3步写出百章长篇AI小说AI_NovelGenerator自动写作实践与系统解析指南【免费下载链接】AI_NovelGenerator使用ai生成多章节的长篇小说自动衔接上下文、伏笔项目地址: https://gitcode.com/GitHub_Trending/ai/AI_NovelGeneratorAI_NovelGenerator 是一款桌面端的 AI小说创作 / 自动写作工具基于 PyQt 自动生成并管理长篇小说靠向量检索维持章节间的设定一致性再用审校流程防止角色行为漂移。它的系统架构分四层GUI 表现、生成业务逻辑、数据访问、API 配置基建。如果你写过连载应该熟悉三个坑写到后面忘了设定、埋的伏笔断线、主角人设前后矛盾。这篇文章按装好 → 跑通首章 → 调参 → 二次开发的顺序走一遍顺便讲清楚它在每个环节是怎么防漂移的。3条命令跑通本地 AI 小说生成器环境要求不高Python 3.9推荐 3.10~3.12外加一个能用的模型接口——云端 OpenAI 兼容服务或本地 Ollama 都行。git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator pip install -r requirements.txt依赖在 requirements.txt 里全部锁了版本向量库部分用的是 chromadb。装完执行python main.py图形界面就起来了。整体目录分四层翻一翻就能建立心智模型ui/目录是表现层每个 Tab 页都是它novel_generator/ 是业务逻辑层数据访问拆成向量库和本地 txt 文件两半基建层则是llm_adapters.py、embedding_adapters.py、config_manager.py管 API 连接和配置读写。首次 AI 小说生成的 4 步流程打开主界面先把基础参数填上API Key、base_url、模型名、temperature再填小说参数主题、类型、章节数、每章字数、保存路径。之后按顺序点四个按钮一章的完整生命周期就走完了生成设定产出Novel_setting.txt包含世界观、角色、伏笔暗线。这个文件可以直接手改相当于后续所有生成的宪法。生成目录基于设定为全书产出Novel_directory.txt每章带标题和简短提示。生成章节草稿可以在本章指导里写一句期望的剧情走向。系统会自动读取前文设定、目录和已定稿章节调向量检索回顾旧剧情产出本章大纲和正文。定稿当前章节更新全局摘要、角色状态文件、向量检索库和剧情要点plot_arcs.txt觉得字数不够可以走一轮扩写再定稿。定稿后还可以点一致性审校然后重复 3、4 步进入下一章。拆开看这是典型的大纲 → 正文 → 质量优化多阶段策略。打开 novel_generator/chapter.py 你会发现构建本章提示词时会拉入前三章文本、本章与下一章的目录信息、以及一段前三章精准摘要提示词本体集中在 prompt_definitions.py融了雪花写作法、角色弧光、悬念三要素等框架每个生成阶段用各自的一层。这里有个小技巧系统不会把全文塞给模型。前文先压缩成精准摘要并截断长度长文本切片进向量库角色状态和剧情要点这类关键信息则存在结构化的 txt 里优先注入。所谓上下文窗口管理说白了就是关键的剧情留冗余的摘要化token模型计费的输入长度单位省着花。长篇不崩人设向量检索与一致性检查怎么配漂移就是指第 5 章的主角和第 30 章判若两人。系统用两套机制对冲。向量语义检索。生成新章节时以本章目录信息为查询去向量库召回最相关的前文片段注入提示词。底层在 novel_generator/vectorstore_utils.py嵌入模型把文本转成一串数字、数字相近即语义相近先把文本变成向量chroma 建好索引后每章定稿都会自动把新章节写进库。能检索的不只是正文——设定、角色状态、剧情弧线含伏笔和未解决冲突都在库里等于角色线、剧情线、世界观设定可以同时被回忆起来。一致性审校。consistency_checker.py的思路很直白把小说设定、角色状态、全局摘要、已记录的剧情要点和最新章节拼进同一份提示词让模型列出冲突——角色行为矛盾、时间线断裂、世界观不一致以及该推进却被忽略的伏笔。有冲突就在日志区输出明细。向量检索参数怎么调retrieval_k一次召回多少片段建议 4~6太少容易漏关键伏笔太多挤占上下文预算相似度阈值0.75 附近起步召回结果跑题就往上加索引更新频率默认每章定稿即更新批量连写时也可以每 5 章集中刷一次在时效和开销之间取平衡。 参数调优速查LLM 配置与检索参数所有配置都在config.json里照 config.example.json 抄一份就能用。AI小说生成参数配置分三块模型预设llm_configsapi_key、base_url云端填官方地址本地服务填 Ollama 地址、model_name、temperature0~1越高越发散、max_tokens单次回复长度上限、timeout检索模型embedding_configs同样要指定接口和模型名外加召回条数retrieval_k。踩坑提示用本地 Ollama 的嵌入模型要先起服务并拉好模型换了嵌入模型后建议清空 vectorstore 目录重建索引新旧向量不在一个语义空间里召回会飘任务分配choose_configs亮点在这——不必全场同一个模型。设定生成、目录、草稿、定稿、审校五类任务各自指定模型贵的给设定和定稿快的给草稿和审校。{ llm_configs: { DeepSeek V4 Flash: { api_key: your_api_key_here, base_url: https://api.deepseek.com, model_name: deepseek-v4-flash, temperature: 0.7, max_tokens: 8192, timeout: 600 } }, embedding_configs: { OpenAI: { model_name: text-embedding-3-small, retrieval_k: 4 } } }批量连载与二次开发线程、重试与扩展点性能侧先看 ui/generation_handlers.py每个生成任务都在后台线程里跑模型思考时界面不卡死批量生成入口则支持连续产出多章。容错做在基建上——common.py的call_with_retry、invoke_with_cleaning遇到 API 失败自动重试定稿写文件时先写临时文件再原子替换单章失败或中途断电都不会损坏已有文本。缓存也是同一思路向量索引持久化在本地 vectorstore设定、目录、摘要、角色状态全是本地 txt。这套磁盘级缓存意味着重启后一切可恢复某章生成挂了只需重跑那一章不用从头再来。扩展侧模型接入用适配器模式封装llm_adapters.py和embedding_adapters.py各按接口格式创建对应适配器新增一个模型提供方就是加一个适配器的事。想改生成流程本身——章节结构模板、角色对话风格、剧情发展模式官方建议的路径是继承 base_generator 类来自定义生成策略。更适合哪两类作品一是多卷长篇连载跨卷角色发展轨迹靠向量库和plot_arcs文件记账伏笔的埋设与回收有据可查二是角色驱动型故事长篇小说角色一致性靠每章定稿更新一次角色状态文件 审校拦截来兜底人设和成长弧线始终有一本账可翻。第一次跑通流程后你会发现长篇创作里最难的部分——记住之前写过什么——被拆成了摘要文件、向量库、审校提示词三件小事。这个工具做的事就是给这三件小事各安一个固定的位置。【免费下载链接】AI_NovelGenerator使用ai生成多章节的长篇小说自动衔接上下文、伏笔项目地址: https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
