新闻详情

新闻详情

首页 / 资讯中心 / 详情

AI多章节小说写作完整指南:向量检索+多模型协作的四步工作流

发布时间:2026/11/16 19:48:50来源:尧图网络
AI多章节小说写作完整指南:向量检索+多模型协作的四步工作流
AI多章节小说写作完整指南向量检索多模型协作的四步工作流【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是一款用大模型写多章节长篇小说的图形化工具靠向量检索记住前文并带一致性检查。适合想做AI长文写作、需要上下文衔接与伏笔管理、不想自己搭后端的人。四步把工具跑起来下载源码需要 Python 3.9推荐 3.10–3.12git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator安装依赖pip install -r requirements.txt准备配置。复制一份模板或直接启动后在界面里填cp config.example.json config.json需要填两类东西生成用的大模型api_key、base_url、model_name以及 Embedding 模型Embedding 即向量化模型把文字变成数字向量让 AI 能按语义查找相似内容。两者都支持云端 API 或本地 Ollama。启动图形界面python main.py启动后在界面里填主题、体裁、章节数、每章字数和保存路径就可以进入正式创作流程了。拿它做一件什么事从一个主题写到第 N 章比如你要写末日世界里 AI 觉醒的科幻故事12 章、每章 3000 字左右。整个过程是四步循环Step1 生成设定系统根据主题和体裁产出一份Novel_setting.txt包含世界观、主要角色和关键伏笔。你可以打开它逐条修改比如把某个角色的职业改掉后面所有章节都会以你的修改为准。Step2 生成目录基于设定产出Novel_directory.txt每章一个标题加简短的剧情提示相当于整本书的骨架。不满意哪章可以单独改。Step3 生成章节草稿选好章节号比如第 1 章还能在本章指导框里补充要求比如本章结尾让主角发现异常信号。系统会先读设定和目录再通过向量检索从已写章节里捞出最相关的片段作为上下文然后先出一份章节大纲outline_1.txt再写成正文chapter_1.txt。Step4 定稿点定稿后系统更新全局摘要、角色状态文件和向量库这一章的内容才算正式入库之后的章节都能检索到它。再比如你写到第 8 章需要呼应第 2 章埋的一个道具伏笔。此时不用手动翻原文——Step3 的检索环节会自动找出语义最接近的历史片段拼进提示词草稿里对那个道具的处理就能对上。写完点一下可选的一致性校对按钮系统会把最新章节和设定、角色状态、前文摘要、已记录的未解决冲突逐一对比有矛盾会在日志里列出来。它怎么做到不失忆3 个机制向量库存前文每次定稿章节文字会按句切成约 500 字的段落存进本地 Chroma 向量库下次写作时按当前章节需求检索最相关的几条拼进提示词。相关逻辑在novel_generator/vectorstore_utils.py检索数量retrieval_k可在配置里调。状态文件管长线全局摘要、角色状态、剧情主线分别落在global_summary.txt、character_state.txt、plot_arcs.txt里每次定稿自动刷新novel_generator/finalization.py。向量检索管局部回忆这些文件管全局账本互补。按环节分配模型配置里的choose_configs把五个环节——世界观构建、章节大纲、草稿生成、精修定稿、一致性检查——各自指向一个模型预设可以按速度和成本需求混搭云端和本地模型都能接llm_adapters.py统一封装了各家接口。一致性检查的具体判断规则在consistency_checker.py顶部是一个可直接改的提示词。想改造成自己的3 个入手点接入自定义提示词模板所有发给 AI 的话术都集中在prompt_definitions.py想让生成文本更口语化或更书面改这里的模板就行不用动逻辑代码。换模型组合往config.json的llm_configs里加你自己的模型预设比如本地 Ollama 的大模型再在choose_configs里把某个环节指过去适合想压低 API 花费的人。导入外部素材novel_generator/knowledge.py支持把本地文档历史资料、设定集、风格参考导入作为创作参考可以拿它喂给系统当背景资料库。小结AI_NovelGenerator 的定位很具体一个带界面、带本地文件账本的长篇小说生成工具用向量检索和状态文件解决多章节写作的上下文衔接问题生成什么、怎么生成都留了可改的开关。【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
📞 ✉