Merge pull request #5 from YILING0013/dev

Dev

.gitignore

@@ -1,8 +1,8 @@
 /Novel_Src
-/vectorstore
+/.venv
-/.conda
 /build
 /dist
 /.vscode
 /__pycache__
+/vectorstore
 config.json

chapter_directory_parser.py

@@ -0,0 +1,50 @@
+# chapter_directory_parser.py
+# -*- coding: utf-8 -*-
+import re
+
+def get_chapter_info_from_directory(novel_directory_content: str, chapter_number: int):
+    """
+    从给定的 novel_directory_content 文本中，解析 “第X章” 行，并提取本章的标题和可能的简述。
+    返回一个 dict: {
+       "chapter_title": <字符串>,
+       "chapter_brief": <字符串> (若没有则为空)
+    }
+    注意：目录文本示例格式:
+        第1章 ：潮起
+        第2章 ：阴影浮现 - 主要角色冲突爆发
+        ...
+    也可能没有简述，只有一个简单标题。
+    """
+
+    # 将文本逐行拆分
+    lines = novel_directory_content.splitlines()
+
+    # 章节匹配：形如 “第5章 ：xxx” or “第5章: xxx” or “第5章 xxx”
+    pattern = re.compile(r'^第\s*(\d+)\s*章\s*[:：]?\s*(.*)$')
+
+    for line in lines:
+        match = pattern.match(line.strip())
+        if match:
+            chap_num = int(match.group(1))
+            if chap_num == chapter_number:
+                # group(2) 可能是标题及简述的混合
+                full_title = match.group(2).strip()
+                # 这里假设用 '-' 进一步区分“标题 - 简述”，也可能用户没写“ - ”
+                if ' - ' in full_title:
+                    # 根据你的目录格式自由处理
+                    parts = full_title.split(' - ', 1)
+                    return {
+                        "chapter_title": parts[0].strip(),
+                        "chapter_brief": parts[1].strip()
+                    }
+                else:
+                    return {
+                        "chapter_title": full_title,
+                        "chapter_brief": ""
+                    }
+
+    # 如果没有匹配到，返回默认
+    return {
+        "chapter_title": f"第{chapter_number}章",
+        "chapter_brief": ""
+    }

main.py

@@ -5,7 +5,7 @@ from ui import NovelGeneratorGUI
 
 def main():
     root = tk.Tk()
-    root.title("Novel Generator - Innovative Flow")
+    root.title("Novel Generator")
     app = NovelGeneratorGUI(root)
     root.mainloop()
 

main.spec

@@ -1,11 +1,13 @@
 # -*- mode: python ; coding: utf-8 -*-
-
+from PyInstaller.utils.hooks import collect_submodules
 
 a = Analysis(
     ['main.py'],
     pathex=[],
     binaries=[],
-    datas=[],
+    datas=[
+        ('vectorstore', 'vectorstore')
+    ],
     hiddenimports=['typing_extensions', 
                     'langchain-openai',
                     'langgraph', 
@@ -17,7 +19,15 @@ a = Analysis(
                     'langchain-community',
                     'pydantic',
                     'pydantic.deprecated.decorator',
-                    'chromadb.utils.embedding_functions.onnx_mini_lm_l6_v2'
+                    *collect_submodules('chromadb'),
+                    'chromadb.utils.embedding_functions.onnx_mini_lm_l6_v2',
+                    'chromadb.telemetry.product.posthog',
+                    'chromadb.api.segment',
+                    'chromadb.db.impl',
+                    'chromadb.db.impl.sqlite',
+                    'chromadb.migrations',
+                    'chromadb.migrations.embeddings_queue'
+                    
                 ],
     hookspath=[],
     hooksconfig={},

novel_generator.py

@@ -15,7 +15,6 @@ from langchain_openai import OpenAIEmbeddings
 from langchain_community.vectorstores import Chroma
 from langchain.docstore.document import Document
 
-# 
 import nltk
 import math
 from sentence_transformers import SentenceTransformer
@@ -32,13 +31,34 @@ from prompt_definitions import (
     chapter_outline_prompt, chapter_write_prompt
 )
 
+# ============ 新增：导入 chapter_directory_parser ============
+from chapter_directory_parser import get_chapter_info_from_directory
+
 # ============ 日志配置 ============
 logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s")
-
+def debug_log(prompt: str, response_content: str):
-# ============ 向量检索相关函数（Chroma） ============
+        """在控制台打印或记录下每次Prompt与Response，[调试]"""
+        logging.info(f"\n[Prompt >>>] {prompt}\n")
+        logging.info(f"[Response >>>] {response_content}\n")
+# ============ 向量检索相关 ============
 
 VECTOR_STORE_DIR = "vectorstore"
 
+def clear_vector_store():
+    """
+    清空本地向量库（删除 vectorstore 文件夹）。
+    需要在UI中加一个二次确认弹窗，防止误删。
+    """
+    if os.path.exists(VECTOR_STORE_DIR):
+        try:
+            import shutil
+            shutil.rmtree(VECTOR_STORE_DIR)
+            logging.info("Local vector store has been cleared.")
+        except Exception as e:
+            logging.warning(f"Failed to remove vector store: {e}")
+    else:
+        logging.info("No vector store found to clear.")
+
 def init_vector_store(api_key: str, base_url: str, texts: List[str]) -> Chroma:
     """
     初始化并返回一个Chroma向量库，将传入的文本进行嵌入并保存到本地目录。
@@ -118,16 +138,6 @@ def Novel_novel_directory_generate(
 ) -> None:
     """
     使用多步流程，生成 Novel_setting.txt 与 Novel_directory.txt 并保存到 filepath。
-
-    :param api_key:       OpenAI API key
-    :param base_url:      OpenAI API base url
-    :param llm_model:     所使用的 LLM 模型名称
-    :param topic:         小说主题
-    :param genre:         小说类型
-    :param number_of_chapters: 章节数
-    :param word_number:   单章目标字数
-    :param filepath:      存放生成文件的目录路径
-    :param temperature:   生成温度
     """
     # 确保文件夹存在
     os.makedirs(filepath, exist_ok=True)
@@ -139,10 +149,7 @@ def Novel_novel_directory_generate(
         temperature=temperature
     )
 
-    def debug_log(prompt: str, response_content: str):
+    
-        """在控制台打印或记录下每次Prompt与Response，[调试]"""
-        logging.info(f"\n[Prompt >>>] {prompt}\n")
-        logging.info(f"[Response <<<] {response_content}\n")
 
     def generate_base_setting(state: OverallState) -> Dict[str, str]:
         prompt = set_prompt.format(
@@ -257,159 +264,80 @@ def Novel_novel_directory_generate(
 
     logging.info("Novel settings and directory generated successfully.")
 
