、Instagram、新聞媒體、討論區、部落格等網站,針對討論『把人寫成妖』相關文本進行分析,調查「探索概念」(註)作為本分析依據。
*註 探索概念:將主題的文章進行概念分群(Concept Clustering),幫助讀者從巨量資料中快速掌握事件的來龍去脈;群中存在較高的議題相似度,群間則有較低的相關度;分群結果透過演算法抽取具有代表性的片語以呈現概念的意義。




