AI_NovelGenerator 本地部署教程：四步搭好能逐章产出长篇小说的生成环境

AI_NovelGenerator 本地部署教程四步搭好能逐章产出长篇小说的生成环境【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 是一款可本地部署的长篇小说生成工具用大语言模型按「设定→目录→草稿→定稿」四步出稿自动衔接上下文和伏笔。如果你要写长篇、又希望设定和文本全部留在自己电脑里照本文做完你手里会有一套输入主题就能逐章产出的图形化环境。 环境自检装之前花一分钟确认开始动手前先确认依赖避免装到一半卡住。对照下表自查缺什么补什么依赖版本要求说明Python≥3.93.10–3.12 兼容性最佳Windows 安装时勾选 Add Python to PATHpip随 Python 附带一次装齐项目依赖LLM 服务无版本限制OpenAI、DeepSeek 等云端 API或 Ollama 这类兼容 OpenAI 协议的本地服务C 编译工具可选Windows 装 Visual Studio Build Tools 并勾选「C 桌面开发」Linux 装 build-essential跑一条命令确认 Python 就绪输出以 3.9 或更高数字开头即可开工python --version✅ 最短跑通路径从拿代码到第一次生成这一节只做一件事让你的电脑产出第一个可检查的文件证明整条链路通了。准备代码与依赖程序需要项目源码和第三方依赖才能运行。在项目目录执行下面三条命令clone 拿到代码后一次性装依赖git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator cd AI_NovelGenerator pip install -r requirements.txt成功的标志是安装走完、末尾没有报错。[!TIP] 如果安装时报编译错误多半缺 C 构建工具Windows 补装 VS Build ToolsLinux 补装 build-essential然后重跑安装命令。填最少配置并验证首次生成程序只认自己目录下的config.json而仓库里的 配置文件模板 是空密钥样例所以要复制成一份新文件再填cp config.example.json config.json最少要动四处其余留空也行llm_configs里挑一个你能用的预设填api_key、base_url、model_nameembedding_configs里挑一个预设同样补齐密钥与地址other_params填主题、类型、章节数、单章字数、保存路径choose_configs给设定/目录/草稿/定稿/审校五类任务各指一个模型全填同一个也能跑。[!TIP] 预设不必填满保证一个 LLM 和一个 Embedding 可用就够剩下的以后在图形界面设置区随时改。启动程序python main.py看到窗口弹出、设置区回显你填的模型名和主题说明配置读对了。接着点「Step1. 生成设定」稍等片刻去保存路径看出现一份新的Novel_setting.txt、里面写有世界观和角色信息就代表 API 连接与模型调用全部打通。 配置文件最少填几项参数逐项讲透参数说明集中在这张表填之前过一遍能避开绝大多数低级错误。容易填错的参数参数管什么怎么填填错的后果api_key模型服务访问密钥你的真实密钥连不上服务base_urlAPI 接口地址云端如https://api.deepseek.comOllama 填http://localhost:11434/v1要和interface_format对应错配即报错model_name模型名称如deepseek-v4-flash、gpt-5.5Ollama 用户必须与已部署模型名一致如llama3temperature文本随机性0.6–0.8过低僵硬过高逻辑混乱max_tokens单次输出上限8192别超过模型自身的 token 上限retrieval_k向量库检索前文片段数450 章以上作品加到 6–8否则召回不足topic/genre故事主题与类型如「废土世界的 AI 叛乱」/「科幻」决定后续全部生成方向num_chapters/word_number总章节数 / 单章字数10 / 3000章节数直接决定目录长度filepath生成文件保存位置非系统盘的独立目录设定、目录、章节文件都存这里密钥粘贴后留意首尾有没有混进空格这类小问题往往造成最难排查的连接失败。Ollama 本地模型专用注意Ollama 承担 embedding 角色时要先把服务跑起来并拉好模型界面里才能选中ollama serve ollama pull nomic-embed-text️ 从能用到好用三个质量调整环境跑通后用下面三招直接处理最常见的生成质量毛病不用懂向量检索原理。现象调整预期效果章节文字重复、剧情跑偏章节草稿步骤的「本章指导」输入框写明具体情节点和人物动作本章围绕指导展开跑题明显减少文本僵硬、句式单调temperature从 0.5 提到 0.7–0.8表达更多样出现创造性描写第 10 章后出现人名、剧情前后矛盾retrieval_k从 4 提到 6–8每次定稿前点「一致性审校」召回更多前文冲突点在日志区被自动指出[!WARNING] 切换 embedding 模型前先清空vectorstore/目录。旧向量与新模型不兼容会持续干扰检索清空后需重新定稿各章节重建向量库。 出错自诊按报错原文查卡住了先在这张表里对号入座多数问题两分钟内能定位。报错或现象可能原因处理Expecting value: line 1 column 1 (char 0)API 返回了非 JSON 内容或密钥/地址有误去掉api_key首尾空格用浏览器打开base_url验证可达性HTTP/1.1 504 Gateway Timeout服务侧不稳定或处理超时检查接口服务状态调大timeout再试pip install报编译错误缺 C 编译环境装好构建工具后重装 依赖清单换 embedding 模型后检索不准vectorstore/残留旧向量清空该目录重新定稿重建库图形界面打不开Python 版本超范围或依赖不全确认版本在 3.9–3.12重跑依赖安装下一步把章节数设成 10按「生成设定→生成目录→章节草稿→定稿」完整跑一遍并在定稿前打开「一致性审校」看它自动抓矛盾。【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