-# ============ 生成章节（每章独立文件） ============
+# ============ 新增：获取最近N章内容，生成短期摘要 ============
 
-CHINESE_NUM_MAP = {
+def get_last_n_chapters_text(chapters_dir: str, current_chapter_num: int, n: int = 3) -> List[str]:
-    '零': 0, '○': 0, '〇': 0,
-    '一': 1, '二': 2, '三': 3, '四': 4, '五': 5,
-    '六': 6, '七': 7, '八': 8, '九': 9,
-    '十': 10, '百': 100, '千': 1000, '万': 10000
-}
-
-def chinese_to_arabic(chinese_str: str) -> int:
     """
-    只能处理到万(10000)以内的中文数字，正常小说章节应该够用了
+    从指定文件夹中，读取最近 n 章的内容（如果存在），并按从旧到新的顺序返回文本列表。
+    不包含当前章，只拿之前的 n 章。
     """
-    total = 0
+    texts = []
-    current_unit = 1  # 记录当前单位
+    start_chap = max(1, current_chapter_num - n)
-    tmp_val = 0       # 暂存本轮数字
+    for c in range(start_chap, current_chapter_num):
+        chap_file = os.path.join(chapters_dir, f"chapter_{c}.txt")
+        if os.path.exists(chap_file):
+            text = read_file(chap_file).strip()
+            if text:
+                texts.append(text)
+    return texts
 
-    for char in reversed(chinese_str):
+def summarize_recent_chapters(model: ChatOpenAI, chapters_text_list: List[str]) -> str:
-        if char in CHINESE_NUM_MAP:
-            val = CHINESE_NUM_MAP[char]
-            if val >= 10:
-                if val > current_unit:
-                    # 如 100, 1000, 10000
-                    current_unit = val
-                else:
-                    # 比如 “十二” -> 2 * 10 + 1
-                    # 如果 val <= current_unit, 那么相当于在这个单位下加
-                    total += tmp_val * val
-                    tmp_val = 0
-            else:
-                # 0~9
-                tmp_val = tmp_val + val * current_unit
-        else:
-            # 非中文数字字符，视情况决定怎么处理，这里直接跳过
-            pass
-    
-    total += tmp_val
-    return total
-
-def parse_chapter_title_from_directory(novel_directory_text: str, 
-                                       novel_number: int, 
-                                       range_size: int = 1) -> str:
     """
-    从小说目录文本中，提取指定章节（以及前后几章）的目录信息。
+    将最近几章的文本拼接后，通过模型生成一个相对详细的“短期内容摘要”。
-    range_size=1，表示获取当前章节、前一章和后一章的目录信息(若存在)。
-    支持多种常见的章节格式。
     """
+    if not chapters_text_list:
+        return ""
 
-    lines = novel_directory_text.splitlines()
+    # 拼接这几章的内容
+    combined_text = "\n".join(chapters_text_list)
+    # 在这里可以写一个更详细的提示
+    prompt = f"""\
+这是最近几章的故事内容，请生成一份详细的短期内容摘要（不少于一章篇幅的细节），用于帮助后续创作时回顾细节。
+请着重强调发生的事件、角色的心理和关系变化、冲突或悬念等。
 
-    # 可以根据需求自行扩展，这里列举了几种常见的章节标题格式，如果模型实在不听话，可以适当调整
+{combined_text}
-    # 每个pattern都应该捕获两个组：
+"""
-    # 1. chapter_num_str：章节数字(可能是中文也可能是阿拉伯数字)
+    response = model.invoke(prompt)
-    # 2. chapter_title ：章节标题（.*）
+    if not response:
-    patterns = [
+        return ""
-        # 1) 第12章 标题
+    debug_log(prompt, response.content)
-        r"^第\s*([\d]+)\s*章[:：]?\s*(.*)$",
+    return response.content.strip()
-        # 2) 第十二章 标题（中文数字）
-        r"^第\s*([零○〇一二三四五六七八九十百千万]+)\s*章[:：]?\s*(.*)$",
-        # 3) Chapter 12 标题
-        r"^Chapter\s+(\d+)\s*[:：]?\s*(.*)$",
-        # 4) Ch 12 标题
-        r"^Ch\s+(\d+)\s*[:：]?\s*(.*)$",
-        # 5) 第12节 标题
-        r"^第\s*([\d]+)\s*节[:：]?\s*(.*)$",
-        # 6) 第12话 标题
-        r"^第\s*([\d]+)\s*话[:：]?\s*(.*)$",
-        # ... 更多模式 ...
-    ]
 
-    # 用来存储匹配结果： chapter_num -> title
+# ============ 生成章节草稿 & 定稿 ============
-    directory_map = {}
 
