四步玩转AI小说生成：AI_NovelGenerator 部署与配置教程
【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 是一个AI小说生成工具。它基于大语言模型（可以理解为能读题、能续写、还能记住前文的AI服务）自动衔接上下文、管理伏笔并做一致性校对，适合想批量产出多章节连载的写作者，以及想尝试本地部署生成管线的技术爱好者。
它解决什么问题：长篇小说难在"记性"
写长篇最容易翻车的不是某一章写得差，而是记性差：写到第 30 章忘了主角第 3 章捡到的道具，伏笔埋了不收口。AI_NovelGenerator 把"记性"做成了文件——每章定稿后，程序自动更新全局摘要和角色状态；写下一章时，它通过向量检索（把文本变成数字索引，按相似度翻找前文相关段落）召回旧内容，剧情因此不容易崩。
整个操作在图形界面里完成，不需要写命令行。你只需要准备一个 AI 模型的 API 密钥，云端（DeepSeek、OpenAI）或本地（Ollama）都可以。
🚀 快速上手：四步从克隆到打开界面
环境要求 Python 3.9 及以上，3.10–3.12 表现最稳。先运行python --version确认版本。
1. 拉取源码
git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator跑通后应看到：目录下有main.py、config.example.json、requirements.txt等文件。
2. 安装依赖
pip install -r requirements.txt结尾出现 "Successfully installed" 即为成功。个别包编译失败的话，看文末排错清单第 4 条。
3. 准备配置文件
cp config.example.json config.json打开config.json，先只填一个 LLM 的api_key，其余留空也能启动。
4. 启动程序
python main.py跑通后应看到：弹出标题为 "Novel Generator GUI" 的窗口。系统就绪。
⚙️ 关键配置解读：必改项只有三处
这一节回答"AI小说生成配置里哪些字段是必填的"，其余保持默认。
api_key、base_url、model_name：连接 AI 服务的三件套，要一起填。换服务商时三个字段都要改。interface_format：声明这个服务说哪种协议（DeepSeek、OpenAI、Gemini）。base_url指向非 OpenAI 兼容接口时别忘了同步修改。other_params里的topic（主题）、genre（类型）、num_chapters（总章数）、word_number（每章目标字数）、filepath（保存路径）：这五项也可以启动后直接在界面里改，文件里可以先留空。
向量检索依赖embedding_configs里的api_key，不填它，"召回前文"这项核心能力就用不了，具体怎么配见下文调优一节。
📖 端到端实战：一个三章城市悬疑
下面用"3 章 × 2000 字"跑一遍完整流程，每步都给出预期产物。
填参数。在界面里设 topic 为"城市里的最后一位外卖员"，genre 为"城市悬疑"，章数 3，每章约 2000 字，保存路径新建一个空文件夹。
生成设定。点击"生成设定"按钮。预期产物：保存目录里出现Novel_setting.txt，世界观、人物小传、伏笔点都在里面，可以直接编辑。
生成目录。点击"生成目录"按钮。预期产物：出现Novel_directory.txt，每章一个标题加一句梗概。在这里检查章节顺序，不满意直接改文件。
生成第 1 章草稿。选中第 1 章，在"本章指导"框里输入类似"以雨夜接单开场，带出神秘乘客"，点击"生成章节草稿"。预期产物：outline_1.txt（本章细纲）和chapter_1.txt（正文初稿）两个文件，可以在编辑器里直接改文字。
定稿当前章。点击"定稿当前章"。程序会重写定稿，同时更新global_summary.txt（全局剧情摘要）、character_state.txt（角色状态），并把内容写入向量库。这步不能跳过——跳过了第 2 章就不知道第 1 章发生了什么。
一致性校对（可选）。点击"一致性校对"按钮，程序扫描最新一章的逻辑冲突，结果打在日志区。
重复最后三步，直到第 3 章定稿。你就得到一部设定自洽的三章连载。
🔍 进阶与调优：遇到什么情况才看哪段
想省成本或提质量：生成过程分五个环节（设定、目录、细纲、定稿、校对），每个环节可以指定不同模型。改config.json里的choose_configs，把设定和细纲指给便宜的 flash 级模型，定稿留给更强的模型即可。切换逻辑实现在 llm_adapters.py。
想写更长而不跑偏：确认向量检索已启用。本地部署的话，先启动 Ollama 并拉取嵌入模型（嵌入模型负责把文本转成向量）：
ollama serve ollama pull nomic-embed-text再把 embedding 配置指向 Ollama 的地址。注意：更换嵌入模型后必须清空vectorstore目录，旧索引是旧模型的向量，复用会检索错乱。检索实现在 novel_generator/vectorstore_utils.py。
想改文风：所有提示词集中在 prompt_definitions.py，改措辞就能改文风。另外，temperature（创意参数，0 到 1）默认 0.7 偏稳，调到 0.9 更天马行空；章节生成到一半被截断时，把max_tokens调大（如 8192 或 32768）。
🛠️ 排错清单：四个高频问题
1. 报 "Expecting value: line 1 column 1 (char 0)"现象：点生成后提示 JSON 解析错误。 原因：API 返回了报错页而不是数据，通常是api_key或base_url填错。 解法：用浏览器手动带上密钥请求一次接口，返回正常再回来重试。
2. 出现 HTTP 504 Gateway Timeout现象：请求卡住后超时。 原因：API 侧拥塞或网络不稳。 解法：把配置里的timeout调大，或换一个更稳定的接入点重试。
3. 新章节不断和前文设定打架现象：模型写出的内容像没读过前几章。 原因：向量检索没启用，或换了嵌入模型后没清vectorstore。 解法：补齐 embedding 配置；换模型后清空vectorstore目录重新生成。
4. Windows 下 pip 安装个别包失败现象：安装时提示需要 C++ 编译器。 原因：依赖里有需要本地编译的模块，而环境缺构建工具。 解法：安装 Visual Studio Build Tools，勾选"使用 C++ 的桌面开发"工作负载，再重装。
下一步做什么
先按上面的三章流程原样跑一遍，配置不用动。跑通之后，想看程序怎么拼装上下文和提示词，读 novel_generator/chapter.py 和 prompt_definitions.py；想看校对逻辑，看 consistency_checker.py。更完整的参数说明在 README_zh-CN.md 里。
【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
