AI NovelGenerator:让AI为你创作长篇连贯小说的完整指南
AI NovelGenerator 是一款基于大语言模型(LLM,即能理解和生成人类语言的AI系统)的开源工具,专注于AI小说创作领域,通过智能算法实现长篇故事生成过程中的上下文自动衔接与伏笔设置,确保多章节连贯的剧情发展。无论是文学爱好者还是内容创作者,都能通过简单配置快速生成结构完整、情节连贯的小说作品。
🚀 三步掌握核心价值:重新定义AI写作体验
1. 上下文智能衔接技术
传统AI写作工具常出现章节断层问题,而本项目通过get_last_n_chapters_text函数实现最近3章内容自动提取,并结合apply_knowledge_rules规则引擎,确保新生成章节与前文设定、人物关系和剧情伏笔保持逻辑一致。这一技术突破使长篇创作告别"失忆式"写作困境。
2. 多模型适配架构
项目通过llm_adapters.py实现对OpenAI、DeepSeek、Ollama等多种LLM服务的无缝对接,配合embedding_adapters.py支持不同向量模型切换。这种灵活架构让用户可根据需求选择云端API或本地部署模型,平衡创作成本与隐私安全。
3. 知识增强生成系统
借助vectorstore_utils.py实现的向量存储技术,系统能自动构建小说专属知识库。当生成新章节时,get_relevant_context_from_vector_store函数会智能检索相关设定和前文细节,使创作既保持风格统一又避免设定冲突。
🎭 解锁四大创作场景:从灵感到作品的全流程支持
零基础上手:异世界穿越题材创作
用户需求:生成"星穹铁道主角穿越原神提瓦特大陆"的奇幻故事
生成策略:
- 在GUI的"小说参数"标签页设置:
- 主题:异世界文明碰撞
- 类型:奇幻冒险
- 章节数:12章,每章2000字
- 使用"角色库"功能导入星穹与原神角色设定
- 在"生成设置"中启用"跨世界设定融合"选项
效果展示:系统自动生成包含七国冒险路线的章节大纲,并在第三章设计"星穹技术与元素力的冲突"核心剧情,同时通过知识系统确保角色技能符合原作设定。
剧情连贯性保障:悬疑推理小说创作
用户需求:创作"古董钟表店连环盗窃案"的推理故事
生成策略:
- 在"架构生成"阶段设置:
- 核心谜题:被盗钟表蕴含时空线索
- 伏笔密度:每章设置2个关键线索
- 推理逻辑:采用"挑战读者"模式
- 启用"一致性检查器",重点监控线索出现与回收
- 使用"章节指导"功能为关键章节提供推理方向
效果展示:系统在第五章埋下"发条鸟摆件"线索,在第九章通过get_filtered_knowledge_context函数自动关联,最终在终章形成完整证据链,实现逻辑闭环的推理体验。
历史细节还原:历史穿越小说创作
用户需求:生成"现代考古学家穿越到北宋汴京"的历史小说
生成策略:
- 通过"知识导入"功能添加《东京梦华录》等历史文献
- 在"高级设置"中启用:
- 历史细节校验:开启
- 语言风格适配:宋代白话模式
- 使用"场景生成器"指定汴河码头、大相国寺等关键场景
效果展示:生成的第二章"虹桥市井"场景中,系统自动调用历史知识库,准确还原了"脚店"、"瓦子"等宋代特有的商业形态,对话风格也体现了士庶阶层的语言差异。
废土世界构建:科幻题材创作
用户需求:创建"AI叛乱后的废土文明重生"故事
生成策略:
- 在"世界观设定"中配置:
- 科技水平:后启示录式混合文明
- 社会结构:城邦联盟制
- 核心冲突:人机伦理博弈
- 使用"蓝图生成器"规划三幕式剧情结构
- 启用"多线叙事"功能,同时推进主线与支线剧情
效果展示:系统生成的"机械神权"章节中,通过Chapter_blueprint_generate函数自动平衡多条故事线,既展现了主角团的反抗行动,又通过配角视角铺陈AI进化的伦理困境。
🔧 零基础上手指南:准备-配置-启动三阶段实操
准备阶段:环境搭建(3步完成)
# 克隆项目代码库
git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator
# 进入项目目录
cd AI_NovelGenerator
# 安装依赖包(包含GUI和LLM适配库)
pip install -r requirements.txt
配置阶段:关键参数设置
本地部署vs云端服务对比
| 特性 | 本地部署(如Ollama) | 云端服务(如OpenAI) |
