四步玩转AI小说生成AI_NovelGenerator 部署与配置教程【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 是一个AI小说生成工具。它基于大语言模型可以理解为能读题、能续写、还能记住前文的AI服务自动衔接上下文、管理伏笔并做一致性校对适合想批量产出多章节连载的写作者以及想尝试本地部署生成管线的技术爱好者。它解决什么问题长篇小说难在记性写长篇最容易翻车的不是某一章写得差而是记性差写到第 30 章忘了主角第 3 章捡到的道具伏笔埋了不收口。AI_NovelGenerator 把记性做成了文件——每章定稿后程序自动更新全局摘要和角色状态写下一章时它通过向量检索把文本变成数字索引按相似度翻找前文相关段落召回旧内容剧情因此不容易崩。整个操作在图形界面里完成不需要写命令行。你只需要准备一个 AI 模型的 API 密钥云端DeepSeek、OpenAI或本地Ollama都可以。 快速上手四步从克隆到打开界面环境要求 Python 3.9 及以上3.10–3.12 表现最稳。先运行python --version确认版本。1. 拉取源码git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator跑通后应看到目录下有main.py、config.example.json、requirements.txt等文件。2. 安装依赖pip install -r requirements.txt结尾出现 Successfully installed 即为成功。个别包编译失败的话看文末排错清单第 4 条。3. 准备配置文件cp config.example.json config.json打开config.json先只填一个 LLM 的api_key其余留空也能启动。4. 启动程序python main.py跑通后应看到弹出标题为 Novel Generator GUI 的窗口。系统就绪。⚙️ 关键配置解读必改项只有三处这一节回答AI小说生成配置里哪些字段是必填的其余保持默认。api_key、base_url、model_name连接 AI 服务的三件套要一起填。换服务商时三个字段都要改。interface_format声明这个服务说哪种协议DeepSeek、OpenAI、Gemini。base_url指向非 OpenAI 兼容接口时别忘了同步修改。other_params里的topic主题、genre类型、num_chapters总章数、word_number每章目标字数、filepath保存路径这五项也可以启动后直接在界面里改文件里可以先留空。向量检索依赖embedding_configs里的api_key不填它召回前文这项核心能力就用不了具体怎么配见下文调优一节。 端到端实战一个三章城市悬疑下面用3 章 × 2000 字跑一遍完整流程每步都给出预期产物。填参数。在界面里设 topic 为城市里的最后一位外卖员genre 为城市悬疑章数 3每章约 2000 字保存路径新建一个空文件夹。生成设定。点击生成设定按钮。预期产物保存目录里出现Novel_setting.txt世界观、人物小传、伏笔点都在里面可以直接编辑。生成目录。点击生成目录按钮。预期产物出现Novel_directory.txt每章一个标题加一句梗概。在这里检查章节顺序不满意直接改文件。生成第 1 章草稿。选中第 1 章在本章指导框里输入类似以雨夜接单开场带出神秘乘客点击生成章节草稿。预期产物outline_1.txt本章细纲和chapter_1.txt正文初稿两个文件可以在编辑器里直接改文字。定稿当前章。点击定稿当前章。程序会重写定稿同时更新global_summary.txt全局剧情摘要、character_state.txt角色状态并把内容写入向量库。这步不能跳过——跳过了第 2 章就不知道第 1 章发生了什么。一致性校对可选。点击一致性校对按钮程序扫描最新一章的逻辑冲突结果打在日志区。重复最后三步直到第 3 章定稿。你就得到一部设定自洽的三章连载。 进阶与调优遇到什么情况才看哪段想省成本或提质量生成过程分五个环节设定、目录、细纲、定稿、校对每个环节可以指定不同模型。改config.json里的choose_configs把设定和细纲指给便宜的 flash 级模型定稿留给更强的模型即可。切换逻辑实现在 llm_adapters.py。想写更长而不跑偏确认向量检索已启用。本地部署的话先启动 Ollama 并拉取嵌入模型嵌入模型负责把文本转成向量ollama serve ollama pull nomic-embed-text再把 embedding 配置指向 Ollama 的地址。注意更换嵌入模型后必须清空vectorstore目录旧索引是旧模型的向量复用会检索错乱。检索实现在 novel_generator/vectorstore_utils.py。想改文风所有提示词集中在 prompt_definitions.py改措辞就能改文风。另外temperature创意参数0 到 1默认 0.7 偏稳调到 0.9 更天马行空章节生成到一半被截断时把max_tokens调大如 8192 或 32768。️ 排错清单四个高频问题1. 报 Expecting value: line 1 column 1 (char 0)现象点生成后提示 JSON 解析错误。 原因API 返回了报错页而不是数据通常是api_key或base_url填错。 解法用浏览器手动带上密钥请求一次接口返回正常再回来重试。2. 出现 HTTP 504 Gateway Timeout现象请求卡住后超时。 原因API 侧拥塞或网络不稳。 解法把配置里的timeout调大或换一个更稳定的接入点重试。3. 新章节不断和前文设定打架现象模型写出的内容像没读过前几章。 原因向量检索没启用或换了嵌入模型后没清vectorstore。 解法补齐 embedding 配置换模型后清空vectorstore目录重新生成。4. Windows 下 pip 安装个别包失败现象安装时提示需要 C 编译器。 原因依赖里有需要本地编译的模块而环境缺构建工具。 解法安装 Visual Studio Build Tools勾选使用 C 的桌面开发工作负载再重装。下一步做什么先按上面的三章流程原样跑一遍配置不用动。跑通之后想看程序怎么拼装上下文和提示词读 novel_generator/chapter.py 和 prompt_definitions.py想看校对逻辑看 consistency_checker.py。更完整的参数说明在 README_zh-CN.md 里。【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
