中文文档 | English | 日本語 | Français | Sawcuengh
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
(2026/03/09)： 本项目即将在近期开启重构，届时将采用更先进的技术实现与全新的创意。更新 (2026/03/25)： 重构版已完成初步开发（仅完成大体框架，功能还不可用），将在一周内上传到dev分支，后续开发也会在分支进行同步。
✨ 核心功能 ✨
| 功能模块 | 关键能力 |
|---|---|
| 🎨 小说设定工坊 | 世界观架构 / 角色设定 / 剧情蓝图 |
| 📖 智能章节生成 | 多阶段生成保障剧情连贯性 |
| 🧠 状态追踪系统 | 角色发展轨迹 / 伏笔管理系统 |
| 🔍 语义检索引擎 | 基于向量的长程上下文一致性维护 |
| 📚 知识库集成 | 支持本地文档参考 |
| ✅ 自动审校机制 | 检测剧情矛盾与逻辑冲突 |
| 🖥 可视化工作台 | 全流程GUI操作，配置/生成/审校一体化 |
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
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
-
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
- 通过 GitHub 下载项目 ZIP 文件，或使用以下命令克隆本项目：
-
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。
-
安装依赖并运行
- 打开终端，进入项目源文件目录：
cd AI_NovelGenerator - (可选) 创建并激活虚拟环境：
python -m venv .venv # 如果失败，尝试: # python3 -m venv .venv
# Windows系统: .venv/Scripts/activate# Linux/Mac系统: source .venv/bin/activate - 安装项目依赖：
pip install -r requirements.txt
- 安装完成后，运行主程序：
python main.py
- 打开终端，进入项目源文件目录：
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
完整示例见 config.example.json。当前配置按“模型预设”和“任务选择”分组：
{
"last_llm_config_name": "DeepSeek V4 Flash",
"llm_configs": {
"DeepSeek V4 Flash": {
"api_key": "",
"base_url": "https://api.deepseek.com",
"interface_format": "DeepSeek",
"model_name": "deepseek-v4-flash",
"temperature": 0.7,
"max_tokens": 8192,
"timeout": 600
},
"DeepSeek V4 Pro": {
"api_key": "",
"base_url": "https://api.deepseek.com",
"interface_format": "DeepSeek",
"model_name": "deepseek-v4-pro",
"temperature": 0.7,
"max_tokens": 32768,
"timeout": 600
},
"Gemini 3.5 Flash": {
"api_key": "",
"base_url": "https://generativelanguage.googleapis.com/v1beta",
"interface_format": "Gemini",
"model_name": "gemini-3.5-flash",
"temperature": 0.7,
"max_tokens": 32768,
"timeout": 600
}
},
"embedding_configs": {
"OpenAI": {
"api_key": "",
"base_url": "https://api.openai.com/v1",
"interface_format": "OpenAI",
"model_name": "text-embedding-3-small",
"retrieval_k": 4
}
},
"choose_configs": {
"architecture_llm": "Gemini 3.5 Flash",
"chapter_outline_llm": "Gemini 3.5 Flash",
"prompt_draft_llm": "DeepSeek V4 Flash",
"final_chapter_llm": "DeepSeek V4 Pro",
"consistency_review_llm": "DeepSeek V4 Flash"
}
}-
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deepseek-v4-flash、gemini-3.5-flash、gpt-5.5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
-
Embedding模型配置
embedding_model_name: 模型名称（如text-embedding-3-small、gemini-embedding-2、Ollama 的nomic-embed-text）embedding_url: 服务地址embedding_retrieval_k:
-
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：
首先修改第26行的 customtkinter_dir 为你的项目目录，然后执行：
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）。
-
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
deepseek-v4-flash、gemini-3.5-flash、gpt-5.5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）
- API Key & Base URL（如
-
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。
- 系统将基于主题、类型、章节数等信息，生成：
-
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。
- 系统会根据已完成的
-
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
- 设置章节号（如写第 1 章，就填
- 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)
- 自动读取前文设定、
- 生成完成后，你可在左侧的文本框查看、编辑本章草稿内容。
- 在生成章节之前，你可以：
-
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）
- 更新全局摘要（写入
- 定稿完成后，你可以在
chapter_X.txt中看到定稿后的文本。
- 系统将：
-
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。
-
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
- embedding模型需要显示指定接口和模型名称；
- 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- 切换不同Embedding模型后建议清空vectorstore目录
- 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。