AI 小说生成器：智能创作与一致性维护的全流程解决方案

作者：qife122

2025-10-12
福建
本文字数：4360 字
阅读完需：约 14 分钟

AI 小说生成器

一款基于大语言模型的多功能小说生成器，集成了完整的创作工作流，从世界观架构到章节生成，再到一致性维护，为创作者提供全方位的智能写作辅助。

✨ 核心功能

🎨 小说设定工坊

世界观架构：基于主题和题材生成完整的小说设定
角色动态设计：创建具有发展弧光的角色系统
剧情蓝图规划：构建逻辑严谨的章节架构

📖 智能章节生成

多阶段生成保障：确保剧情连贯性和逻辑一致性
上下文感知：基于前文内容智能续写
风格统一：维持整体文风和叙事节奏

🧠 状态追踪系统

角色发展轨迹：实时更新角色状态和关系变化
伏笔管理系统：跟踪未解决冲突和待推进剧情线
全局摘要维护：动态更新故事进展概览

🔍 语义检索引擎

向量化存储：基于 ChromaDB 的上下文向量库
智能检索：相关性驱动的知识片段提取
长程一致性：跨越章节的设定统一维护

📚 知识库集成

本地文档支持：导入参考文档增强创作素材
智能文本分割：基于语义的文档分段处理
向量化存储：高效的知识检索和利用

✅ 自动审校机制

剧情矛盾检测：识别设定冲突和逻辑不一致
连续性检查：确保角色状态和情节发展的连贯性
冲突预警：提前发现潜在的故事性问题

🖥 可视化工作台

一体化界面：配置、生成、审校全流程 GUI 操作
实时进度跟踪：直观显示生成状态和结果
参数灵活调整：支持温度、token 数等精细调控

🛠 安装指南

环境要求

Python 3.9+ 运行环境（推荐 3.10-3.12）
pip 包管理工具
有效 API 密钥（OpenAI/DeepSeek 等云端服务或 Ollama 等本地接口）

安装步骤

下载项目

   git clone https://github.com/YILING0013/AI_NovelGenerator   cd AI_NovelGenerator

复制代码

安装依赖

   pip install -r requirements.txt

复制代码

运行应用

   python main.py

复制代码

可选步骤

如遇依赖安装问题，可安装 C++编译工具：

下载 Visual Studio Build Tools
安装时勾选 C++ 桌面开发 选项

🚀 使用说明

基础配置

首先在 GUI 界面中配置 LLM 接口参数：

# 示例配置结构{    "api_key": "your_api_key",    "base_url": "https://api.deepseek.com/v1",    "model_name": "deepseek-chat",    "temperature": 0.7,    "max_tokens": 8192}

复制代码

核心工作流

1. 小说架构生成

Novel_architecture_generate(    interface_format="OpenAI",    api_key=api_key,    base_url=base_url,    llm_model="deepseek-chat",    topic="科幻未来",    genre="硬科幻",    number_of_chapters=20,    word_number=3000,    filepath="./novel_project")

复制代码

2. 章节蓝图规划

Chapter_blueprint_generate(    interface_format=interface_format,    api_key=api_key,    base_url=base_url,    llm_model=model_name,    filepath=filepath,    number_of_chapters=number_of_chapters)

复制代码

3. 章节内容生成

# 生成章节草稿chapter_draft = generate_chapter_draft(    interface_format=interface_format,    api_key=api_key,    base_url=base_url,    model_name=model_name,    temperature=temperature,    filepath=filepath,    novel_number=chapter_num,    user_guidance=user_guidance)

复制代码

4. 一致性检查

consistency_result = check_consistency(    novel_setting=novel_setting,    character_state=character_state,    global_summary=global_summary,    chapter_text=chapter_text,    api_key=api_key,    base_url=base_url,    model_name=model_name)

复制代码

知识库集成

导入参考文档增强创作素材：

import_knowledge_file(    embedding_api_key=embedding_api_key,    embedding_url=embedding_url,    embedding_interface_format=embedding_interface_format,    embedding_model_name=embedding_model_name,    file_path="./knowledge.txt",    filepath=filepath)

复制代码

💻 核心代码

章节蓝图解析器

def parse_chapter_blueprint(blueprint_text: str):    """    解析整份章节蓝图文本，返回结构化数据    返回格式：    {      "chapter_number": int,      # 章节编号      "chapter_title": str,       # 章节标题      "chapter_role": str,        # 本章定位      "chapter_purpose": str,     # 核心作用      "suspense_level": str,      # 悬念密度      "foreshadowing": str,       # 伏笔操作      "plot_twist_level": str,    # 认知颠覆      "chapter_summary": str      # 本章简述    }    """    chunks = re.split(r'\n\s*\n', blueprint_text.strip())    results = []        # 正则模式匹配各字段    chapter_number_pattern = re.compile(r'^第\s*(\d+)\s*章\s*-\s*\[?(.*?)\]?$')    role_pattern = re.compile(r'^本章定位：\s*\[?(.*)\]?$')    purpose_pattern = re.compile(r'^核心作用：\s*\[?(.*)\]?$')        for chunk in chunks:        lines = chunk.strip().splitlines()        if not lines:            continue                    # 解析章节头部信息        header_match = chapter_number_pattern.match(lines[0].strip())        if header_match:            chapter_number = int(header_match.group(1))            chapter_title = header_match.group(2).strip()                        # 解析其他字段            chapter_data = {                "chapter_number": chapter_number,                "chapter_title": chapter_title,                "chapter_role": "",                "chapter_purpose": "",                "suspense_level": "",                "foreshadowing": "",                "plot_twist_level": "",                "chapter_summary": ""            }                        # 遍历剩余行匹配各字段            for line in lines[1:]:                line_stripped = line.strip()                # 各字段模式匹配...                            results.append(chapter_data)        # 按章节编号排序返回    results.sort(key=lambda x: x["chapter_number"])    return results