四步玩转AI小说生成AI_NovelGenerator 部署与配置教程【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 是一个AI小说生成工具。它基于大语言模型可以理解为能读题、能续写、还能记住前文的AI服务自动衔接上下文、管理伏笔并做一致性校对适合想批量产出多章节连载的写作者以及想尝试本地部署生成管线的技术爱好者。它解决什么问题长篇小说难在记性写长篇最容易翻车的不是某一章写得差而是记性差写到第 30 章忘了主角第 3 章捡到的道具伏笔埋了不收口。AI_NovelGenerator 把记性做成了文件——每章定稿后程序自动更新全局摘要和角色状态写下一章时它通过向量检索把文本变成数字索引按相似度翻找前文相关段落召回旧内容剧情因此不容易崩。整个操作在图形界面里完成不需要写命令行。你只需要准备一个 AI 模型的 API 密钥云端DeepSeek、OpenAI或本地Ollama都可以。 快速上手四步从克隆到打开界面环境要求 Python 3.9 及以上3.10–3.12 表现最稳。先运行python --version确认版本。1. 拉取源码git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator跑通后应看到目录下有main.py、config.example.json、requirements.txt等文件。2. 安装依赖pip install -r requirements.txt结尾出现 Successfully installed 即为成功。个别包编译失败的话看文末排错清单第 4 条。3. 准备配置文件cp config.example.json config.json打开config.json先只填一个 LLM 的api_key其余留空也能启动。4. 启动程序python main.py跑通后应看到弹出标题为 Novel Generator GUI 的窗口。系统就绪。⚙️ 关键配置解读必改项只有三处这一节回答AI小说生成配置里哪些字段是必填的其余保持默认。api_key、base_url、model_name连接 AI 服务的三件套要一起填。换服务商时三个字段都要改。interface_format声明这个服务说哪种协议DeepSeek、OpenAI、Gemini。base_url指向非 OpenAI 兼容接口时别忘了同步修改。other_params里的topic主题、genre类型、num_chapters总章数、word_number每章目标字数、filepath保存路径这五项也可以启动后直接在界面里改文件里可以先留空。向量检索依赖embedding_configs里的api_key不填它召回前文这项核心能力就用不了具体怎么配见下文调优一节。 端到端实战一个三章城市悬疑下面用3 章 × 2000 字跑一遍完整流程每步都给出预期产物。填参数。在界面里设 topic 为城市里的最后一位外卖员genre 为城市悬疑章数 3每章约 2000 字保存路径新建一个空文件夹。生成设定。点击生成设定按钮。预期产物保存目录里出现Novel_setting.txt世界观、人物小传、伏笔点都在里面可以直接编辑。生成目录。点击生成目录按钮。预期产物出现Novel_directory.txt每章一个标题加一句梗概。在这里检查章节顺序不满意直接改文件。生成第 1 章草稿。选中第 1 章在本章指导框里输入类似以雨夜接单开场带出神秘乘客点击生成章节草稿。预期产物outline_1.txt本章细纲和chapter_1.txt正文初稿两个文件可以在编辑器里直接改文字。定稿当前章。点击定稿当前章。程序会重写定稿同时更新global_summary.txt全局剧情摘要、character_state.txt角色状态并把内容写入向量库。这步不能跳过——跳过了第 2 章就不知道第 1 章发生了什么。一致性校对可选。点击一致性校对按钮程序扫描最新一章的逻辑冲突结果打在日志区。重复最后三步直到第 3 章定稿。你就得到一部设定自洽的三章连载。 进阶与调优遇到什么情况才看哪段想省成本或提质量生成过程分五个环节设定、目录、细纲、定稿、校对每个环节可以指定不同模型。改config.json里的choose_configs把设定和细纲指给便宜的 flash 级模型定稿留给更强的模型即可。切换逻辑实现在 llm_adapters.py。想写更长而不跑偏确认向量检索已启用。本地部署的话先启动 Ollama 并拉取嵌入模型嵌入模型负责把文本转成向量ollama serve ollama pull nomic-embed-text再把 embedding 配置指向 Ollama 的地址。注意更换嵌入模型后必须清空vectorstore目录旧索引是旧模型的向量复用会检索错乱。检索实现在 novel_generator/vectorstore_utils.py。想改文风所有提示词集中在 prompt_definitions.py改措辞就能改文风。另外temperature创意参数0 到 1默认 0.7 偏稳调到 0.9 更天马行空章节生成到一半被截断时把max_tokens调大如 8192 或 32768。️ 排错清单四个高频问题1. 报 Expecting value: line 1 column 1 (char 0)现象点生成后提示 JSON 解析错误。 原因API 返回了报错页而不是数据通常是api_key或base_url填错。 解法用浏览器手动带上密钥请求一次接口返回正常再回来重试。2. 出现 HTTP 504 Gateway Timeout现象请求卡住后超时。 原因API 侧拥塞或网络不稳。 解法把配置里的timeout调大或换一个更稳定的接入点重试。3. 新章节不断和前文设定打架现象模型写出的内容像没读过前几章。 原因向量检索没启用或换了嵌入模型后没清vectorstore。 解法补齐 embedding 配置换模型后清空vectorstore目录重新生成。4. Windows 下 pip 安装个别包失败现象安装时提示需要 C 编译器。 原因依赖里有需要本地编译的模块而环境缺构建工具。 解法安装 Visual Studio Build Tools勾选使用 C 的桌面开发工作负载再重装。下一步做什么先按上面的三章流程原样跑一遍配置不用动。跑通之后想看程序怎么拼装上下文和提示词读 novel_generator/chapter.py 和 prompt_definitions.py想看校对逻辑看 consistency_checker.py。更完整的参数说明在 README_zh-CN.md 里。【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