-    for line in lines:
+def generate_chapter_draft(
-        line = line.strip()
-        if not line:
-            continue
-        
-        # 依次尝试每一种pattern
-        matched = False
-        for pat in patterns:
-            match = re.match(pat, line, flags=re.IGNORECASE)
-            if match:
-                chapter_num_str = match.group(1)
-                chapter_title   = match.group(2).strip()
-
-                # 如果是中文数字，需要转换
-                # 如果是阿拉伯数字，直接转 int 即可
-                if re.match(r"^[零○〇一二三四五六七八九十百千万]+$", chapter_num_str):
-                    chapter_num = chinese_to_arabic(chapter_num_str)
-                else:
-                    chapter_num = int(chapter_num_str)
-
-                directory_map[chapter_num] = chapter_title
-                matched = True
-                break
-        
-        # 如果已经匹配到其中一个pattern，就不需要继续匹配剩余pattern
-        if matched:
-            continue
-
-    # 收集需要的章节范围
-    chapters_info = []
-    for cnum in range(novel_number - range_size, novel_number + range_size + 1):
-        if cnum in directory_map:
-            if cnum == novel_number:
-                chapters_info.append(f"【当前】第{cnum}章：{directory_map[cnum]}")
-            else:
-                chapters_info.append(f"第{cnum}章：{directory_map[cnum]}")
-
-    if chapters_info:
-        return "\n".join(chapters_info)
-    return ""
-
-def generate_chapter_with_state(
     novel_settings: str,
-    novel_novel_directory: str,
+    global_summary: str,
+    character_state: str,
+    recent_chapters_summary: str,
+    user_guidance: str,
     api_key: str,
     base_url: str,
     model_name: str,
     novel_number: int,
-    filepath: str,
     word_number: int,
-    lastchapter: str,
+    temperature: float,
-    user_guidance: str = "",
+    novel_novel_directory: str,
-    temperature: float = 0.7
+    filepath: str
 ) -> str:
     """
-    多步流程:
+    仅生成当前章节的草稿，不更新全局摘要/角色状态/向量库。
-      1) 更新/创建全局摘要
+    并将生成的内容写到 "chapter_{novel_number}.txt" 覆盖写入。
-      2) 更新/生成角色状态文档
+    同时生成 "outline_{novel_number}.txt" 存储大纲内容。
-      3) 向量检索获取往期上下文
+    recent_chapters_summary: 最近 3 章的“短期内容摘要”
-      4) 从Novel_directory.txt中获取当前(和前后几章)的目录信息
-      5) 大纲 -> 正文（可结合用户给出的额外指导）
-      6) 写入 chapter_{novel_number}.txt, 更新 last_chapter.txt
-      7) 更新向量库
-
-    :param novel_settings:        最终的作品设定（字符串）
-    :param novel_novel_directory: 小说目录信息
-    :param api_key:              OpenAI API Key
-    :param base_url:             OpenAI Base URL
-    :param model_name:           LLM 模型名称
-    :param novel_number:         当前要生成的章节号
-    :param filepath:             文件存放的目录
-    :param word_number:          单章目标字数
-    :param lastchapter:          上一章内容（若为空字符串，表示无上一章）
-    :param user_guidance:        用户对当前章节的额外指导或想法
-    :param temperature:          生成温度
-    :return:                     本章生成的正文内容
     """
-    # 确保文件夹存在
-    os.makedirs(filepath, exist_ok=True)
 
+    # 0) 根据 novel_number 从 novel_novel_directory 中获取本章标题及简述
+    chapter_info = get_chapter_info_from_directory(novel_novel_directory, novel_number)
+    chapter_title = chapter_info["chapter_title"]
+    chapter_brief = chapter_info["chapter_brief"]
+
+    # 1) 从向量库检索往期上下文
+    relevant_context = get_relevant_context_from_vector_store(
+        api_key, base_url, "回顾剧情", k=2
+    )
+
+    # 2) 生成大纲
     model = ChatOpenAI(
         model=model_name,
         api_key=api_key,
@@ -417,25 +345,125 @@ def generate_chapter_with_state(
         temperature=temperature
     )
 
-    # 调试输出函数
+    # Prompt 拼接
-    def debug_log(prompt: str, response_content: str):
+    outline_prompt_text = chapter_outline_prompt.format(
-        """在控制台打印或记录下每次的 Prompt 与 Response，便于观察生成过程。"""
+        novel_setting=novel_settings,
-        logging.info(f"\n[Prompt >>>]\n{prompt}\n")
+        character_state=character_state + "\n\n【历史上下文】\n" + relevant_context,
-        logging.info(f"[Response <<<]\n{response_content}\n")
+        global_summary=global_summary,
+        novel_number=novel_number,
+        chapter_title=chapter_title,
+        chapter_brief=chapter_brief
+    )
 
