本地部署 AI 小说生成器:3 步跑通多章节长篇小说自动写作

本地部署 AI 小说生成器:3 步跑通多章节长篇小说自动写作

【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

AI_NovelGenerator 用大模型生成多章节长篇小说,自动衔接上下文、管理伏笔,解决 LLM 写到后段人物设定和剧情逻辑崩坏的问题。读完本文,你能在本地完成部署,配好 API 密钥后按 4 个步骤生成一部带架构、目录和定稿章节的长篇。

它到底能做什么

输入主题和题材,它先产出世界观、人物与伏笔的设定文件,再生成章节目录,然后逐章输出草稿并定稿。每章定稿时更新全局摘要、人物状态和向量库,后续章节靠向量检索召回前文,保证长文前后一致。整个流程由图形界面 GUI 层 承载,不用敲命令行。

最快上手路径:AI 小说生成器本地部署 3 步教程

拿到代码

git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator

需要 Python 3.9+,推荐 3.10–3.12,clone 下来后所有操作都在你自己的本地目录里进行。

装依赖

pip install -r requirements.txt

一次性装好 langchain、chromadb、customtkinter 等第三方库,个别包失败时按提示补装对应编译工具即可。

改配置并跑起来

cp config.example.json config.json python main.py

前一条基于示例配置文件在你的本地目录生成 config.json,后一条启动图形界面。config.json 里只需要填这几处:

{ "llm_configs": { "DeepSeek V4 Flash": { "api_key": "你的密钥", "base_url": "https://api.deepseek.com", "model_name": "deepseek-v4-flash", "temperature": 0.7, "max_tokens": 8192 } }, "other_params": { "topic": "星际探险家意外穿越到魔法世界", "genre": "科幻奇幻", "num_chapters": 10, "word_number": 3000, "filepath": "./output" } }

其余字段保持默认即可。主题那句话别写太泛,具体一点,后面的设定和章节质量会跟着上台阶。

调出长篇小说效果的关键参数

参数不少,但只有这几个动了才有明显效果:

• temperature:调高,情节更跳跃、脑洞更大;调低,更严格贴着设定走。要稳在 0.5–0.7,要新奇可以到 0.8–0.9。
• word_number(单章目标字数):调高,单章更充实但生成更慢;调低,讲同一个故事需要的章节变多。短篇 2000–3000,长篇 3500–5000。
• retrieval_k(向量检索条数):调高,对远距离伏笔的召回更强,但提示词更长、响应更慢;调低则相反。默认 4 是均衡值。

一个典型使用场景:从主题到第一章定稿

输入:主题"末世 AI 觉醒",题材科幻,10 章、每章 3000 字,已写入 config.json。

操作:启动界面后依次点 Step1 生成架构、Step2 生成目录、Step3 生成草稿、Step4 定稿章节。写草稿前可以在"This chapter guidance"输入框里给本章下指令,比如"本章让主角发现基地里有内鬼"。

得到什么:设定文件 Novel_setting.txt(世界观、人物、伏笔)、Novel_directory.txt(章节标题和简要提示)、outline_1.txt 和 chapter_1.txt,以及更新后的全局摘要与人物状态文件。定稿动作由 核心生成引擎 完成,同时把内容写入向量库,第二章生成时就能检索到第一章的关键信息。

跑不通时查这里

• API 连接失败:核对 api_key 和 base_url 是否匹配服务商;用本地 Ollama 时先确认服务已启动(ollama serve)。
• Expecting value: line 1 column 1 (char 0):接口没返回合法 JSON,通常是拿到了 HTML 错误页,检查 base_url 和 model_name。
• HTTP 504 Gateway Timeout:端点或网络不稳,可增大 timeout,或换延迟更低的服务商。
• 换 embedding 模型后检索效果变差:向量库按模型索引,切换模型后清空 vectorstore 目录再生成。
• 依赖装不上:确认 Python 3.9+;Windows 上个别包需要 C++ 桌面开发工作负载提供的编译工具。

下一步:把 config.json 里的 base_url 和 model_name 换成你本地 Ollama 的接口,先用零成本的本地模型跑通第一章,再换云端模型调质量。

【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