使用ai生成多章节的长篇小说，自动衔接上下文、伏笔

• 当前没有什么精力维护该项目，本身该项目并无任何收益，以及临近毕业，有很多内容要忙，如果后面有时间的话，再考虑基于更新的技术去重构吧。——2025/9/24

一款基于大语言模型的多功能小说生成器，助您高效创作逻辑严谨、设定统一的长篇故事

1. 环境准备
2. 项目架构
3. 配置指南
4. 运行说明
5. 使用教程
6. 疑难解答

确保满足以下运行条件：

• Python 3.9+ 运行环境（推荐3.10-3.12之间）
• pip 包管理工具
• 有效API密钥：
  • 云端服务：OpenAI / DeepSeek 等
  • 本地服务：Ollama 等兼容 OpenAI 的接口

1. 下载项目

   • 通过 GitHub 下载项目 ZIP 文件，或使用以下命令克隆本项目：

     git clone https://github.com/YILING0013/AI_NovelGenerator

2. 安装编译工具（可选）

   • 如果对某些包无法正常安装，访问 Visual Studio Build Tools 下载并安装C++编译工具，用于构建部分模块包；
   • 安装时，默认只包含 MSBuild 工具，需手动勾选左上角列表栏中的 C++ 桌面开发 选项。

3. 安装依赖并运行

   • 打开终端，进入项目源文件目录：

     cd AI_NovelGenerator

   • 安装项目依赖：

     pip install -r requirements.txt

   • 安装完成后，运行主程序：

     python main.py

如果缺失部分依赖，后续手动执行

pip install XXX

进行安装即可

novel-generator/
├── main.py                      # 入口文件, 运行 GUI
├── consistency_checker.py       # 一致性检查, 防止剧情冲突
|—— chapter_directory_parser.py  # 目录解析
|—— embedding_adapters.py        # Embedding 接口封装
|—— llm_adapters.py              # LLM 接口封装
├── prompt_definitions.py        # 定义 AI 提示词
├── utils.py                     # 常用工具函数, 文件操作
├── config_manager.py            # 管理配置 (API Key, Base URL)
├── config.json                  # 用户配置文件 (可选)
├── novel_generator/             # 章节生成核心逻辑
├── ui/                          # 图形界面
└── vectorstore/                 # (可选) 本地向量数据库存储

{
    "api_key": "sk-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX",
    "base_url": "https://api.openai.com/v1",
    "interface_format": "OpenAI",
    "model_name": "gpt-4o-mini",
    "temperature": 0.7,
    "max_tokens": 4096,
    "embedding_api_key": "sk-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX",
    "embedding_interface_format": "OpenAI",
    "embedding_url": "https://api.openai.com/v1",
    "embedding_model_name": "text-embedding-ada-002",
    "embedding_retrieval_k": 4,
    "topic": "星穹铁道主角星穿越到原神提瓦特大陆，拯救提瓦特大陆，并与其中的角色展开爱恨情仇的小说",
    "genre": "玄幻",
    "num_chapters": 120,
    "word_number": 4000,
    "filepath": "D:/AI_NovelGenerator/filepath"
}

1. 生成模型配置

   • api_key: 大模型服务的API密钥
   • base_url: API终端地址（本地服务填Ollama等地址）
   • interface_format: 接口模式
   • model_name: 主生成模型名称（如gpt-4, claude-3等）
   • temperature: 创意度参数（0-1，越高越有创造性）
   • max_tokens: 模型最大回复长度

2. Embedding模型配置

   • embedding_model_name: 模型名称（如Ollama的nomic-embed-text）
   • embedding_url: 服务地址
   • embedding_retrieval_k:

3. 小说参数配置

   • topic: 核心故事主题
   • genre: 作品类型
   • num_chapters: 总章节数
   • word_number: 单章目标字数
   • filepath: 生成文件存储路径

python main.py

执行后，GUI 将会启动，你可以在图形界面中进行各项操作。

如果你想在无 Python 环境的机器上使用本工具，可以使用 PyInstaller 进行打包：

pip install pyinstaller
pyinstaller main.spec

打包完成后，会在 dist/ 目录下生成可执行文件（如 Windows 下的 main.exe）。

1. 启动后，先完成基本参数设置：

   • API Key & Base URL（如 https://api.openai.com/v1）
   • 模型名称（如 gpt-3.5-turbo、gpt-4o 等）
   • Temperature (0~1，决定文字创意程度)
   • 主题(Topic)（如 “废土世界的 AI 叛乱”）
   • 类型(Genre)（如 “科幻”/“魔幻”/“都市幻想”）
   • 章节数、每章字数（如 10 章，每章约 3000 字）
   • 保存路径（建议创建一个新的输出文件夹）

2. 点击「Step1. 生成设定」

   • 系统将基于主题、类型、章节数等信息，生成：
     • Novel_setting.txt：包含世界观、角色信息、雷点暗线等。
   • 可以在生成后的 Novel_setting.txt 中查看或修改设定内容。

3. 点击「Step2. 生成目录」

   • 系统会根据已完成的 Novel_setting.txt 内容，为全部章节生成：
     • Novel_directory.txt：包括每章标题和简要提示。
   • 可以在生成后的文件中查看、修改或补充章节标题和描述。

4. 点击「Step3. 生成章节草稿」

   • 在生成章节之前，你可以：
     • 设置章节号（如写第 1 章，就填 1）
     • 在“本章指导”输入框中提供对本章剧情的任何期望或提示
   • 点击按钮后，系统将：
     • 自动读取前文设定、Novel_directory.txt、以及已定稿章节
     • 调用向量检索回顾剧情，保证上下文连贯
     • 生成本章大纲 (outline_X.txt) 及正文 (chapter_X.txt)
   • 生成完成后，你可在左侧的文本框查看、编辑本章草稿内容。

5. 点击「Step4. 定稿当前章节」

   • 系统将：
     • 更新全局摘要（写入 global_summary.txt）
     • 更新角色状态（写入 character_state.txt）
     • 更新向量检索库（保证后续章节可以调用最新信息）
     • 更新剧情要点（如 plot_arcs.txt）
   • 定稿完成后，你可以在 chapter_X.txt 中看到定稿后的文本。

6. 一致性检查（可选）

   • 点击「[可选] 一致性审校」按钮，对最新章节进行冲突检测，如角色逻辑、剧情前后矛盾等。
   • 若有冲突，会在日志区输出详细提示。

7. 重复第 4-6 步 直到所有章节生成并定稿！

向量检索配置提示

1. embedding模型需要显示指定接口和模型名称；
2. 使用本地Ollama的Embedding时需提前启动Ollama服务：

   ollama serve  # 启动服务
   ollama pull nomic-embed-text  # 下载/启用模型

3. 切换不同Embedding模型后建议清空vectorstore目录
4. 云端Embedding需确保对应API权限已开通

该问题大概率由于API未正确响应造成，也许响应了一个html？其它内容，导致出现该报错；

确认接口是否稳定；

在GUI界面中对应输入即可。

如有更多问题或需求，欢迎在项目 Issues 中提出。