-    # --- 文件路径定义 ---
+    # 在后面加上用户指导与最近章节摘要（可根据需要灵活组织）
+    outline_prompt_text += f"\n\n【本章目录标题与简述】\n标题：{chapter_title}\n简述：{chapter_brief}\n"
+    outline_prompt_text += f"\n【最近几章摘要】\n{recent_chapters_summary}"
+    outline_prompt_text += f"\n\n【用户指导】\n{user_guidance if user_guidance else '（无）'}"
+
+    response_outline = model.invoke(outline_prompt_text)
+    if not response_outline:
+        logging.warning("generate_chapter_draft: outline no response.")
+        chapter_outline = ""
+    else:
+        debug_log(outline_prompt_text, response_outline.content)
+        chapter_outline = response_outline.content.strip()
+
+    # 将大纲写到 outline_{novel_number}.txt
+    outlines_dir = os.path.join(filepath, "outlines")
+    os.makedirs(outlines_dir, exist_ok=True)
+    outline_file = os.path.join(outlines_dir, f"outline_{novel_number}.txt")
+    clear_file_content(outline_file)
+    save_string_to_txt(chapter_outline, outline_file)
+
+    # 3) 生成正文草稿
+    writing_prompt_text = chapter_write_prompt.format(
+        novel_setting=novel_settings,
+        character_state=character_state + "\n\n【历史上下文】\n" + relevant_context,
+        global_summary=global_summary,
+        chapter_outline=chapter_outline,
+        word_number=word_number,
+        chapter_title=chapter_title,
+        chapter_brief=chapter_brief
+    )
+
+    # 同样插入用户指导和最近摘要
+    writing_prompt_text += f"\n\n【本章目录标题与简述】\n标题：{chapter_title}\n简述：{chapter_brief}\n"
+    writing_prompt_text += f"\n【最近几章摘要】\n{recent_chapters_summary}"
+    writing_prompt_text += f"\n\n【用户指导】\n{user_guidance if user_guidance else '（无）'}"
+
+    response_chapter = model.invoke(writing_prompt_text)
+    if not response_chapter:
+        logging.warning("generate_chapter_draft: writing no response.")
+        chapter_content = ""
+    else:
+        debug_log(writing_prompt_text, response_chapter.content)
+        chapter_content = response_chapter.content.strip()
+
+    # 4) 覆盖写到 chapter_{novel_number}.txt
     chapters_dir = os.path.join(filepath, "chapters")
     os.makedirs(chapters_dir, exist_ok=True)
-
     chapter_file = os.path.join(chapters_dir, f"chapter_{novel_number}.txt")
-    lastchapter_file = os.path.join(filepath, "last_chapter.txt")
+    clear_file_content(chapter_file)
+    save_string_to_txt(chapter_content, chapter_file)
+
+    logging.info(f"[Draft] Chapter {novel_number} generated as a draft.")
+    return chapter_content
+
+def finalize_chapter(
+    novel_number: int,
+    word_number: int,
+    api_key: str,
+    base_url: str,
+    model_name: str,
+    temperature: float,
+    filepath: str
+):
+    """
+    对当前章节进行定稿：
+    1. 读取 chapter_{novel_number}.txt 的最终内容；
+    2. 更新全局摘要、角色状态文件；
+    3. 如果字数明显少于 word_number 的 80%，则自动调用 enrich_chapter_text 再次扩写；
+    4. 更新向量库。
+    """
+    # 读取当前章节内容
+    chapters_dir = os.path.join(filepath, "chapters")
+    chapter_file = os.path.join(chapters_dir, f"chapter_{novel_number}.txt")
+    chapter_text = read_file(chapter_file).strip()
+    if not chapter_text:
+        logging.warning(f"Chapter {novel_number} is empty, cannot finalize.")
+        return
+
+    # 读取角色状态 & 全局摘要
     character_state_file = os.path.join(filepath, "character_state.txt")
     global_summary_file = os.path.join(filepath, "global_summary.txt")
 
     old_char_state = read_file(character_state_file)
     old_global_summary = read_file(global_summary_file)
 
-    # 1) 更新全局摘要
+    # 1) 先检查字数是否过少，若少于 80% 则调用 enrich 逻辑
+    if len(chapter_text) < 0.8 * word_number:
+        logging.info("Chapter text seems shorter than 80% of desired length. Attempting to enrich content...")
+        chapter_text = enrich_chapter_text(
+            chapter_text=chapter_text,
+            word_number=word_number,
+            api_key=api_key,
+            base_url=base_url,
+            model_name=model_name,
+            temperature=temperature
+        )
+        # 覆盖写回文件
+        clear_file_content(chapter_file)
+        save_string_to_txt(chapter_text, chapter_file)
+        logging.info("Chapter text has been enriched and updated.")
+
+    # 2) 更新全局摘要
+    model = ChatOpenAI(
+        model=model_name,
+        api_key=api_key,
+        base_url=base_url,
+        temperature=temperature
+    )
+
     def update_global_summary(chapter_text: str, old_summary: str) -> str:
         prompt = summary_prompt.format(
             chapter_text=chapter_text,
@@ -448,12 +476,9 @@ def generate_chapter_with_state(
         debug_log(prompt, response.content)
         return response.content.strip()
 
-    if lastchapter.strip():
+    new_global_summary = update_global_summary(chapter_text, old_global_summary)
-        new_global_summary = update_global_summary(lastchapter, old_global_summary)
-    else:
-        new_global_summary = old_global_summary
 
-    # 2) 更新角色状态文档
+    # 3) 更新角色状态
     def update_character_state(chapter_text: str, old_state: str) -> str:
         prompt = update_character_state_prompt.format(
             chapter_text=chapter_text,
@@ -466,125 +491,56 @@ def generate_chapter_with_state(
         debug_log(prompt, response.content)
         return response.content.strip()
 
-    if lastchapter.strip():
+    new_char_state = update_character_state(chapter_text, old_char_state)
-        new_char_state = update_character_state(lastchapter, old_char_state)
-    else:
-        new_char_state = old_char_state
 
-    # 3) 从向量库检索上下文
+    # 4) 覆盖写入角色状态文件与全局摘要文件
-    relevant_context = get_relevant_context_from_vector_store(
+    clear_file_content(character_state_file)
-        api_key, base_url, "回顾剧情", k=2
+    save_string_to_txt(new_char_state, character_state_file)
+
+    clear_file_content(global_summary_file)
+    save_string_to_txt(new_global_summary, global_summary_file)
+
+    # 5) 更新向量检索库
+    update_vector_store(api_key, base_url, chapter_text)
+
+    logging.info(f"Chapter {novel_number} has been finalized (summary & state updated, vector store updated).")
+
+def enrich_chapter_text(
+    chapter_text: str,
+    word_number: int,
+    api_key: str,
+    base_url: str,
+    model_name: str,
+    temperature: float
+) -> str:
+    """
+    当章节篇幅不足时，调用此函数对章节文本进行二次扩写。
+    可以让模型补充场景描写、角色心理等，保证与现有文本风格一致。
+    """
+    model = ChatOpenAI(
+        model=model_name,
+        api_key=api_key,
+        base_url=base_url,
+        temperature=temperature
     )
+    prompt = f"""\
+以下是当前章节文本，可能篇幅较短，请在保持剧情连贯的前提下进行扩写，使其更充实、生动，并尽量靠近目标 {word_number} 字数。
 
-    # 4) 解析本章及前后章节目录信息
+原章节内容：
-    this_and_related_chapters = parse_chapter_title_from_directory(novel_novel_directory, novel_number, range_size=1)
+{chapter_text}
+"""
+    response = model.invoke(prompt)
+    if not response:
+        logging.warning("enrich_chapter_text: No response.")
+        return chapter_text  # 无响应时就返回原文
+    debug_log(prompt, response.content)
+    return response.content.strip()
 
