新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何搭建AI长篇小说写作平台:AI_NovelGenerator 完整指南

发布时间:2026/11/15 21:39:19来源:尧图网络
如何搭建AI长篇小说写作平台:AI_NovelGenerator 完整指南
如何搭建AI长篇小说写作平台AI_NovelGenerator 完整指南【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 是一款基于大语言模型的长篇小说自动写作工具能自动生成世界观设定、规划章节目录、逐章生成正文并通过向量检索衔接上下文、管理伏笔。本文带你从零跑通它覆盖本地部署、模型配置与章节生成参数的全部要点。核心能力速览先看清楚它替你做了什么再决定要不要花时间部署世界观生成根据主题与类型自动产出完整的设定文档包括世界架构、角色信息与剧情触发点、伏笔清单。目录规划基于设定生成章节目录Novel_directory.txt每章带标题和剧情提示生成后可手动修改。章节续写逐章生成草稿与定稿文本支持单章生成和批量生成两种模式。伏笔衔接内置状态追踪与语义检索定稿时自动更新全局摘要、角色状态和向量库后续章节能记得前文细节。三步跑起来第 1 步克隆代码git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator第 2 步安装依赖要求 Python 3.9 及以上推荐 3.10–3.12可用python --version检查版本。进入项目目录后执行pip install -r requirements.txt如果个别依赖编译失败需要补装 C 编译环境。第 3 步启动程序python main.py图形界面会随即打开入口文件为 main.py。另外准备一样东西有效的 API 密钥。云端可选 OpenAI、DeepSeek 等服务商本地可走 Ollama 等兼容 OpenAI 接口的方案base_url填本地地址即可。AI模型与小说参数怎么配把 config.example.json 复制为config.json填好模型部分即可。llm_configs下每个条目是一个模型预设llm_configs: { DeepSeek V3: { api_key: 你的API密钥, base_url: https://api.deepseek.com, model_name: deepseek-chat, temperature: 0.7 } }创作参数在other_params里四个值决定整部书的骨架参数含义填写示例topic小说核心主题末世中AI觉醒的故事genre作品类型玄幻 / 都市 / 科幻num_chapters总章节数10word_number每章目标字数3000embedding_configs用于配置向量检索模型可选但建议启用直接影响长程连贯性choose_configs可以为架构、目录、草稿、定稿、审校五个环节分别指定不同模型。四步创作流程界面上是四个按顺序排列的按钮操作路径很直白生成设定点「Step1. 生成架构」得到Novel_setting.txt世界观、角色、伏笔可在界面中查看和编辑。规划目录点「Step2. 生成目录」得到Novel_directory.txt各章标题与剧情提示不满意可改。撰写章节点「Step3. 生成草稿」输入章节号和本章指导系统会读取前文摘要与向量检索结果产出章节大纲和正文草稿。定稿优化点「Step4. 定稿章节」自动更新全局摘要、角色状态和向量库再点「一致性审校」按钮可扫描当前章的人物逻辑与剧情矛盾结果输出在日志区。之后重复第 3、4 步直到所有章节完成赶进度时也可以用「批量生成」按钮。参数调优与避坑参数建议值作用temperature0.7常规/ 0.9更发散控制生成的创意度max_tokens4096 起回复长度上限长章节需调大embedding_retrieval_k4每次向量检索的上下文条数越大关联越强但更慢常见问题排查API 连接失败核对密钥拼写与base_url是否匹配服务商走 Ollama 时确认本地服务已启动。返回 Expecting value 或 504 超时通常是接口返回了错误页或网络不稳换个时段重试或换服务商。剧情前后不连贯启用向量检索功能并确认 embedding 模型名与接口已正确填写更换 embedding 模型后要清空vectorstore目录重新建库。想切换模型不必改代码在config.json的llm_configs里新增或修改model_name、base_url即可界面上也能直接切换。无论你是想完成一部长篇的专业作者还是只是试试水写作爱好者这套设定—目录—草稿—定稿的流程都能直接照搬。现在克隆仓库、填好密钥就可以生成本书第一份世界观设定了。【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
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