AI小说生成器部署教程从环境配置到一键出稿的完整流程【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_NovelGeneratorAI_NovelGenerator 是一款开源的 AI 自动写小说工具你只需给出主题和类型它会依次完成世界观设定、章节目录规划、逐章正文生成与定稿并在章节之间自动衔接上下文、管理伏笔。整篇文章按实际操作线展开覆盖部署教程、config.json 配置方法与常见报错排查读完即可产出自己的第一部作品。这个工具替你做了什么它把长篇小说生产拆成了可反复执行的流水线每步的产物都是纯文本文件随时可以人工介入修改设定阶段根据主题、类型、章节数生成Novel_setting.txt世界观、角色信息、暗线雷点目录阶段基于设定产出Novel_directory.txt为每一章写好标题和剧情提示写作阶段逐章生成大纲outline_X.txt与正文chapter_X.txt定稿阶段更新全局摘要global_summary.txt、角色状态character_state.txt、剧情要点plot_arcs.txt并同步进向量库供后续章节引用审校阶段可选对最新章节做剧情矛盾检测适合两类人想低成本验证长篇故事可行性的作者先让 AI 跑完骨架再精修以及需要批量产出连载章节的写作者。它不替代你的审美判断——每个文件定稿前都留了人工修改的口子。跑通前检查清单环境与密钥一次备齐启动前确认三件事能避免后面反复排查检查项要求确认方式Python 版本3.9推荐 3.10–3.12终端执行python --versionpip 包管理工具随 Python 自带执行pip --version至少一个可用的模型 API云端DeepSeek / OpenAI 等或本地 Ollama拿密钥发一次最简请求测试连通性密钥方面建议只先配置一个主力生成模型向量检索用的 embedding 模型可以后补不配置也能跑通主流程只是长程连贯性会打折扣。如果你打算全本地跑Ollama 的 Embedding 需要先在终端启动服务ollama serve ollama pull nomic-embed-text从安装到第一章出稿一条完整操作线在终端中依次执行以下命令git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator pip install -r requirements.txt依赖里包含chromadb、customtkinter、langchain等包若个别包安装失败按提示单独pip install补装即可。接着准备配置文件。仓库带有一份模板复制一份作为自己的配置cp config.example.json config.json打开config.json核心只需填对生成模型的密钥其余字段保留默认值即可起步{ llm_configs: { DeepSeek V4 Flash: { api_key: 填入你的密钥, base_url: https://api.deepseek.com, model_name: deepseek-v4-flash, temperature: 0.7, max_tokens: 8192 } } }小说的主题、类型、章节数、每章字数则放在other_params里topic、genre、num_chapters、word_number、filepath。新手建议先从 10 章、每章 3000 字左右开始出稿快方便走通全流程。然后启动程序python main.py此时应弹出图形界面顶部有四个带编号的操作按钮。按界面引导依次点击你会看到这样的过程点Step1 生成设定日志区滚动输出后输出目录里出现Novel_setting.txt。打开检查一遍世界观和角色不满意直接改文本后面的章节都会以你改过的版本为准。点Step2 生成目录得到Novel_directory.txt每章都有标题和一句话剧情提示。这一层同样建议手动过目它是后续所有章节的路线图。点Step3 生成章节草稿先填章节号写第一章就填1在本章指导输入框里补充你对这一章的具体期望出场人物、关键道具、场景地点、时间限制等都有对应字段。点击后系统会读取前文设定、目录和已定稿章节并调用向量检索回顾相关剧情随后产出outline_1.txt和chapter_1.txt左侧文本框可直接查看和编辑草稿。点Step4 定稿当前章节全局摘要、角色状态、向量库和剧情要点会一并更新——这一步决定了第二章还能记得第一章写了什么不要跳过。需要的话再点一致性审校日志区会输出该章的角色逻辑问题与前后矛盾提示。之后重复第 3–5 步直到所有章节完成。整条线跑下来你的输出目录里会积累一整套可追溯的文本产物而不是一坨无法拆解的长文本。参数速查关键配置取值与影响参数参考值作用与调整思路temperature0.7生成随机度。0.7 是多数场景的稳态值想更大胆可以调到 0.9文风飘忽再往回收max_tokens8192单次回复长度上限。按单章目标字数上浮设置太小会被截断timeout600单次请求超时秒数。长章节生成慢时若频繁超时向上调num_chapters10 起总章节数决定目录规划的颗粒度数字越大前期设定越重要word_number3000单章目标字数与max_tokens配合决定一章能出多少内容retrieval_k4向量检索回捞的历史片段条数。4 是成本与连贯性的平衡点长篇可上调filepath新建空目录所有产物文件的落盘位置建议每部作品一个独立目录另外config.json的choose_configs允许给五个环节设定、目录、草稿、定稿、审校分别指定不同模型比如草稿用便宜快的 Flash 档、定稿用能力更强的 Pro 档这是控制成本最直接的旋钮。进阶用法遇到什么问题就动哪个模块后期章节记不住前期剧情、人设漂移→ 检查向量检索链路。检索逻辑在 向量检索模块前置条件是embedding_configs里配置好了 embedding 模型的接口与模型名。注意一条规则切换 embedding 模型后清空vectorstore目录再重新写入否则新旧向量混用检索质量会明显变差。担心情节自相矛盾、逻辑穿帮→ 在 GUI 里点一致性审校。检测逻辑在 一致性检查器它会针对最新章节输出角色逻辑、剧情前后矛盾的具体提示把提示带回去修改章节草稿即可。不同环节想用不同模型→ 接口封装在 模型适配层你只需要在choose_configs里把五个任务指向llm_configs中的不同预设无需改代码。想固化自己的文风与叙事口吻→ 修改 提示词模板里面定义了各阶段发给模型的提示结构改动后对后续所有章节生效。排查思路现象 → 可能原因 → 处理动作现象可能原因处理动作报Expecting value: line 1 column 1 (char 0)API 没返回 JSONbase_url或密钥配错时接口会返回 HTML 错误页核对base_url与密钥先用浏览器或 curl 验证该地址能返回正常 JSON报HTTP/1.1 504 Gateway Timeout接口本身不稳定或长请求等待过久换更稳定的服务商确认timeout已调到 600 以上生成中途卡死无响应网络波动或代理配置有误检查proxy_setting本地跑 Ollama 时确认ollama serve仍在运行检索回捞的内容与当前章节无关embedding 模型切换后旧向量未清理清空vectorstore目录重新初始化向量库云端 embedding 调用失败对应账号未开通 embedding 权限到服务商控制台确认权限或改用本地 Ollama embedding下一步AI_NovelGenerator 的价值在于把长篇创作拆成了可检查、可回退的文本流水线AI 负责初稿你负责每个文件定稿前的修改权。跑通本篇流程后建议先以 10 章以内的短篇幅完整走完设定 → 目录 → 逐章草稿 → 定稿 → 审校确认出稿质量后再把num_chapters调大开启你真正的长篇项目。【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