-    # 5) 生成大纲
+# ============ 导入外部知识文本 ============
-    def outline_chapter(
-        novel_setting: str,
-        char_state: str,
-        global_summary: str,
-        chap_num: int,
-        extra_context: str,
-        directory_hint: str,
-        user_guide: str
-    ) -> str:
-        """
-        将目录提示以及用户额外指导内容一起放入 Prompt 中。
-        """
-        # 适度修改章节提纲提示词，以整合目录信息 & 用户指导
-        outline_prompt = (
-            chapter_outline_prompt
-            + "\n\n【目录参考】\n" + directory_hint
-            + "\n\n【用户指导】\n" + user_guide
-        ).format(
-            novel_setting=novel_setting,
-            character_state=char_state + "\n\n【历史上下文】\n" + extra_context,
-            global_summary=global_summary,
-            novel_number=chap_num
-        )
-
-        response = model.invoke(outline_prompt)
-        if not response:
-            logging.warning("outline_chapter: No response.")
-            return ""
-        debug_log(outline_prompt, response.content)
-        return response.content.strip()
-
-    chap_outline = outline_chapter(
-        novel_settings, new_char_state, new_global_summary, novel_number,
-        relevant_context, this_and_related_chapters, user_guidance
-    )
-
-    # 6) 生成正文
-    def write_chapter(
-        novel_setting: str,
-        char_state: str,
-        global_summary: str,
-        outline: str,
-        wnum: int,
-        extra_context: str,
-        directory_hint: str,
-        user_guide: str
-    ) -> str:
-        # 同理，整合目录信息和用户指导
-        writing_prompt = (
-            chapter_write_prompt
-            + "\n\n【目录参考】\n" + directory_hint
-            + "\n\n【用户指导】\n" + user_guide
-        ).format(
-            novel_setting=novel_setting,
-            character_state=char_state + "\n\n【历史上下文】\n" + extra_context,
-            global_summary=global_summary,
-            chapter_outline=outline,
-            word_number=wnum
-        )
-
-        response = model.invoke(writing_prompt)
-        if not response:
-            logging.warning("write_chapter: No response.")
-            return ""
-        debug_log(writing_prompt, response.content)
-        return response.content.strip()
-
-    chapter_content = write_chapter(
-        novel_settings,
-        new_char_state,
-        new_global_summary,
-        chap_outline,
-        word_number,
-        relevant_context,
-        this_and_related_chapters,
-        user_guidance
-    )
-
-    # 写入文件并更新记录
-    if chapter_content:
-        save_string_to_txt(chapter_content, chapter_file)
-
-        # 更新 last_chapter.txt
-        clear_file_content(lastchapter_file)
-        save_string_to_txt(chapter_content, lastchapter_file)
-
-        # 更新角色状态、全局摘要
-        clear_file_content(character_state_file)
-        save_string_to_txt(new_char_state, character_state_file)
-
-        clear_file_content(global_summary_file)
-        save_string_to_txt(new_global_summary, global_summary_file)
-
-        # 7) 更新向量检索库
-        update_vector_store(api_key, base_url, chapter_content)
-        logging.info(f"Chapter {novel_number} generated successfully.")
-    else:
-        logging.warning(f"Chapter {novel_number} generation failed.")
-
-    return chapter_content
 
 def import_knowledge_file(api_key: str, base_url: str, file_path: str) -> None:
     """
     将用户选定的文本文件导入到向量库，以便在写作时检索。
-    可以在UI中提供按钮来调用此函数。
     """
 
     # 1. 检查文件路径是否有效
@@ -614,31 +570,21 @@ def import_knowledge_file(api_key: str, base_url: str, file_path: str) -> None:
     store.persist()
     logging.info("知识库文件已成功导入至向量库。")
 
-
 def advanced_split_content(content: str,
                            similarity_threshold: float = 0.7,
                            max_length: int = 500) -> List[str]:
     """
     将文本先按句子切分，然后根据语义相似度进行合并，最后根据max_length进行二次切分。
-
-    :param content: 原始文本内容
-    :param similarity_threshold: 相邻句子合并的语义相似度阈值，小于此值则会开启新的段落
-    :param max_length: 每个段落的最大长度（按字符数计算，超过则进一步拆分）
-    :return: 切分好的段落列表
     """
-
-    # 1. 按句子切分
     nltk.download('punkt', quiet=True)  # 确保 punkt 数据可用
     sentences = nltk.sent_tokenize(content)
 
     if not sentences:
         return []
 
-    # 2. 加载 SentenceTransformer 模型，用于计算语义相似度
     model = SentenceTransformer('paraphrase-MiniLM-L6-v2')
     embeddings = model.encode(sentences)
 
-    # 3. 根据相邻句子的语义相似度合并段落
     merged_paragraphs = []
     current_sentences = [sentences[0]]
     current_embedding = embeddings[0]
@@ -646,39 +592,28 @@ def advanced_split_content(content: str,
     for i in range(1, len(sentences)):
         sim = cosine_similarity([current_embedding], [embeddings[i]])[0][0]
         if sim >= similarity_threshold:
-            # 语义相似则并入当前段落
             current_sentences.append(sentences[i])
-            # 更新current_embedding为合并后的平均值（可选，也可只采用最后一句做比较）
             current_embedding = (current_embedding + embeddings[i]) / 2.0
         else:
-            # 语义相似度不足，另起一个新段落
             merged_paragraphs.append(" ".join(current_sentences))
             current_sentences = [sentences[i]]
             current_embedding = embeddings[i]
 
-    # 把最后一段加进去
     if current_sentences:
         merged_paragraphs.append(" ".join(current_sentences))
 