复制代码

一致性检查器

def check_consistency(    novel_setting: str,    character_state: str,    global_summary: str,    chapter_text: str,    api_key: str,    base_url: str,    model_name: str,    temperature: float = 0.3,    plot_arcs: str = "",    interface_format: str = "OpenAI",    max_tokens: int = 2048,    timeout: int = 600) -> str:    """    调用模型进行一致性检查，检测剧情冲突和逻辑不一致    新增对未解决冲突或剧情要点的衔接情况检查    """        # 构建检查提示词    prompt = CONSISTENCY_PROMPT.format(        novel_setting=novel_setting,        character_state=character_state,        global_summary=global_summary,        plot_arcs=plot_arcs,        chapter_text=chapter_text    )
    # 创建LLM适配器    llm_adapter = create_llm_adapter(        interface_format=interface_format,        base_url=base_url,        model_name=model_name,        api_key=api_key,        temperature=temperature,        max_tokens=max_tokens,        timeout=timeout    )
    # 调用模型进行检查    response = llm_adapter.invoke(prompt)    return response if response else "审校Agent无回复"

复制代码

配置管理器

def load_config(config_file: str) -> dict:    """从指定配置文件加载配置，不存在时创建默认配置"""        if not os.path.exists(config_file):        create_config(config_file)
    try:        with open(config_file, 'r', encoding='utf-8') as f:            return json.load(f)    except:        return {}
def create_config(config_file: str) -> dict:    """创建默认配置文件，包含多种模型配置"""        config = {        "last_interface_format": "OpenAI",        "last_embedding_interface_format": "OpenAI",        "llm_configs": {            "DeepSeek V3": {                "api_key": "",                "base_url": "https://api.deepseek.com/v1",                "model_name": "deepseek-chat",                "temperature": 0.7,                "max_tokens": 8192,                "timeout": 600,                "interface_format": "OpenAI"            },            # 其他模型配置...        },        "embedding_configs": {            "OpenAI": {                "api_key": "",                "base_url": "https://api.openai.com/v1",                "model_name": "text-embedding-ada-002",                "retrieval_k": 4,                "interface_format": "OpenAI"            }        }    }    return config

复制代码

LLM 适配器框架

class BaseLLMAdapter:    """统一的LLM接口基类，为不同后端提供一致的方法签名"""        def invoke(self, prompt: str) -> str:        raise NotImplementedError("Subclasses must implement .invoke(prompt) method.")
class DeepSeekAdapter(BaseLLMAdapter):    """DeepSeek官方/OpenAI兼容接口适配器"""        def __init__(self, api_key: str, base_url: str, model_name: str,                  max_tokens: int, temperature: float = 0.7,                  timeout: Optional[int] = 600):        self.base_url = check_base_url(base_url)        self.api_key = api_key        self.model_name = model_name        self.max_tokens = max_tokens        self.temperature = temperature        self.timeout = timeout
        self._client = ChatOpenAI(            model=self.model_name,            api_key=self.api_key,            base_url=self.base_url,            max_tokens=self.max_tokens,            temperature=self.temperature,            timeout=self.timeout        )
    def invoke(self, prompt: str) -> str:        """调用模型生成内容"""        response = self._client.invoke(prompt)        return response

复制代码

该项目通过模块化设计和统一的接口抽象，为小说创作提供了完整的 AI 辅助解决方案，显著提升了创作效率和质量一致性。更多精彩内容请关注我的个人公众号公众号（办公 AI 智能小助手）对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

公众号二维码

办公AI智能小助手

公众号二维码

网络安全技术点滴分享

发布于: 刚刚阅读数: 3

qife122

关注

还未添加个人签名 2021-05-19 加入

还未添加个人简介

发布

暂无评论

创作场景

AI 小说生成器：智能创作与一致性维护的全流程解决方案

AI 小说生成器

✨ 核心功能

🎨 小说设定工坊

📖 智能章节生成

🧠 状态追踪系统

🔍 语义检索引擎

📚 知识库集成

✅ 自动审校机制

🖥 可视化工作台

🛠 安装指南

环境要求

安装步骤

可选步骤

🚀 使用说明

基础配置

核心工作流

1. 小说架构生成

2. 章节蓝图规划

3. 章节内容生成

4. 一致性检查

知识库集成

💻 核心代码

章节蓝图解析器

一致性检查器

配置管理器

LLM 适配器框架

qife122

评论