AI_NovelGenerator把一章小说的生成过程拆开讲【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 是一个自动写作平台把「写几十章的长篇小说」拆成可以逐章推进的流水线上下文自动衔接、伏笔自动追踪、章节一致性检查都替你做。读完这篇你能带走它对向量检索、提示词分层和模型调度的整套设计思路。30 秒判断值不值得用跨章一致性每章生成前自动汇总前文摘要、检索相关剧情写第 50 章也能记得第 8 章埋的伏笔伏笔与角色追踪内置「未解决冲突/剧情要点」记录生成时主动检查哪些线索该推进了章节一致性检查每章定稿后可单独跑一次校验比对设定、角色状态和前文摘要冲突直接列出来GUI 全流程从世界观设定、章节蓝图到正文、校对全部有界面操作不用自己写脚本一句话总结如果你写过「让 LLM 一次性生成长文然后越写越飘」的翻车现场这套分阶段生成 向量检索的链路值得花时间研究如果只是想要单篇短篇它略重。从 clone 到界面跑起来git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator pip install -r requirements.txt python main.py需要 Python 3.9推荐 3.10~3.12。默认配置参考config.example.json复制为config.json后模型参数都在llm_configs分组里每个任务用哪个模型在choose_configs里分配。首次启动最常见的两个坑某个包编译失败装上对应平台的 C 构建工具后重装即可界面里测试模型连接超时检查base_url是否带了版本后缀如/v1。一章小说是怎么被生成的整条链路是「输入 → 检索 → 生成 → 校验」我们按这个顺序走一遍。输入进入这一环节的是章节目录文件、全书总纲和角色状态文件。novel_generator/chapter.py里的build_chapter_prompt读取本章大纲、下一章信息再把前几章的原文压缩成一份摘要第一章还会走单独的提示词模板。出来的是「这一章要写什么」的结构化素材。检索相当于给全书做一次关键词联想搜索。系统先让模型基于本章大纲生成检索关键词再去向量库里取回最相关的历史片段。向量库由novel_generator/vectorstore_utils.py维护底层是 Chroma每章定稿后增量更新所以它是一份持续生长的长期记忆。这一步解决的是上下文窗口装不下整本书的问题——不是硬塞全文而是按相关性抽片段。生成摘要、检索片段、本章大纲、角色设定被按分层提示词工程拼进一个提示词模板模板集中在prompt_definitions.py按「定稿/蓝图/草稿/校验」阶段分层互不干扰交给草稿模型出正文再经过novel_generator/finalization.py按目标字数扩写润色。多章节批量生成时ui/generation_handlers.py用后台线程逐个调度属于 LLM 并发调度的简化形态串行触发、异步等待避免界面卡死。校验consistency_checker.py拿全书设定、角色状态、全局摘要、未解决冲突清单和最新章节做一次比对让模型把冲突逐条列出来没有冲突就返回「无明显冲突」。这一步刻意用了低温0.3模型因为校验要的是判断不是发挥。值得翻一翻的 4 个文件novel_generator/chapter.py最值得学的是「提示词组装」的写法——它把读文件、生成摘要、向量检索、格式化全集中在build_chapter_prompt一个函数里提示词本体却留在prompt_definitions.py改文案不碰逻辑这比把长字符串内联在逻辑里好维护得多。novel_generator/vectorstore_utils.py看它如何按句子边界切分章节再入库split_text_for_vectorstore以及检索结果为什么要过一道「相关性过滤」再进提示词。直接存长段会让相似度搜索召回一堆半相关的内容。llm_adapters.py经典的适配器模式教学样本十来个厂商各一个类、共用一个create_llm_adapter工厂函数。想接新模型时你只需要加一个子类全项目其他代码一行不改。novel_generator/common.py一个call_with_retry和invoke_with_cleaning就撑起了整个系统的容错——重试、兜底返回值、响应清洗都收敛在这里。把「怎么可靠地调一次 API」和「调 API 干什么」分开是这类项目最该有的纪律。调参、限流与踩坑参数推荐值取值理由temperature正文模型0.7创作需要发散但太高会偏离大纲示例配置全部用 0.7temperature一致性检查0.3校验要判断不要发挥低温输出更稳定max_tokens8192~32768跟随单章目标字数短章用 8192 省成本长篇定稿模型留 32768embedding_retrieval_k4召回太少丢线索太多会把不相干剧情混进提示词4 是示例默认值timeout600长文本生成动辄几分钟60 秒必断连两个我们实际会踩的坑一是 API 限流批量生成十几章时中途 429 很常见项目靠novel_generator/common.py的重试默认 3 次、间隔 2 秒扛住短时限流但连续失败时更稳的做法是调大sleep_time或错开高峰跑二是向量索引别攒着不更新每章定稿后都会增量写入向量库如果手动改过章节内容却不重建索引检索回来的就是旧剧情。接下来可以怎么玩换一套提示词体系在prompt_definitions.py里按自己的叙事方法改写草稿模板这是零代码成本最大的自定义入口接新模型仿照llm_adapters.py里任意一个子类加一个适配器再在config.json里登记即可定制校验规则consistency_checker.py的CONSISTENCY_PROMPT就是校验的全部标准加几条你关心的冲突类型比如时间线、能力上限直接生效把生成链路想清楚——输入从哪来、检索取什么、校验看什么——比换模型更能决定长篇写作的最终质量。【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