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_NovelGeneratorAI_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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
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_NovelGeneratorAI_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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