-    # 4. 根据最大长度 max_length 做二次拆分，避免段落过长
+    # 按最大长度二次拆分
     final_segments = []
     for para in merged_paragraphs:
-        # 如果段落长度超过max_length，进一步切分
         if len(para) > max_length:
             sub_segments = split_by_length(para, max_length=max_length)
             final_segments.extend(sub_segments)
         else:
             final_segments.append(para)
 
-    # 返回最终段落列表
     return final_segments
 
-
 def split_by_length(text: str, max_length: int = 500) -> List[str]:
-    """
-    将文本按照max_length进行拆分，以避免段落过长。
-    这里以字符数为单位进行简单的拆分，也可以改为按词数或token数等。
-    """
     segments = []
     start_idx = 0
     while start_idx < len(text):

prompt_definitions.py

@@ -27,7 +27,7 @@ character_prompt = """\
 请你完善以下内容，帮助我们更好地维持人物形象和成长轨迹：
 1. 列出核心角色（至少3个），并对每个角色进行详细性格特征描述。
 2. 强调每个角色的潜在内心冲突、目标与动机。
-3. 为每个角色添加至少一个“暗线”或隐藏秘密，以及在故事进行中如何可能被揭示的思路。
+3. 为每个角色添加至少一个“暗线”或隐藏秘密，以及在故事进行中可能如何被揭示。
 4. 指出主要角色之间的关键关系和冲突点，为后续情节埋下伏笔。
 """
 
@@ -66,7 +66,9 @@ novel_directory_prompt = """\
 ...
 第{number_of_chapters}章 ：< text >
 
-请严格按照上述格式输出每一章的名称，且勿使用Markdown语法。
+请严格按照上述格式输出每一章的名称，最好在重要情节标题后增加提示性简述，
+若要加更详细的简述，用“ - ”分隔，如“第2章 ：阴影浮现 - 主要角色冲突爆发”。
+请直接输出，不要使用Markdown语法。
 """
 
 # ===============  提示词：章节+角色状态流程 ===================
@@ -78,7 +80,7 @@ summary_prompt = """\
 这是当前的全局摘要(可能为空):
 {global_summary}
 
-请在不超过1000字的前提下，基于当前全局摘要和本章新增剧情，更新全局摘要。
+请在不超过3000字的前提下，基于当前全局摘要和本章新增剧情，更新全局摘要。
 保留原有重要信息，并融入本章的新内容。
 不要透露结局，不要过度展开未来剧情。
 """
@@ -100,20 +102,25 @@ update_character_state_prompt = """\
 使用简洁、易读的方式描述，可用条目或段落表示。保持与旧文档风格一致。
 """
 
+# ------------------ 新增占位符：chapter_title, chapter_brief ------------------
+
 chapter_outline_prompt = """\
 以下是当前小说设定与角色状态信息：
 - 小说设定：{novel_setting}
 - 角色状态：{character_state}
 - 全局摘要：{global_summary}
-- 本章节编号：第 {novel_number} 章
 
-请为即将写作的 第{novel_number}章 设计一个简要大纲：
+现在要为第 {novel_number} 章进行大纲构思。
-1. 本章的主要冲突或事件？
+本章标题：{chapter_title} 
-2. 哪些角色会出现？情感与目标变化？
+简述（若有）：{chapter_brief}
-3. 如何进一步暗示或推动暗线和角色冲突？
-4. 如何结尾留下悬念？
 
-直接用1、2、3、4分点说明即可。
+请围绕本章标题与简述，设计一个详细大纲：
+1. 本章的主要冲突或事件？如何与标题呼应？
+2. 哪些角色会出现？他们在此章的目标与动机是否有所变化？
+3. 如何推动或暗示已存在的暗线、角色冲突或新的悬念？
+4. 在结尾留下什么悬念或转折？（与本章标题或简述形成呼应或对比）
+
+请直接用 1、2、3、4 分点说明大纲要点即可。
 """
 
 chapter_write_prompt = """\
@@ -123,10 +130,14 @@ chapter_write_prompt = """\
 3. 全局摘要：{global_summary}
 4. 本章大纲：{chapter_outline}
 
+本章标题：{chapter_title}
+简述：{chapter_brief}
+
 请写出本章节的完整正文：
 1. 确保本章字数不少于 {word_number} 字。
-2. 不要使用分节标题，直接整体输出正文。
+2. 内容需与标题“{chapter_title}”相呼应，并尽量呼应简述中的核心要点。
-3. 可以着重描写人物心理、环境氛围等，以保证足够长度。
+3. 不要使用分节标题，直接整体输出正文。
-4. 在结尾部分保留一定悬念或剧情转折，为下一章做铺垫。
+4. 可以着重描写人物心理、环境氛围，以保证足够长度。
+5. 在结尾部分保留一定悬念或剧情转折，为下一章做铺垫。
 """
 

ui.py

@@ -9,15 +9,19 @@ from config_manager import load_config, save_config
 from utils import read_file
 from novel_generator import (
     Novel_novel_directory_generate,
-    generate_chapter_with_state,
+    generate_chapter_draft,
-    import_knowledge_file
+    finalize_chapter,
+    import_knowledge_file,
+    clear_vector_store,
+    get_last_n_chapters_text,
+    summarize_recent_chapters
 )
 from consistency_checker import check_consistency
 
 class NovelGeneratorGUI:
     def __init__(self, master):
         self.master = master
-        self.master.title("Novel Generator GUI - Advanced")
+        self.master.title("Novel Generator GUI")
 
         # 配置持久化
         self.config_file = "config.json"
@@ -65,7 +69,7 @@ class NovelGeneratorGUI:
 
     def build_right_layout(self):
         # 行列配置
-        for i in range(15):
+        for i in range(20):
             self.right_frame.rowconfigure(i, weight=0)
         self.right_frame.columnconfigure(1, weight=1)
 
@@ -141,20 +145,32 @@ class NovelGeneratorGUI:
         self.user_guide_text = scrolledtext.ScrolledText(self.right_frame, width=32, height=4)
         self.user_guide_text.grid(row=11, column=1, padx=5, pady=5, sticky="w")
 