|---|---|---|
| 成本 | 一次性硬件投入 | 按token计费 |
| 隐私 | 数据本地处理 | 需上传内容 |
| 性能 | 受限于本地硬件 | 由服务提供商保障 |
| 配置复杂度 | 中(需模型下载) | 低(仅需API密钥) |
核心配置步骤:
- 复制配置模板创建个人配置:
cp config.example.json config.json - 编辑配置文件,设置:
- API密钥(云端服务)或模型路径(本地部署)
- 默认输出目录(建议设置为
./output/novels) - 常用模型参数(温度值建议0.7-0.9)
启动阶段:首次运行与界面导航
# 启动主程序,打开图形用户界面
python main.py
界面核心区域:
- 左侧导航栏:小说管理、章节生成、设定配置
- 中央工作区:实时编辑与预览
- 右侧面板:生成进度与历史记录
🛠️ 避坑指南:新手常遇问题及解决方案
问题1:生成内容与设定冲突
表现:角色性格前后不一致或技能突然变化
解决方案:
- 在"知识管理"中重新导入角色设定文件
- 执行"一致性检查"(菜单栏→工具→剧情校验)
- 开启"强制设定遵循"选项(设置→高级→内容规则)
问题2:章节生成速度过慢
表现:单章生成超过10分钟
解决方案:
- 降低每章字数(建议1500-2000字/章)
- 切换轻量级模型(如将GPT-4换为GPT-3.5)
- 调整embedding检索参数(减少k值至1-2)
问题3:上下文衔接生硬
表现:章节开头与前文脱节
解决方案:
- 增加上下文回顾长度(设置→生成→上下文窗口→3章)
- 手动添加章节引导(在"本章指导"框输入关键衔接点)
- 使用"章节概要"功能生成过渡段落
问题4:内存占用过高
表现:程序运行中卡顿或崩溃
解决方案:
- 清理向量存储(工具→维护→清除历史向量)
- 降低批量生成章节数量(单次不超过3章)
- 关闭预览窗口(视图→隐藏实时预览)
问题5:输出格式混乱
表现:章节标题、段落格式不统一
解决方案:
- 在"格式设置"中选择预设模板
- 启用"自动格式化"功能(编辑→偏好设置)
- 导出前执行"格式修复"(文件→修复格式)
🌐 生态拓展:打造个性化创作系统
本地模型集成方案
通过Ollama部署开源模型实现完全本地化创作:
- 安装Ollama并下载模型:
ollama pull mistral - 在配置文件中设置:
"llm": { "interface_format": "ollama", "base_url": "http://localhost:11434", "model_name": "mistral" } - 测试连接(工具→模型测试→ Ollama连接测试)
创作工作流自动化
使用PyInstaller打包个性化创作环境:
# 安装打包工具
pip install pyinstaller
# 生成可执行文件
pyinstaller --onefile --windowed main.py
打包后可在无Python环境的电脑上运行,适合多设备创作。
知识库扩展
整合专业领域知识提升创作深度:
- 准备专业资料(如《武侠招式大全》)
- 通过"知识导入"功能添加(菜单栏→知识→导入文件)
- 在生成设置中调整知识检索权重(高级→知识影响度→0.8)
常见问题速查
Q: 支持哪些模型?
A: 支持OpenAI API、DeepSeek、Ollama本地模型等,通过适配器可扩展更多模型。
Q: 生成的小说保存在哪里?
A: 默认保存在./output/novels/[小说ID]/目录,包含章节文本、设定文件和向量数据库。
Q: 如何恢复意外关闭前的创作?
A: 程序自动保存进度,重启后在"小说管理"中选择"最近项目"即可恢复。
Q: 能否自定义章节生成规则?
A: 支持!在novel_generator/rules/目录下可编辑内容规则文件,实现个性化约束。
Q: 最低硬件要求是什么?
A: 云端模式仅需4GB内存,本地部署建议16GB内存+RTX 3060以上显卡。
通过AI NovelGenerator,任何人都能将创意转化为结构完整、情节连贯的长篇小说。无论是文学创作、内容生产还是创意练习,这款工具都能大幅降低创作门槛,让AI真正成为创作者的得力助手。现在就启动程序,开启你的AI小说创作之旅吧!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00