简介这是一款面向写作者与AI应用开发者的多功能小说生成器基于大语言模型辅助完成长篇故事的世界观搭建、角色设计与情节编排尤其重视叙事连贯性和设定一致性。压缩包共48个文件约498KB涵盖Python核心程序、配置与依赖清单、Markdown说明文档、图标资源及Git仓库文件其中包含核心生成、一致性校验、提示词定义、界面交互等模块便于直接运行或二次开发。已有276人学习/浏览说明其在创意写作场景中受到一定关注。借助该项目用户可获得一套完整的本地部署方案与可扩展的生成框架既能通过命令行快速生成内容也能参考其模块化设计理解大模型写作工具的实现思路。1. 长篇故事写崩了问题不在文笔在“设定失控”刚开始用大语言模型辅助写小说的人多半经历过同一种尴尬写短篇惊艳写长篇翻车。开头三章悬念拉满、人设立体、世界观宏大到了第七章人物开始说“符合性格”的话第十四章时间线前后矛盾第二十章连主角手里的神器是“蓝色的”还是“透明的”都对不上。这不是模型变笨了而是长篇小说创作对信息管理的需求远超出了普通对话式AI的天然能力范围。我前前后后试过不少号称“小说辅助”的AI工具用下来最深的感受是绝大多数产品只是给模型套了一个“写小说”的指令外壳底层还是一个“逐段生成”的逻辑。问答式上下文窗口再大你也没法在连续生成两万字之后还指望模型牢牢记住前文埋下的一条伏笔、一个配角的口头禅、一套功法体系的升级代价。它总有注意力漂移的时候。这也是我决定自己动手折腾“基于大语言模型的多功能小说生成器”的直接原因。目标很明确让AI不仅能写还能记住自己写了什么不仅生成流畅的段落还能在十万字的体量里保持设定、人物、时间线、因果链大体一致。这篇文章不聊理论把我拆解需求、设计机制、搭建流程、实测效果、踩坑心得的全过程写出来给同样被长篇一致性折磨的写手和工程师一点参照。2. 模型很聪明但它天生“记不住昨天”先理解核心限制在讨论生成器架构之前得先说清楚一个底层事实大语言模型本身并不具备永久记忆。它的上下文窗口相当于一个“工作台”你这一次对话里给它多少材料它就只能在这个材料范围内进行推理。问题是写完一段后前文的信息会逐渐被挤出活跃上下文尤其是当故事推进到几万字以后。这时候你可能会说那我把前文摘要塞回上下文不就行了确实很多AI辅助写作工具就是这么干的——维护一份“记忆摘要”写之前先把它注入提示词。但这个方案有一个隐形陷阱摘要本身就是一种信息压缩压缩就必然失真。当你把第三十章的情节压缩成两百字放进第六十章的写作上下文时角色当时微妙的情绪变化、场景中一个看似不起眼的道具、某个配角说过的半句话全都会在压缩中丢失。丢失了这些后续情节就可能在不经意间偏离。我的生成器在设计第一条原则时就是这个思路**不要替代模型记忆而是建立一个模型随时可以“查档”的外部体系。**具体来说在每次生成新段落之前先由程序从“设定库”中检索与该段落最相关的设定条目、人物卡、伏笔记录把它们拼装进上下文中而不是靠模型自己回忆。这个思路并不复杂但它解决的是本质问题。写作不是生成一串通顺的话而是要让每一句话都与story世界里“已经发生过的一切”自洽。既然是检索那关键就在于两个问题设定库怎么建、检索怎么做。这是后面几节的核心内容。3. 给AI装一套“写作协同台”从设定锚点到连续性校验3.1 三层设定锚点让长故事有一个“不动的地基”工具的第一层机制是建立三层设定锚点。第一层叫“世界观硬规则”我把它设计为一个不可随意覆盖的基础文档。比如你写的是一部修仙小说那么灵气复苏的年份、修真境界的等级名称、每层境界突破的精神代价都必须写死。任何章节生成之前这部分都会被完整注入上下文。为什么因为世界观一旦漂移故事的地基就塌了。前期主角还是炼气期中期突然出现一个金丹期反派后期又冒出一群“大乘老祖”——这在爽文里常见但如果这是硬核设定系的读者会非常出戏。第二层是“人物卡动态档”每个主要角色都单独建卡里面不只有姓名、外貌等静态属性还包括“当前目标”“正在隐瞒的秘密”“与主角的关系状态”“语气刁蛮的方式”等动态变量。每次生成涉及该角色的段落时程序只抽出该角色的卡片而不是所有角色卡全塞进去这样既省token又减少干扰。第三层是“伏笔回收清单”。这个设计我很满意每埋一个伏笔就往清单里记一条内容包括伏笔内容、出现章节、计划回收章节。