AI小说生成器：智能创作与一致性维护的全流程解决方案

原创

qife122

发布于 2025-10-12 15:38:05

200

代码可运行

文章被收录于专栏：网络安全技术点滴分享网络安全技术点滴分享

运行总次数：0

代码可运行

AI小说生成器

一款基于大语言模型的多功能小说生成器，集成了完整的创作工作流，从世界观架构到章节生成，再到一致性维护，为创作者提供全方位的智能写作辅助。

✨ 核心功能

🎨 小说设定工坊

世界观架构：基于主题和题材生成完整的小说设定
角色动态设计：创建具有发展弧光的角色系统
剧情蓝图规划：构建逻辑严谨的章节架构

📖 智能章节生成

多阶段生成保障：确保剧情连贯性和逻辑一致性
上下文感知：基于前文内容智能续写
风格统一：维持整体文风和叙事节奏

🧠 状态追踪系统

角色发展轨迹：实时更新角色状态和关系变化
伏笔管理系统：跟踪未解决冲突和待推进剧情线
全局摘要维护：动态更新故事进展概览

🔍 语义检索引擎

向量化存储：基于ChromaDB的上下文向量库
智能检索：相关性驱动的知识片段提取
长程一致性：跨越章节的设定统一维护

📚 知识库集成

本地文档支持：导入参考文档增强创作素材
智能文本分割：基于语义的文档分段处理
向量化存储：高效的知识检索和利用

✅ 自动审校机制

剧情矛盾检测：识别设定冲突和逻辑不一致
连续性检查：确保角色状态和情节发展的连贯性
冲突预警：提前发现潜在的故事性问题

🖥 可视化工作台

一体化界面：配置、生成、审校全流程GUI操作
实时进度跟踪：直观显示生成状态和结果
参数灵活调整：支持温度、token数等精细调控

🛠 安装指南

环境要求

Python 3.9+ 运行环境（推荐3.10-3.12）
pip 包管理工具
有效API密钥（OpenAI/DeepSeek等云端服务或Ollama等本地接口）

安装步骤

下载项目git clone https://github.com/YILING0013/AI_NovelGenerator cd AI_NovelGenerator
安装依赖pip install -r requirements.txt
运行应用python main.py

可选步骤

如遇依赖安装问题，可安装C++编译工具：

下载 Visual Studio Build Tools
安装时勾选 C++ 桌面开发 选项

🚀 使用说明

基础配置

首先在GUI界面中配置LLM接口参数：

# 示例配置结构
{
    "api_key": "your_api_key",
    "base_url": "https://api.deepseek.com/v1",
    "model_name": "deepseek-chat",
    "temperature": 0.7,
    "max_tokens": 8192
}

核心工作流

1. 小说架构生成

Novel_architecture_generate(
    interface_format="OpenAI",
    api_key=api_key,
    base_url=base_url,
    llm_model="deepseek-chat",
    topic="科幻未来",
    genre="硬科幻",
    number_of_chapters=20,
    word_number=3000,
    filepath="./novel_project"
)

2. 章节蓝图规划

Chapter_blueprint_generate(
    interface_format=interface_format,
    api_key=api_key,
    base_url=base_url,
    llm_model=model_name,
    filepath=filepath,
    number_of_chapters=number_of_chapters
)

3. 章节内容生成

# 生成章节草稿
chapter_draft = generate_chapter_draft(
    interface_format=interface_format,
    api_key=api_key,
    base_url=base_url,
    model_name=model_name,
    temperature=temperature,
    filepath=filepath,
    novel_number=chapter_num,
    user_guidance=user_guidance
)

4. 一致性检查

consistency_result = check_consistency(
    novel_setting=novel_setting,
    character_state=character_state,
    global_summary=global_summary,
    chapter_text=chapter_text,
    api_key=api_key,
    base_url=base_url,
    model_name=model_name
)

知识库集成

导入参考文档增强创作素材：

import_knowledge_file(
    embedding_api_key=embedding_api_key,
    embedding_url=embedding_url,
    embedding_interface_format=embedding_interface_format,
    embedding_model_name=embedding_model_name,
    file_path="./knowledge.txt",
    filepath=filepath
)

💻 核心代码

章节蓝图解析器

def parse_chapter_blueprint(blueprint_text: str):
    """
    解析整份章节蓝图文本，返回结构化数据
    返回格式：
    {
      "chapter_number": int,      # 章节编号
      "chapter_title": str,       # 章节标题
      "chapter_role": str,        # 本章定位
      "chapter_purpose": str,     # 核心作用
      "suspense_level": str,      # 悬念密度
      "foreshadowing": str,       # 伏笔操作
      "plot_twist_level": str,    # 认知颠覆
      "chapter_summary": str      # 本章简述
    }
    """
    chunks = re.split(r'\n\s*\n', blueprint_text.strip())
    results = []
    
