El razonamiento contrafactual explora lo que podría haber sucedido si las circunstancias fueran diferentes de lo que realmente ocurrió. Como una tarea crucial, la generación de historias contrafactuales integra el razonamiento contrafactual en la cadena narrativa generativa, lo que requiere que el modelo preserve ediciones mínimas y asegure consistencia narrativa. El trabajo previo prioriza la detección de conflictos como primer paso, y luego reemplaza el contenido en conflicto con palabras apropiadas. Sin embargo, estos métodos principalmente enfrentan dos problemas desafiantes: (a) la relación causal entre las secuencias de eventos de la historia no se utiliza completamente en la etapa de detección de conflictos, lo que lleva a una detección de conflictos inexacta, y (b) la ausencia de una planificación adecuada en la etapa de reescritura de contenido resulta en una falta de consistencia narrativa en el final de la historia generada. En este documento, proponemos un nuevo marco de generación contrafactual llamado CLICK basado en inferencia causal en secuencias de eventos e incorporación de conocimiento del sentido común. Para abordar el primer problema, utilizamos la correlación entre eventos adyacentes en el final de la historia para calcular de forma iterativa el contenido del final original afectado por la condición. El contenido con la condición original se evita efectivamente de trasladarse al nuevo final de la historia, evitando así conflictos causales con las condiciones contrafactuales. Considerando el segundo problema, incorporamos conocimiento estructural del sentido común sobre condiciones contrafactuales, equipando el marco con información de antecedentes exhaustiva sobre la posible ocurrencia de eventos condicionales contrafactuales. Al aprovechar una rica estructura de datos jerárquica, CLICK adquiere la capacidad de establecer una trayectoria narrativa más coherente y plausible para la narración posterior. Los resultados experimentales muestran que nuestro modelo supera a los métodos de vanguardia no supervisados anteriores y logra ganancias de 2.65 en BLEU, 4.42 en ENTScore y 3.84 en HMean en el conjunto de datos TIMETRAVEL.