后续每次写作时同样做检索匹配让模型看到“与本章内容相关的未回收伏笔”。好处是一目了然到了该收线的时候作者一眼就知道哪些线已经铺了很久。3.2 状态轮与偏好档案让故事逻辑不随写作进程漂移除了设定锚点我还在生成器中加入了一个“状态轮”设计。每一轮生成结束时程序会要求模型回报当前的角色状态快照主角所在位置、与谁在一起、目前持有道具、刚完成的事件、情绪余波。这些快照会被写入临时状态文件在下一轮生成时作为“上一幕结束时的世界状态”重新注入。这么做的好处非常明显章节之间衔接的“逻辑接力棒”是结构化的而不是请模型“根据上一章内容继续写”。前者是程序在管理状态后者是让模型猜状态。实际情况中让模型猜状态的成功率在十轮之后会显著下降而结构化状态快照基本能够保证章节交接不掉链子。还有一个容易被忽略的细节模型对“不”字的认知有偏好。你告诉它“这个角色不是开朗的”它在生成时反而更容易描写这个角色的开朗外向。因此人物卡里尽量避免否定式描述改用正面表述——“沉稳寡言惜字如金内心敏感”而不是“不爱说话不外向”。这是我在连续测了一个星期后总结出来的教训非常有用。在生成流程的末端还有一道连续性校验程序。每次新章节完成后会抽取关键实体人物名、地名、道具名、时间词和历史库做比对检查有没有出现近义词替换、张冠李戴、时间倒错等情况。比如第八章出场时叫“黑水剑”第十三章莫名成了“玄水剑”这种会被自动标记出来提示作者确认是否需要修正。4. 三步启动一个长篇项目从设定库到长线追踪这套工具的完整工作流我用一个具体案例来演示。假设我现在要写一本3000章体量的大长篇。4.1 第一步用引导式问卷搭建初始设定库项目初始化时先不要急着写正文而是先回答一组问卷可以自动生成也可以手动填。我用的是半自动方式——程序根据题材类型西幻/仙侠/科幻/悬疑给出不同的基础模板我只需要在其中填空或改写。比如西幻模板里会有魔法体系的能量来源与限制、种族分布与文明状态、王国权力结构、主角与世界的冲突点、世界观本源秘密。填完之后生成器会自动将内容分类归档生成“硬规则”“人物初版”“道具铭牌”几个版块。其中一个关键流程是硬规则区的内容会被标记为“不可被模型自由改写”的约束条目每次写作时它都会出现在生成指令的固定位置上。很多人在这一步会走上“越填越细”的歧路恨不得先把一百万字的世界观写完再动笔。实际上设定库建立应该遵循“够用就好”的原则只要世界观边界和核心人物立好剩下的细节在写作过程中随写随补不然会把自己拖死在设定考试上。4.2 第二步按“幕”推进而非按“章”推进大部分AI写作工具是按“章”生成的一次生成一整章的内容。但这带来一个隐患——章节之间缺少一个中间层的规划。我的做法是引入“幕”的概念三到六章组成一“幕”每次启动新幕之前仍然先做一幕规划再规划章回。一次生成6~10章的内容。幕规划要包括三件事本幕的核心目标、角色变化预期、伏笔埋设计划。随后再拆解为章级细纲每章细纲里写明本章起点状态、触发事件、转折点、结尾钩子。这套规划文件在幕内的每一次生成中都会作为核心上下文注入模型的自由度被收敛在既定轨道内但细节呼应有充分的发挥空间。以前用通用对话式AI时你需要靠“前情提要”来暗示模型我现在基本不需要了。幕规划就是最精确的前情提要。4.3 第三步长线追踪全靠“结构化卡片”为了不让几千章之后的剧情变成无头苍蝇我给每个角色、组织、地点都建立了一张“长线追踪卡”卡的更新是在每次生成结束后自动完成的。举个例子一个叫“曙光教会”的组织追踪卡上会记录它的公开教义、内部派系、首领终极目的、目前掌握的封印法器、与主角的冲突现状。如果新章节中出现了曙光教会的戏份程序会把这张卡拉取进上下文如果章节中教会的某位高层第一次正式露面生成后系统还会反向提示我“是否需要在追踪卡中添加该人物的性格关键词”长线追踪最大的价值是让我在写到第800章的时候依然能检索第157章埋下的一个设定细节。这种跨距检索能力是人脑和纯对话式AI都不具备的也是这套生成器真正的护城河。5. 大逻辑不崩小细节才见真功夫实测和特性盘点工具搭好之后我拿不同题材做过几轮实测这里挑两个有代表性的结果说说。第一个是古风权谋题材总长度约20万字。这种题材对逻辑性的要求极高——权谋的优势和劣势、人物间的盟友与叛变关系、时间线上的计谋环环相扣。