AI_NovelGenerator本地部署教程从零搭建小说生成环境到产出第一部设定【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是一款基于大模型的图形化长篇小说生成工具它能自动衔接章节上下文、管理伏笔解决多章写作时剧情断裂、设定前后矛盾的问题。按本教程完成本地部署后你会得到一个开箱即用的小说工作台输入主题就能依次产出设定、目录和章节草稿。它适合三类人想用AI批量产出长篇的网文作者希望作品数据留在本地的用户设定、章节文本、向量库都存在本机以及跑 Ollama 这类本地模型的开发者——本地模型走 OpenAI 兼容协议不需要买云 API。整个部署过程半小时以内可以完成想深入用法时再翻中文文档即可。先把环境前置项核对一遍这一节在动手安装之前把必须到位的四样东西核一遍避免装到一半卡住再回头补。Python 3.9运行程序的编程语言解释器3.10–3.12 兼容性最好安装时勾选 Add Python to PATH。终端执行python --version应输出 3.9 及以上。pipPython 自带的包管理器用来一次性安装项目全部依赖无需单独配置。至少一个可用的 LLM 服务云端 APIOpenAI、DeepSeek 等或 Ollama 这类兼容 OpenAI 协议的本地服务关键是手里要有有效密钥。C 编译工具可选部分依赖安装时要现场编译只有报错时才需要它Windows 装 Visual Studio Build Tools 并勾选「C 桌面开发」工作负载Linux 装build-essential包。完成判断python --version能打印出版本号且不低于 3.9环境这一关就过了。获取代码并安装依赖这一节把你从零拉到「程序能跑起来」全程只有三行命令。git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator pip install -r requirements.txt动作 → 预期结果执行第三条命令后终端持续滚动安装日志最后出现Successfully installed ...说明chromadb负责语义检索的向量数据库、customtkinter图形界面框架等依赖全部就位。[!TIP] 安装中途报编译错误日志里出现error: command cl failed或gcc字样基本都是缺 C 构建工具。按上一节装上对应的编译环境后重新执行安装命令即可不用删掉已装的包。完成判断终端执行pip list能同时看到customtkinter和chromadb依赖环节就算结束。给配置文件填好四个区块这一节是部署的主要工作量目的是告诉程序「用什么模型、写什么书、存到哪里」。项目自带模板config.example.json先复制一份作为实际配置cp config.example.json config.jsonconfig.json分为四个区块各填各的llm_configs生成模型预设挑一个你有密钥的预设填api_key、base_url、model_name三项embedding_configs向量化模型预设把文字转成向量供检索用同样填密钥、地址、模型名供长上下文召回other_params作品参数主题topic、类型genre、总章节数num_chapters、单章字数word_number、保存路径filepathchoose_configs任务分配为设定、目录、草稿、定稿、审校五类任务各指定一个预设名全填同一个最省事。关键参数的推荐值和易错点集中在下表对照着填参数含义推荐值不这样填会怎样api_key模型服务访问密钥你的真实密钥首尾多一个空格都会被判为认证失败base_urlAPI 接口地址云端如https://api.deepseek.comOllama 填http://localhost:11434/v1地址与模型对不上接口直接返回错误页model_name具体模型名deepseek-v4-flash、gpt-5.5等Ollama 用户必须用本地已部署的名字如llama3写错即调用失败temperature生成随机性0–10.6–0.8过低文字僵硬过高剧情逻辑混乱max_tokens单次输出长度上限8192超过模型自身上限会被截断或报错timeout单次调用超时秒600太小会在长章生成中途断开retrieval_k向量库每次召回的前文片段数4超过 50 章的作品不调到 6–8后期章节「记不住」前情topic/genre主题与类型「废土世界的 AI 叛乱」/「科幻」留空或含糊后面所有生成都会跑偏num_chapters/word_number总章节数 / 单章目标字数10 / 3000填 0 时目录无法规划流程卡死filepath生成文件保存路径非系统盘的独立目录设定、目录、章节都写到这里指向系统目录容易污染系统文件[!WARNING] 用 Ollama 做 embedding 模型要先ollama serve启动服务并ollama pull nomic-embed-text拉取模型更重要的是之后每切换一次 embedding 模型就清空一次vectorstore/目录——不同模型产生的旧向量会混在一起直接污染检索结果。