新闻详情

新闻详情

首页 / 资讯中心 / 详情

AI长篇小说生成快速入门:三步让AI_NovelGenerator跑起来

发布时间:2026/11/16 20:00:56来源:尧图网络
AI长篇小说生成快速入门:三步让AI_NovelGenerator跑起来
AI长篇小说生成快速入门三步让AI_NovelGenerator跑起来【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是一款图形界面的长篇小说生成工具输入一个主题它自动生成世界观、章节目录和章节正文并自动衔接前文上下文与伏笔。适合想写长篇、又苦于剧情记不住写不下去的新手作者。核心价值一句话把记得住设定这件事交给程序你只管写故事。 一分钟看懂使用前 vs 使用后使用前你写到第10章角色名字和人设开始漂移第2章埋的伏笔到第30章忘了回收每开新章都要重读一遍前文找衔接点。使用后每次生成章节前工具自动读取设定、目录和已定稿章节再通过向量检索调出本章相关上下文新章节天然记得之前发生过什么。设定、目录、正文、定稿全流程在GUI完成不用写代码向量库保存长程上下文几十章前的伏笔也能被找回多模型可混用架构和正文环节分别指定不同模型定稿后自动更新全局摘要和角色状态库支持一致性审校 三步跑起来安装与首次配置先确认Python版本要求3.9以上3.10~3.12推荐。然后克隆项目并安装依赖git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator pip install -r requirements.txt接着把模板配置复制成配置文件并填写。配置分三组llm_configs是模型预设组每组里api_key是服务密钥、base_url是接口地址、model_name是模型名、temperature是创意度0~1越高越发散、max_tokens是单次回复长度上限embedding_configs配向量检索retrieval_k控制每次召回几条上下文choose_configs负责给每个任务环节选模型。小说的主题、类型、章节数、单章字数不用手改配置界面里直接填。配好后启动cp config.example.json config.json python main.py界面打开后填主题和章节数点「生成设定」就算跑通了第一次完整流程。字段细节可对照 config.example.json完整教程见 README_zh-CN.md。 核心功能与适用场景小说设定一键生成输入一个主题和类型自动产出世界观体系、角色设定和剧情蓝图写入Novel_setting.txt。解决一句话点子不知道怎么展开的问题生成后可以直接在文件里手动改改完再生成目录。章节生成与上下文衔接生成某章前自动读取全部前文设定、章节目录和已定稿章节再经向量检索调出相关剧情与角色状态然后产出本章大纲和正文。相隔很远的章节之间剧情能保持连贯。角色状态与伏笔追踪每个角色的成长轨迹、关系变化都记录在角色状态库中伏笔有埋设、回收的状态管理。长篇写到中后段不会再出现忘了主角在哪、忘了谁欠着一条命的情况。一致性审校与定稿章节完成后点审校检测剧情矛盾和角色行为逻辑冲突结果输出在日志区点定稿后自动更新全局摘要、角色状态和向量库把最新上下文交给下一章。核心生成逻辑在 novel_generator/ 目录里。 3个实用技巧分环节配模型在choose_configs里给不同任务指定不同模型架构和大纲用能力强的大模型正文写作用便宜快速的模型成本和耗时都降下来。调召回数量感觉剧情衔接偏题时把retrieval_k从默认的4调到6~8模型拿到的上下文更多跑偏概率更低。切换embedding模型后清库更换向量模型后先清空vectorstore目录再重新生成避免新旧向量混在一起导致检索质量变差。❓ 常见问题速查问生成时报Expecting value错误答通常是接口返回了非JSON内容先检查api_key和base_url是否填对。问出现HTTP 504超时答接口不稳定把timeout调大或换一个更稳定的服务商。问章节之间剧情脱节、上下文召回不准答确认embedding检索已配置并把retrieval_k调大获取更多上下文。问能用本地模型吗答可以base_url填Ollama等OpenAI兼容地址model_name填本地模型名即可。AI_NovelGenerator把记设定、接上下文、查矛盾这三件最耗精力的事自动化了创作决策仍然在你手里完整流程就是设定、目录、草稿、定稿四个按钮的循环。现在把项目收藏下来选一个你真正想写的主题用3章小体量试跑一遍完整流程。【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_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 2026/11/16 19:23:38

【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 ... 2026/11/16 6:47:19

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 2026/11/16 17:28:18

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
📞 ✉