企业官网建设流程全解析

AI_NovelGenerator本地部署：三步跑通多章节长篇小说生成

【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

长篇小说最怕写到一半剧情断裂、前后矛盾。AI_NovelGenerator本地部署完成后，从世界观设定到章节定稿都能由大模型分步产出，还能靠向量检索自动回看前文、衔接上下文。这篇教程把搭建过程压成"拉代码、装依赖、填配置"三步，再讲清关键参数怎么调，读完你手里会有一套能连续产出章节的本地创作流程。

项目速览

这是一款基于大语言模型的多功能小说生成器，适合想批量产出长篇故事、又怕设定和逻辑跑偏的作者与开发者。它把创作拆成设定、目录、草稿、定稿四个阶段，核心逻辑在novel_generator/目录，配置由 config_manager.py 统一读写和校验。

AI_NovelGenerator/ ├── main.py # 入口文件，启动 GUI 工作台 ├── config.example.json # 配置模板，含模型预设示例 ├── config_manager.py # 管理配置（API Key、Base URL） ├── llm_adapters.py # 多厂商 LLM 接口封装 ├── embedding_adapters.py # Embedding 接口封装 ├── consistency_checker.py # 一致性检查，防止剧情冲突 ├── novel_generator/ # 章节生成核心逻辑 ├── ui/ # 图形界面 └── vectorstore/ # （可选）本地向量数据库存储

🚀 三步跑起来

第一步：拉代码。这一步是把项目源码放到你本地。

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

第二步：装依赖。这一步相当于给引擎加满油，把生成所依赖的库装齐。安装前确认 Python 版本在 3.9 以上，推荐 3.10–3.12 区间。

pip install -r requirements.txt

依赖清单见requirements.txt，包含langchain、chromadb、customtkinter等库。个别包如果编译失败（Windows 上较常见），需要安装 C++ 编译工具，安装器中要手动勾选C++ 桌面开发组件。

第三步：填配置并启动。这一步把 API 密钥和模型参数落盘，然后拉起 GUI。

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

Windows 终端可把第一条换成copy config.example.json config.json。用文本编辑器打开config.json填入密钥，下面是一份精简后可运行的示例：

{ "last_llm_config_name": "DeepSeek V4 Flash", "llm_configs": { "DeepSeek V4 Flash": { "api_key": "sk-你的密钥", "base_url": "https://api.deepseek.com", "model_name": "deepseek-v4-flash", "temperature": 0.7, "max_tokens": 8192 } }, "embedding_configs": { "OpenAI": { "api_key": "sk-你的密钥", "base_url": "https://api.openai.com/v1", "model_name": "text-embedding-3-small", "retrieval_k": 4 } } }

llm_configs下可以预存多套模型，last_llm_config_name指定默认启用哪一套。小说参数（topic、genre、num_chapters、word_number、filepath）启动后直接在界面里填即可；choose_configs则能为设定、大纲、草稿、定稿、审校等环节分别指派不同模型。本地服务（如 Ollama）按兼容 OpenAI 的接口方式配置，base_url填本地服务地址，具体字段以项目文档为准。

🎛 参数怎么调

最影响出稿效果的 5 个参数如下：

🧭 完整流程演示

启动 GUI 后，先填主题、类型、章节数、单章字数和保存路径，然后按顺序执行：

1. Step1. 生成设定：基于主题和类型产出Novel_setting.txt，包含世界观、角色信息、伏笔暗线，可直接编辑修改。
2. Step2. 生成目录：根据设定文件产出Novel_directory.txt，列全章节标题和每章简要提示。
3. Step3. 生成章节草稿：设置章节号，必要时在"本章指导"框里写入剧情期望，产出outline_X.txt大纲和chapter_X.txt正文；这一步实际由 novel_generator/chapter.py 组装上下文并调用模型完成。
4. Step4. 定稿当前章节：更新全局摘要、角色状态、向量库和剧情要点，本章正式定稿。
5. [可选] 一致性审校：扫描最新章节的角色逻辑与前后矛盾，冲突提示输出在日志区。
6. 重复第 3–5 步，直到所有章节生成并定稿。

每步产出的文件都能在界面里人工修改后再进入下一步，你始终握有最终编辑权。

（可选）向量检索：想让它跨章节回忆前情，需要显式指定 embedding 接口和模型名，云端服务确认 API 权限已开通；用本地 Ollama 时先执行ollama serve和ollama pull nomic-embed-text。切换 embedding 模型后建议清空vectorstore目录，避免旧向量干扰检索。

🛠 报错先看这里

Expecting value: line 1 column 1 (char 0)

• 现象：调用 API 后日志里出现这条解析错误
• 大概率原因：API 没有返回合法 JSON，可能返回了错误页
• 解法：逐项核对api_key和base_url，或换更稳定的服务重试

HTTP/1.1 504 Gateway Timeout

• 现象：请求长时间无响应后报网关超时
• 大概率原因：接口不稳定或网络延迟
• 解法：更换更稳定的base_url端点，或适当调大timeout

依赖安装失败（C++ 编译报错）

• 现象：pip install卡在某个包的编译阶段
• 大概率原因：本机缺少 C++ 构建环境
• 解法：Windows 安装 C++ 编译工具并勾选C++ 桌面开发后重装该包

章节之间剧情断裂、设定前后矛盾

• 现象：后面的章节"忘记"前文的关键情节
• 大概率原因：向量检索没启用，或检索片段数偏少
• 解法：确认 embedding 配置可用，把retrieval_k调大再试

如果还有其他问题，优先查阅项目 README，或直接在项目 Issues 中提出。

写在最后：完成AI_NovelGenerator本地部署之后

设定、目录、章节、审校，小说创作的每一步都能交给模型接力完成，你只需要专注创意决策和定稿把关。建议先用 10 章左右的小体量试跑一遍，校准temperature和word_number之后再扩到长篇——跑通前一百章，比一开始就追一百章更容易拿到满意的结果。

【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