完成判断打开config.json至少一个 LLM 预设和一个 embedding 预设的密钥与地址完整其余预设留空也没关系之后随时能在图形界面设置区改。启动图形界面并验证首次生成部署到此只差临门一脚这一节用一次真实生成确认模型链路真的通了。python main.py动作 → 预期结果命令执行后弹出图形窗口含设定、目录、章节编辑等分区。接着按顺序做三件事核对回显设置区里的模型名、主题应与config.json一致不一致说明配置没被正确读取设定可验证的参数主题「废土世界的 AI 叛乱」、10 章、每章约 3000 字保存路径指向一个刚创建的空目录点击「Step1. 生成设定」等日志区输出完毕到保存路径下查看。成功标准很具体保存路径里出现含世界观、角色信息的Novel_setting.txt说明 API 连接、模型调用、文件落盘三个环节全部打通部署正式完成。日志区报连接错误的话直接跳下一节自查。常见故障现象自查这一节给程序出问题时一个固定的查询入口不用慌按现象对号入座都是「现象 → 原因 → 处理」的固定套路。现象生成时报Expecting value: line 1 column 1 (char 0)→ 原因API 没返回合法 JSON比如返回了报错页 HTML多为密钥带空格或地址填错 → 处理检查api_key首尾无空格浏览器打开base_url确认地址可达。现象HTTP/1.1 504 Gateway Timeout→ 原因API 服务侧不稳定或处理超时 → 处理确认接口服务状态正常把配置里的timeout调大后重试。现象pip install报编译错误 → 原因缺 C 编译环境 → 处理Windows 装 VS Build Tools勾选 C 桌面开发、Linux 装build-essential再重跑安装。现象切换 embedding 模型后前文检索不准 → 原因vectorstore/残留上一个模型产生的旧向量 → 处理清空该目录重新定稿章节把库重建一遍。现象python main.py不弹图形界面 → 原因Python 版本超出范围或依赖没装全 → 处理确认 Python 在 3.9–3.12 之间重跑pip install -r requirements.txt。部署工作到此全部结束。打开图形界面用这部 10 章的作品把「生成设定 → 生成目录 → 章节草稿 → 定稿」完整跑一轮定稿前顺手启用一次一致性审校看看自动查错的效果。【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
AI_NovelGenerator本地部署教程从零搭建小说生成环境到产出第一部设定【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是一款基于大模型的图形化长篇小说生成工具它能自动衔接章节上下文、管理伏笔解决多章写作时剧情断裂、设定前后矛盾的问题。按本教程完成本地部署后你会得到一个开箱即用的小说工作台输入主题就能依次产出设定、目录和章节草稿。它适合三类人想用AI批量产出长篇的网文作者希望作品数据留在本地的用户设定、章节文本、向量库都存在本机以及跑 Ollama 这类本地模型的开发者——本地模型走 OpenAI 兼容协议不需要买云 API。整个部署过程半小时以内可以完成想深入用法时再翻中文文档即可。先把环境前置项核对一遍这一节在动手安装之前把必须到位的四样东西核一遍避免装到一半卡住再回头补。Python 3.9运行程序的编程语言解释器3.10–3.12 兼容性最好安装时勾选 Add Python to PATH。终端执行python --version应输出 3.9 及以上。pipPython 自带的包管理器用来一次性安装项目全部依赖无需单独配置。至少一个可用的 LLM 服务云端 APIOpenAI、DeepSeek 等或 Ollama 这类兼容 OpenAI 协议的本地服务关键是手里要有有效密钥。C 编译工具可选部分依赖安装时要现场编译只有报错时才需要它Windows 装 Visual Studio Build Tools 并勾选「C 桌面开发」工作负载Linux 装build-essential包。完成判断python --version能打印出版本号且不低于 3.9环境这一关就过了。获取代码并安装依赖这一节把你从零拉到「程序能跑起来」全程只有三行命令。git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator pip install -r requirements.txt动作 → 预期结果执行第三条命令后终端持续滚动安装日志最后出现Successfully installed ...说明chromadb负责语义检索的向量数据库、customtkinter图形界面框架等依赖全部就位。[!TIP] 安装中途报编译错误日志里出现error: command cl failed或gcc字样基本都是缺 C 构建工具。按上一节装上对应的编译环境后重新执行安装命令即可不用删掉已装的包。完成判断终端执行pip list能同时看到customtkinter和chromadb依赖环节就算结束。