-        # 按钮区域
         row_base = 12
+        # ============ 功能按钮 ============
+
+        # (1) 生成设定 & 目录
         self.btn_generate_full = ttk.Button(self.right_frame, text="1. 生成设定 & 目录", command=self.generate_full_novel)
         self.btn_generate_full.grid(row=row_base, column=0, columnspan=2, padx=5, pady=5, sticky="ew")
 
-        self.btn_generate_chapter = ttk.Button(self.right_frame, text="2. 生成单章(含角色状态)", command=self.generate_chapter_text)
+        # (2) 生成章节草稿
+        self.btn_generate_chapter = ttk.Button(self.right_frame, text="2. 生成章节草稿", command=self.generate_chapter_draft_ui)
         self.btn_generate_chapter.grid(row=row_base+1, column=0, columnspan=2, padx=5, pady=5, sticky="ew")
 
-        self.btn_check_consistency = ttk.Button(self.right_frame, text="3. 一致性审校", command=self.do_consistency_check)
+        # (3) 定稿当前章节
-        self.btn_check_consistency.grid(row=row_base+2, column=0, columnspan=2, padx=5, pady=5, sticky="ew")
+        self.btn_finalize_chapter = ttk.Button(self.right_frame, text="3. 定稿当前章节", command=self.finalize_chapter_ui)
+        self.btn_finalize_chapter.grid(row=row_base+2, column=0, columnspan=2, padx=5, pady=5, sticky="ew")
 
-        # 增加一个按钮来导入自定义知识库文件
+        # (4) 一致性审校
+        self.btn_check_consistency = ttk.Button(self.right_frame, text="4. 一致性审校", command=self.do_consistency_check)
+        self.btn_check_consistency.grid(row=row_base+3, column=0, columnspan=2, padx=5, pady=5, sticky="ew")
+
+        # (5) 导入知识库文件
         self.btn_import_knowledge = ttk.Button(self.right_frame, text="导入知识库", command=self.import_knowledge_handler)
-        self.btn_import_knowledge.grid(row=row_base+3, column=0, columnspan=2, padx=5, pady=5, sticky="ew")
+        self.btn_import_knowledge.grid(row=row_base+4, column=0, columnspan=2, padx=5, pady=5, sticky="ew")
+
+        # (6) 清空向量库
+        self.btn_clear_vectorstore = ttk.Button(self.right_frame, text="清空向量库", command=self.clear_vectorstore_handler)
+        self.btn_clear_vectorstore.grid(row=row_base+5, column=0, columnspan=2, padx=5, pady=5, sticky="ew")
 
     # -------------- 配置管理 --------------
     def load_config_btn(self):
@@ -205,7 +221,7 @@ class NovelGeneratorGUI:
         self.log_text.insert(tk.END, message + "\n")
         self.log_text.see(tk.END)
 
-    # -------------- 核心功能按钮 --------------
+    # -------------- 功能 --------------
     def disable_button(self, btn):
         btn.config(state=tk.DISABLED)
 
@@ -252,69 +268,115 @@ class NovelGeneratorGUI:
         thread = threading.Thread(target=task)
         thread.start()
 
-    def generate_chapter_text(self):
+    def generate_chapter_draft_ui(self):
-        """多步生成章节：维护全局摘要+角色状态文档，向量检索辅助，并结合目录信息和用户指导。"""
+        """生成当前章节的草稿"""
         def task():
             self.disable_button(self.btn_generate_chapter)
             try:
                 api_key = self.api_key_var.get().strip()
                 base_url = self.base_url_var.get().strip()
                 model_name = self.model_name_var.get().strip()
-                novel_number = self.chapter_num_var.get()
-                filepath = self.filepath_var.get().strip()
-                word_number = self.word_number_var.get()
                 temperature = self.temperature_var.get()
+                filepath = self.filepath_var.get().strip()
 
-                # 读取设定 & 目录
                 novel_settings_file = os.path.join(filepath, "Novel_setting.txt")
-                novel_novel_directory_file = os.path.join(filepath, "Novel_directory.txt")
-                last_chapter_file = os.path.join(filepath, "last_chapter.txt")
-
                 novel_settings = read_file(novel_settings_file)
-                novel_novel_directory = read_file(novel_novel_directory_file)
-                lastchapter = read_file(last_chapter_file)
-
                 if not novel_settings.strip():
                     self.log("⚠️ 未找到 Novel_setting.txt，请先生成设定。")
                     return
-                if not novel_novel_directory.strip():
-                    self.log("⚠️ 未找到 Novel_directory.txt，请先生成目录。")
-                    return
 
-                # 用户对当前章节的指导
+                character_state_file = os.path.join(filepath, "character_state.txt")
+                character_state = read_file(character_state_file)
+                global_summary_file = os.path.join(filepath, "global_summary.txt")
+                global_summary = read_file(global_summary_file)
+                novel_directory_file = os.path.join(filepath, "Novel_directory.txt")
+                novel_directory = read_file(novel_directory_file)
+
+                chap_num = self.chapter_num_var.get()
+                word_number = self.word_number_var.get()
                 user_guidance = self.user_guide_text.get("1.0", tk.END).strip()
 