用这个生成器写完第一卷后我做了个测试随机抽了三个章节的细节问模型“这章的伏笔是否与之后的某处呼应”它能相对准确地把关联段落标出来虽然偶尔会有一两个没对上但整体上可以做到“指哪打哪”的追溯效果。第二个是科幻多线叙事三条叙事线交错进行。这个题材最容易翻车的点是时间线。状态轮里存了每条叙事线各自的时间戳和位置信息生成时会用“同时刻另一条线发生的事”作为背景对照确保了三条线在时间维度上是同步的而不是各自平行走到黑。实测之外还有几个容易被忽略但是比较重要的功能细节值得一说。5.1 对话人格一致性比想象中难也比想象中重要小说里的对话是角色性格的最直观体现。很多AI写作工具的角色对白听起来都一样——都像AI自己。我的方案是在人物卡中单独设一个“对白风格区”专门存角色常用的口头禅、句式偏好、话题禁忌。每次进入该角色的对话场景程序会把这几条“对白规则”前置到生成指令中效果十分显著。比如一个喜欢讽刺的反派生成的台词会更容易夹带反讽一个话少的主角对白会明显变得简洁简短不再长篇大论。5.2 内容回流沉淀每一次创作都是在为长线做积累这里还要提一下“内容回流档案”机制。每写完成一个新章节我还会额外跑一个后台程序把新章节里出现的人名、地名、新设定条目、疑似伏笔提取出来自动登记到设定库和伏笔清单中。相当于每一次创作都是在反向打磨设定库文档不会长期停留在一个过期版本上。这对长线写作是很有价值的不然写了几百章之后想靠人力维护设定库几乎是不可能完成的任务。6. 我可是踩了不少坑四个高频问题的排查经验好用归好用这个项目折腾下来踩过的坑也不少。写出来供你用类似架构时避雷。第一个坑是“模型从别的角色嘴里说出主角的技能”。这个问题出在检索拉取环节当多个角色出现在同一场景时系统把所有人的技能列表一次性全部注入模型在生成时出现了信息串线。后来我把检索粒度从“角色级”降到“信息单元级”并且在提示词中明确标注“该信息只属于某角色禁止挪用于其他角色”情况才稳定下来。所以如果你想自己做类似系统信息隔离至少要写到指令级别。第二个坑是“越改越乱的prompt”。早期我在调试时遇到生成不符合预期第一反应就是往提示词里加限制句结果越加越长模型输出的文风也逐渐变“怂”——什么都不敢写净说正确的废话。改了三个版本之后我狠下心来把所有限制句全部删掉回到最简的表达场景目标、硬性约束、输出要求。意外的是改回去之后输出质量反而上升了这也让我意识到限制不是越多越好模型的自由度需要被保留否则写作质感会直线下降。第三个坑是本地化部署时的资源与效果权衡。如果你想把这套流程跑在本地问题就变成了要选多大的模型。我之前尝试在显卡上跑13B级别的基座模型生成速度能接受但逻辑推理能力明显偏弱长线一致性也明显不如更大参数的模型。后来我把“日常草稿生成”和“重点设定推理”做了分工——草稿用速度快的模型在关键剧情节点上调用大型模型处理相比之下平衡了不少。没有单卡能兼顾一切用混合架构是更务实的选择。第四个坑还是出在“后处理安全网”上。连续性校验程序在初版时太机械导致大量误报比如角色“眼神变冰冷”也会被判定为人物性格突变闹了不少笑话。后来我为校验规则增加了几个“合理变化白名单”并把判定输出从硬报错改成“提示性建议”这套后处理才真正好用起来。这个案例给我的启发是工具的价值在于辅助作者发现问题而不是取代作者做判断。7. 写在最后别指望AI替你思考但可以指望它替你记忆用这个生成器写了大概几十万字之后我最大的体感变化不是“写得快了”而是“我敢写长了”。一个复杂的世界、一堆有前史的角色、几条连环嵌套的伏笔过去写到中段自然会撞墙现在只要设定库维护得当后段依然能从容落笔。当然要泼一盆冷水这套工具并不会让一个没有故事构思的人突然变作家。它能把你的构想以一致、严谨的方式扩展成几十万字的文本但“构想”这件事本身还是要你来完成。大语言模型写作最准确的定位不是提笔代写而是帮你把思想变成图文、把设定变成故事的能力放大器。如果你也想做一套属于自己的小说生成器我的建议是不要急于堆功能先把设定库建好把连续状态维护好把伏笔追踪跑通。把这三件事做好你的长篇故事就已经赢过了八成半途而废的AI写作尝试。实测下来这套方案是目前我用过的所有方法里逻辑一致性最接近原生写作水平的路径值得一试。本文还有配套的精品资源点击获取