给配置文件填好四个区块这一节是部署的主要工作量目的是告诉程序「用什么模型、写什么书、存到哪里」。项目自带模板config.example.json先复制一份作为实际配置cp config.example.json config.jsonconfig.json分为四个区块各填各的llm_configs生成模型预设挑一个你有密钥的预设填api_key、base_url、model_name三项embedding_configs向量化模型预设把文字转成向量供检索用同样填密钥、地址、模型名供长上下文召回other_params作品参数主题topic、类型genre、总章节数num_chapters、单章字数word_number、保存路径filepathchoose_configs任务分配为设定、目录、草稿、定稿、审校五类任务各指定一个预设名全填同一个最省事。关键参数的推荐值和易错点集中在下表对照着填参数含义推荐值不这样填会怎样api_key模型服务访问密钥你的真实密钥首尾多一个空格都会被判为认证失败base_urlAPI 接口地址云端如https://api.deepseek.comOllama 填http://localhost:11434/v1地址与模型对不上接口直接返回错误页model_name具体模型名deepseek-v4-flash、gpt-5.5等Ollama 用户必须用本地已部署的名字如llama3写错即调用失败temperature生成随机性0–10.6–0.8过低文字僵硬过高剧情逻辑混乱max_tokens单次输出长度上限8192超过模型自身上限会被截断或报错timeout单次调用超时秒600太小会在长章生成中途断开retrieval_k向量库每次召回的前文片段数4超过 50 章的作品不调到 6–8后期章节「记不住」前情topic/genre主题与类型「废土世界的 AI 叛乱」/「科幻」留空或含糊后面所有生成都会跑偏num_chapters/word_number总章节数 / 单章目标字数10 / 3000填 0 时目录无法规划流程卡死filepath生成文件保存路径非系统盘的独立目录设定、目录、章节都写到这里指向系统目录容易污染系统文件[!WARNING] 用 Ollama 做 embedding 模型要先ollama serve启动服务并ollama pull nomic-embed-text拉取模型更重要的是之后每切换一次 embedding 模型就清空一次vectorstore/目录——不同模型产生的旧向量会混在一起直接污染检索结果。完成判断打开config.json至少一个 LLM 预设和一个 embedding 预设的密钥与地址完整其余预设留空也没关系之后随时能在图形界面设置区改。启动图形界面并验证首次生成部署到此只差临门一脚这一节用一次真实生成确认模型链路真的通了。python main.py动作 → 预期结果命令执行后弹出图形窗口含设定、目录、章节编辑等分区。接着按顺序做三件事核对回显设置区里的模型名、主题应与config.json一致不一致说明配置没被正确读取设定可验证的参数主题「废土世界的 AI 叛乱」、10 章、每章约 3000 字保存路径指向一个刚创建的空目录点击「Step1. 生成设定」等日志区输出完毕到保存路径下查看。成功标准很具体保存路径里出现含世界观、角色信息的Novel_setting.txt说明 API 连接、模型调用、文件落盘三个环节全部打通部署正式完成。日志区报连接错误的话直接跳下一节自查。常见故障现象自查这一节给程序出问题时一个固定的查询入口不用慌按现象对号入座都是「现象 → 原因 → 处理」的固定套路。现象生成时报Expecting value: line 1 column 1 (char 0)→ 原因API 没返回合法 JSON比如返回了报错页 HTML多为密钥带空格或地址填错 → 处理检查api_key首尾无空格浏览器打开base_url确认地址可达。现象HTTP/1.1 504 Gateway Timeout→ 原因API 服务侧不稳定或处理超时 → 处理确认接口服务状态正常把配置里的timeout调大后重试。现象pip install报编译错误 → 原因缺 C 编译环境 → 处理Windows 装 VS Build Tools勾选 C 桌面开发、Linux 装build-essential再重跑安装。现象切换 embedding 模型后前文检索不准 → 原因vectorstore/残留上一个模型产生的旧向量 → 处理清空该目录重新定稿章节把库重建一遍。现象python main.py不弹图形界面 → 原因Python 版本超出范围或依赖没装全 → 处理确认 Python 在 3.9–3.12 之间重跑pip install -r requirements.txt。部署工作到此全部结束。打开图形界面用这部 10 章的作品把「生成设定 → 生成目录 → 章节草稿 → 定稿」完整跑一轮定稿前顺手启用一次一致性审校看看自动查错的效果。【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
