RAG如何让长篇小说不崩人设、不丢设定：AI-Novel-Writing-Assistant知识库召回链深度解析

RAG如何让长篇小说不崩人设、不丢设定：AI-Novel-Writing-Assistant知识库召回链深度解析

【免费下载链接】AI-Novel-Writing-Assistant面向长篇小说创作的 AI Native 开源系统，用 Agent、世界观、写法引擎、RAG 和整本生产工作流，帮助新手从一句灵感走到完整小说。AI-native engine for end-to-end novel creation — from idea to full chapters, with structured planning, worldbuilding, and agent-driven workflows.项目地址: https://gitcode.com/gh_mirrors/ai/AI-Novel-Writing-Assistant

写长篇小说，最怕的就是 AI 写到第 50 章把第 3 章的人物设定忘了：主角性格突然反转、世界规则前后矛盾、伏笔石沉大海。AI-Novel-Writing-Assistant 用一条完整的 RAG（检索增强生成）召回链解决这个问题——把世界观、角色资料、拆书结论、写法样本变成可长期复用的资产，在每一章生成前精准"想起"该记得的东西，让长篇小说不崩人设、不丢设定。

一、为什么长篇创作最需要 RAG？

大模型的上下文窗口是有限的。几十万字的小说，不可能每次生成章节都把全文塞给它。传统的"续写工具"要么靠你手动复制粘贴前文，要么让模型自己"凭印象"写，于是出现三类典型问题：

• 🎭崩人设：角色语气、动机与前期设定漂移
• 🌍丢设定：世界规则、势力关系、地点细节前后矛盾
• 🕳️丢伏笔：早期承诺读者的事再也没有下文

RAG 的思路是：把资料提前向量化入库，每次写作前用"当前章节任务"去检索最相关的片段，只把真正有用的资料放进上下文。它不是"读全文"，而是"按需取记忆"。

在 AI-Novel-Writing-Assistant 中，知识库不是一个孤立的"上传文件的地方"，而是一条贯穿开书、规划、章节执行、审核修复的召回链。完整说明见官方文档 knowledge-and-rag.md。

二、先把资料放进"创作资料书架"

系统把知识库定义为可复用的创作资料书架，而不是一次性上传框。你可以往里放：

新手不需要一上来就配齐所有资料——知识库是增强能力，不是开书前置条件。先跑通创作流程，再逐步补资料即可。

三、召回链全景：一章正文的 5 步"记忆"过程

当章节执行开始时，系统并不是拿章节标题去搜资料，而是走一条固定的召回链：

第 1 步：按章节任务构造查询

GenerationContextAssembler.ts 会把小说标题、章节标题、章节目标、本章必须推进的内容、目标冲突、出场角色、结构化大纲组装成一条贴近本章目的的查询。查询越贴近本章目标，召回越容易命中真正有用的资料。

第 2 步：向量 + 关键词双路召回

HybridRetrievalService.ts 同时发起两路检索：

• 向量检索：擅长"语义相近但用词不同"的资料，比如你写"他变得麻木"，也能召回描述主角情感封闭的设定
• 关键词检索：擅长人名、地名、专有名词，保证"青云宗宗主"这种专名不会漏

第 3 步：RRF 融合排序

两路结果按 RRF（Reciprocal Rank Fusion）算法融合打分，谁的排名都靠前，谁的融合分就高。这一设计让"语义命中"和"关键词命中"互补，而不是互相打架。

第 4 步：可选 Reranker 重排

如果配置了 reranker（默认关闭），融合结果会再经交叉编码器精细重排。它只是"增强阶段"而非硬依赖——外部服务超时时会自动 fail-open，继续用融合结果，检索不会因此中断。

第 5 步：按预算截取最终片段

默认只保留 top 8 个片段进入上下文（finalTopK可配置）。系统刻意控制数量：对长篇小说来说，准确命中当前章节任务，比一次召回大量资料更重要。无关资料塞进上下文只会增加模型噪音。

四、资料来源分层：本书事实永远优先

这是防"崩设定"最关键的一条设计。RAG 召回的资料不是平权的，系统按可信度分了 6 层：

核心规则一句话：外部资料用于补充，不用于推翻已经写入小说状态的内容。比如知识库里的参考角色再出彩，也不能压过本书角色的当前状态；参考资料里的世界规则再详细，也不能覆盖本书已建立的世界设定。

五、闭环才是长篇生产链的灵魂

召回链不只"取"，还要"回"。每章执行完成后，系统会把新事实、角色变化、伏笔状态和质量问题回灌入账本：

1. 自动导演准备书级、世界、角色和章节任务
2. 章节执行读取这些资产 + RAG 召回资料
3. 正文生成后提取事实、角色资源、伏笔变化
4. 状态提交与账本同步写回项目
5. 下一章读取新状态继续生成

这就是长篇生产链和一次性文本生成的核心区别——资料是活的，越写越"记得住"。

六、知识库"没生效"时的 6 步排查清单

如果你发现召回不命中，按这个顺序查，基本能定位问题（完整调试路径见 knowledge-and-rag.md）：

1. ✅ 确认文档上传成功
2. ✅ 确认索引任务完成（上传 ≠ 可检索）
3. ✅ 确认向量库可连接
4. ✅ 用知识库的召回测试，验证能否被命中
5. ✅ 检查文档标题、摘要是否包含角色名、地点名、设定名
6. ✅ 检查当前章节任务是否真的需要这份资料

判断口诀：单文档召回能命中、但章节没用到，问题在章节任务查询或上下文组装；单文档召回也不命中，问题在索引、分块或关键词。

七、给新手的上手路径

• 📌 先创建小说跑通主流程，知识库可以后配
• 📌 上传资料前：一份文档只放一类内容、标题写清用途、参考作品/世界设定/写法样本分开存
• 📌 用召回测试验证资料可被找到，再绑定到具体小说
• 📌 不用用的资料及时归档，减少干扰召回

相关源码与文档延伸阅读：

• RAG 服务模块：server/src/services/rag/
• 召回链官方说明：docs/public/flow/knowledge-and-rag.md
• 知识库模块文档：docs/public/modules/knowledge-base.md
• 上下文组装设计：docs/wiki/rag/knowledge-and-context-assembly.md

RAG 的目标是让系统知道更多，而不是让外部资料拥有最高决策权。理解这条"召回—分层—预算—回灌"的完整链路，你就拿到了长篇小说不崩人设、不丢设定的钥匙。🔑

【免费下载链接】AI-Novel-Writing-Assistant面向长篇小说创作的 AI Native 开源系统，用 Agent、世界观、写法引擎、RAG 和整本生产工作流，帮助新手从一句灵感走到完整小说。AI-native engine for end-to-end novel creation — from idea to full chapters, with structured planning, worldbuilding, and agent-driven workflows.项目地址: https://gitcode.com/gh_mirrors/ai/AI-Novel-Writing-Assistant