-                self.log(f"开始生成第{novel_number}章内容(含角色状态文档更新)...")
+                # 获取最近3章文本，生成短期摘要
-                chapter_text = generate_chapter_with_state(
+                chapters_dir = os.path.join(filepath, "chapters")
+                recent_3_texts = get_last_n_chapters_text(chapters_dir, chap_num, n=3)
+
+                # 用当前模型生成一个较为详细的最近剧情摘要
+                model_obj = self.get_llm_model(model_name, api_key, base_url, temperature)
+                recent_chapters_summary = summarize_recent_chapters(model_obj, recent_3_texts)
+
+                self.log(f"开始生成第{chap_num}章草稿...")
+                draft_text = generate_chapter_draft(
                     novel_settings=novel_settings,
-                    novel_novel_directory=novel_novel_directory,
+                    global_summary=global_summary,
+                    character_state=character_state,
+                    recent_chapters_summary=recent_chapters_summary,
+                    user_guidance=user_guidance,
                     api_key=api_key,
                     base_url=base_url,
                     model_name=model_name,
-                    novel_number=novel_number,
+                    novel_number=chap_num,
-                    filepath=filepath,
                     word_number=word_number,
-                    lastchapter=lastchapter,
+                    temperature=temperature,
-                    user_guidance=user_guidance,
+                    novel_novel_directory=novel_directory,
-                    temperature=temperature
+                    filepath=filepath
                 )
-
+                if draft_text:
-                if chapter_text:
+                    self.log(f"✅ 第{chap_num}章草稿生成完成。请在左侧查看。")
-                    self.log(f"✅ 第{novel_number}章内容生成完成。chapter_{novel_number}.txt 已更新。")
                     self.chapter_result.delete("1.0", tk.END)
-                    self.chapter_result.insert(tk.END, chapter_text)
+                    self.chapter_result.insert(tk.END, draft_text)
                     self.chapter_result.see(tk.END)
                 else:
-                    self.log("⚠️ 本章生成失败或无内容。")
+                    self.log("⚠️ 本章草稿生成失败或无内容。")
 
             except Exception as e:
-                self.log(f"❌ 生成章节内容时出错: {e}")
+                self.log(f"❌ 生成章节草稿时出错: {e}")
             finally:
                 self.enable_button(self.btn_generate_chapter)
 
         thread = threading.Thread(target=task)
         thread.start()
 
+    def finalize_chapter_ui(self):
+        """定稿当前章节：更新全局摘要、角色状态、向量库等"""
+        def task():
+            self.disable_button(self.btn_finalize_chapter)
+            try:
+                api_key = self.api_key_var.get().strip()
+                base_url = self.base_url_var.get().strip()
+                model_name = self.model_name_var.get().strip()
+                temperature = self.temperature_var.get()
+                filepath = self.filepath_var.get().strip()
+
+                chap_num = self.chapter_num_var.get()
+                word_number = self.word_number_var.get()
+
+                self.log(f"开始定稿第{chap_num}章...")
+                finalize_chapter(
+                    novel_number=chap_num,
+                    word_number=word_number,
+                    api_key=api_key,
+                    base_url=base_url,
+                    model_name=model_name,
+                    temperature=temperature,
+                    filepath=filepath
+                )
+                self.log(f"✅ 第{chap_num}章定稿完成（已更新全局摘要、角色状态、向量库）。")
+
+                # 读取定稿后的文本显示
+                chap_file = os.path.join(filepath, "chapters", f"chapter_{chap_num}.txt")
+                final_text = read_file(chap_file)
+                self.chapter_result.delete("1.0", tk.END)
+                self.chapter_result.insert(tk.END, final_text)
+                self.chapter_result.see(tk.END)
+
+            except Exception as e:
+                self.log(f"❌ 定稿章节时出错: {e}")
+            finally:
+                self.enable_button(self.btn_finalize_chapter)
+
+        thread = threading.Thread(target=task)
+        thread.start()
+
     def do_consistency_check(self):
         """使用审校Agent对最新章节进行简单一致性或冲突检查"""
         def task():
@@ -323,22 +385,25 @@ class NovelGeneratorGUI:
                 api_key = self.api_key_var.get().strip()
                 base_url = self.base_url_var.get().strip()
                 model_name = self.model_name_var.get().strip()
-                filepath = self.filepath_var.get().strip()
                 temperature = self.temperature_var.get()
+                filepath = self.filepath_var.get().strip()
 
                 # 读取关键文件
                 novel_settings_file = os.path.join(filepath, "Novel_setting.txt")
                 character_state_file = os.path.join(filepath, "character_state.txt")
                 global_summary_file = os.path.join(filepath, "global_summary.txt")
-                last_chapter_file = os.path.join(filepath, "last_chapter.txt")
 
                 novel_setting = read_file(novel_settings_file)
                 character_state = read_file(character_state_file)
                 global_summary = read_file(global_summary_file)
-                last_chapter_text = read_file(last_chapter_file)
 
-                if not last_chapter_text.strip():
+                # 获取当前章节文本
-                    self.log("⚠️ last_chapter.txt 为空，暂无可检查的章节文本。")
+                chap_num = self.chapter_num_var.get()
+                chap_file = os.path.join(filepath, "chapters", f"chapter_{chap_num}.txt")
+                chapter_text = read_file(chap_file)
+
+                if not chapter_text.strip():
+                    self.log("⚠️ 当前章节文件为空或不存在，无法审校。")
                     return
 
                 self.log("开始一致性审校...")
@@ -346,7 +411,7 @@ class NovelGeneratorGUI:
                     novel_setting=novel_setting,
                     character_state=character_state,
                     global_summary=global_summary,
-                    chapter_text=last_chapter_text,
+                    chapter_text=chapter_text,
                     api_key=api_key,
                     base_url=base_url,
                     model_name=model_name,
@@ -388,3 +453,25 @@ class NovelGeneratorGUI:
             thread = threading.Thread(target=task)
             thread.start()
 
+    def clear_vectorstore_handler(self):
+        """
+        清空向量库按钮：弹出二次确认，若确认则执行 clear_vector_store()。
+        """
+        def confirmed_clear():
+            second_confirm = messagebox.askyesno("二次确认", "你确定真的要删除所有向量数据吗？此操作不可恢复！")
+            if second_confirm:
+                clear_vector_store()
+                self.log("已清空向量库。")
+
+        first_confirm = messagebox.askyesno("警告", "确定要清空本地向量库吗？此操作不可恢复！")
+        if first_confirm:
+            confirmed_clear()
+
+    def get_llm_model(self, model_name, api_key, base_url, temperature):
+        from langchain_openai import ChatOpenAI
+        return ChatOpenAI(
+            model=model_name,
+            api_key=api_key,
+            base_url=base_url,
+            temperature=temperature
+        )