    # 正则模式匹配各字段
    chapter_number_pattern = re.compile(r'^第\s*(\d+)\s*章\s*-\s*\[?(.*?)\]?$')
    role_pattern = re.compile(r'^本章定位：\s*\[?(.*)\]?$')
    purpose_pattern = re.compile(r'^核心作用：\s*\[?(.*)\]?$')
    
    for chunk in chunks:
        lines = chunk.strip().splitlines()
        if not lines:
            continue
            
        # 解析章节头部信息
        header_match = chapter_number_pattern.match(lines[0].strip())
        if header_match:
            chapter_number = int(header_match.group(1))
            chapter_title = header_match.group(2).strip()
            
            # 解析其他字段
            chapter_data = {
                "chapter_number": chapter_number,
                "chapter_title": chapter_title,
                "chapter_role": "",
                "chapter_purpose": "",
                "suspense_level": "",
                "foreshadowing": "",
                "plot_twist_level": "",
                "chapter_summary": ""
            }
            
            # 遍历剩余行匹配各字段
            for line in lines[1:]:
                line_stripped = line.strip()
                # 各字段模式匹配...
                
            results.append(chapter_data)
    
    # 按章节编号排序返回
    results.sort(key=lambda x: x["chapter_number"])
    return results

一致性检查器

def check_consistency(
    novel_setting: str,
    character_state: str,
    global_summary: str,
    chapter_text: str,
    api_key: str,
    base_url: str,
    model_name: str,
    temperature: float = 0.3,
    plot_arcs: str = "",
    interface_format: str = "OpenAI",
    max_tokens: int = 2048,
    timeout: int = 600
) -> str:
    """
    调用模型进行一致性检查，检测剧情冲突和逻辑不一致
    新增对未解决冲突或剧情要点的衔接情况检查
    """
    
    # 构建检查提示词
    prompt = CONSISTENCY_PROMPT.format(
        novel_setting=novel_setting,
        character_state=character_state,
        global_summary=global_summary,
        plot_arcs=plot_arcs,
        chapter_text=chapter_text
    )

    # 创建LLM适配器
    llm_adapter = create_llm_adapter(
        interface_format=interface_format,
        base_url=base_url,
        model_name=model_name,
        api_key=api_key,
        temperature=temperature,
        max_tokens=max_tokens,
        timeout=timeout
    )

    # 调用模型进行检查
    response = llm_adapter.invoke(prompt)
    return response if response else "审校Agent无回复"

配置管理器

def load_config(config_file: str) -> dict:
    """从指定配置文件加载配置，不存在时创建默认配置"""
    
    if not os.path.exists(config_file):
        create_config(config_file)

    try:
        with open(config_file, 'r', encoding='utf-8') as f:
            return json.load(f)
    except:
        return {}

def create_config(config_file: str) -> dict:
    """创建默认配置文件，包含多种模型配置"""
    
    config = {
        "last_interface_format": "OpenAI",
        "last_embedding_interface_format": "OpenAI",
        "llm_configs": {
            "DeepSeek V3": {
                "api_key": "",
                "base_url": "https://api.deepseek.com/v1",
                "model_name": "deepseek-chat",
                "temperature": 0.7,
                "max_tokens": 8192,
                "timeout": 600,
                "interface_format": "OpenAI"
            },
            # 其他模型配置...
        },
        "embedding_configs": {
            "OpenAI": {
                "api_key": "",
                "base_url": "https://api.openai.com/v1",
                "model_name": "text-embedding-ada-002",
                "retrieval_k": 4,
                "interface_format": "OpenAI"
            }
        }
    }
    return config

LLM适配器框架

class BaseLLMAdapter:
    """统一的LLM接口基类，为不同后端提供一致的方法签名"""
    
    def invoke(self, prompt: str) -> str:
        raise NotImplementedError("Subclasses must implement .invoke(prompt) method.")

class DeepSeekAdapter(BaseLLMAdapter):
    """DeepSeek官方/OpenAI兼容接口适配器"""
    
    def __init__(self, api_key: str, base_url: str, model_name: str, 
                 max_tokens: int, temperature: float = 0.7, 
                 timeout: Optional[int] = 600):
        self.base_url = check_base_url(base_url)
        self.api_key = api_key
        self.model_name = model_name
        self.max_tokens = max_tokens
        self.temperature = temperature
        self.timeout = timeout

        self._client = ChatOpenAI(
            model=self.model_name,
            api_key=self.api_key,
            base_url=self.base_url,
            max_tokens=self.max_tokens,
            temperature=self.temperature,
            timeout=self.timeout
        )

    def invoke(self, prompt: str) -> str:
        """调用模型生成内容"""
        response = self._client.invoke(prompt)
        return response

该项目通过模块化设计和统一的接口抽象，为小说创作提供了完整的AI辅助解决方案，显著提升了创作效率和质量一致性。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

网络安全