From 231575c2da178de7de9ec222d27a33ddf6f3dc6e Mon Sep 17 00:00:00 2001 From: YILING0013 Date: Sun, 2 Feb 2025 18:25:35 +0800 Subject: [PATCH] 111 --- Src/outlines/outline_1.txt | 43 ++++++++ novel_generator.py | 215 +++++++++++++++++++------------------ ui.py | 71 ++++++------ 3 files changed, 186 insertions(+), 143 deletions(-) create mode 100644 Src/outlines/outline_1.txt diff --git a/Src/outlines/outline_1.txt b/Src/outlines/outline_1.txt new file mode 100644 index 0000000..1cd6cc6 --- /dev/null +++ b/Src/outlines/outline_1.txt @@ -0,0 +1,43 @@ + +好，我现在需要帮用户构思小说的第1章大纲，标题是“星河坠落提瓦特”，简述是“穿越与初遇派蒙，危机初现端倪”。首先，我得理解这个标题和简述的意思。看起来这是一部含有玄幻或奇幻元素的小说，可能涉及时间旅行、门派纷争或者某种隐藏的危机。 + +用户给出的内容里提到要围绕本章标题和简述设计详细大纲，并且用户已经提供了一个示例的结构。所以我需要按照那个格式来写，而不是用数字分点。也就是说，先描述每个部分，然后是主要冲突、出现的角色，他们的动机，暗线推进，以及结尾的悬念。 + +首先，本章标题“星河坠落提瓦特”，听起来像是主角从一个繁荣的地方坠落到另一个世界。简述说的是穿越和初遇派蒙，同时危机开始显现。这可能意味着主角从一个平行世界穿越到这个世界，并在门派之间初次相遇，引发了一些危机。 + +接下来，我需要构思主要冲突。可能是主角到达提瓦特城，发现这里有一个古老的力量或秘密，门派之间开始竞争，而主角作为穿越者，带来了改变，同时也面临着被追杀的风险。这样既呼应了标题，又体现了简述中的危机初现。 + +然后是角色部分。可能需要包括主角、对方的门派成员，比如派蒙，以及提瓦特城里的其他关键人物。每个角色在这章里有什么目标和动机，比如追杀主角的人，或者试图掌控力量的人。 + +接下来是推动暗线和悬念的部分。比如，提瓦特城的秘密可能涉及到星河的力量，而派蒙门派对这个力量的争夺可能引发更大的冲突。同时，主角可能带有未知的任务或使命，这会影响后续章节。 + +最后是结尾的悬念，可能是一个转折点，比如主角揭示了某个秘密，或者派蒙开始怀疑自己，而星河的力量在台面上或下面开始显现，为后续剧情埋下伏笔。 + +整体来看，我需要确保大纲紧扣标题和简述，同时为后续章节留有余地。可能还要注意角色的性格发展和潜在冲突，以保持故事的吸引力。 + + +### 第 1 章：星河坠落提瓦特 + +#### 主要冲突： +- **星河降临**：穿越者从一个繁荣世纪跨越到提瓦特大陆，带来了“星河”般的强大力量，引发了提瓦特城内外的关注与恐慌。 +- **门派初遇**：派蒙门派首领派长派出追杀队伍，试图抓住这股未知力量，以掌控“星河之力”。 +- **危机初现**：一场隐藏已久的秘密势力开始苏醒，在提瓦特城内外的阴谋逐渐浮现，为后续的灾难埋下伏笔。 + +#### 角色出现： +1. **主角（未命名）**：穿越者，带着星河般的强大力量，性格冷静果敢，却对自己的来历一无所知。 +2. **派长**：派蒙门派领袖，精通古老法术，眼光独到，对“星河之力”嗜求不已。 +3. **追杀队伍**：派长派出的十名绝技高手，打着门派的旗号，在提瓦特城内外肆虐。 +4. **提瓦特市民**：生活在平静世代的普通百姓，见证并参与这场突如其来的震撼。 +5. **神秘老者**：提瓦特城中的隐世高人，对“星河之力”知之甚详，暗中观察与等待。 + +#### 推动暗线： +- **星河力量的真相**：主角身上蕴含的力量竟是千年前就被预言的“星河之力”，而提瓦特城内外的秘密势力对此虎视眈眈。 +- **派蒙门派的野心**：派长不仅想要获取“星河之力”，还暗藏着更大的图谋，试图借此重塑整个世界。 +- **神秘老者的警告**：一位隐世高人试图接触主角，给出“星河之力”与世界危机的隐喻，为后续剧情埋下重大伏笔。 + +#### 结尾悬念： +- **力量暴露**：在一次追杀中，主角无意间释放出“星河之力”，震撼整个提瓦特城，引发更大的关注与恐慌。 +- **派长的挣扎**：派长对自己的能力和未来感到迷茫，开始怀疑自己是否已经被力量的猎头所误导。 +- **神秘老者的突然消失**：一位神秘老者在关键时刻悄然离去，为后续追杀埋下更多谜团。 + +通过这场开篇的震撼，未命名的主角将从一个普通穿越者逐渐成长为“星河”的继承者，而提瓦特城与整个世界也将迎来一场前所未有的巨变。 \ No newline at end of file diff --git a/novel_generator.py b/novel_generator.py index a9d53ca..71343a2 100644 --- a/novel_generator.py +++ b/novel_generator.py @@ -4,17 +4,12 @@ import os import logging import re from typing import Dict, List, Optional -try: - from typing import TypedDict -except ImportError: - from typing_extensions import TypedDict - +from typing import TypedDict from langchain_openai import ChatOpenAI from langgraph.graph import StateGraph, START, END 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 @@ -34,15 +29,15 @@ from embedding_ollama import OllamaEmbeddings 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): - """打印Prompt与Response，可根据需要保留或去掉。""" - logging.info(f"\n[Prompt >>>] {prompt}\n") - logging.info(f"[Response >>>] {response_content}\n") + logging.info(f"\n[Prompt >>>] {prompt}\n") + logging.info(f"[Response >>>] {response_content}\n") +# ============ 判断接口格式相关 ============ -# ============ 接口判断函数 ============ def is_using_ollama_api(interface_format: str, base_url: str) -> bool: """ 当 interface_format == "Ollama" 时返回 True @@ -60,6 +55,8 @@ def is_using_ml_studio_api(interface_format: str, base_url: str) -> bool: return False +# ============ 创建 Embeddings 对象 ============ + def create_embeddings_object( api_key: str, base_url: str, @@ -72,27 +69,25 @@ def create_embeddings_object( - 当 interface_format = "Ollama" => OllamaEmbeddings(...) （此时把 embed_url 中的 /v1 替换成 /api，以便最后调用 /api/embed） - 当 interface_format = "OpenAI" or "ML Studio" => OpenAIEmbeddings - - 其它情况可自行扩展 + - 其它情况视需求可扩展 """ if is_using_ollama_api(interface_format, embed_url): - # 去除末尾斜杠 fixed_url = embed_url.rstrip("/") - # 如果包含 /v1 则替换为 /api fixed_url = fixed_url.replace("/v1", "/api") return OllamaEmbeddings( model_name=embedding_model_name, base_url=fixed_url ) elif is_using_ml_studio_api(interface_format, base_url): + # ML Studio / OpenAI 兼容 return OpenAIEmbeddings(openai_api_key=api_key, openai_api_base=base_url) else: # 默认使用 OpenAIEmbeddings return OpenAIEmbeddings(openai_api_key=api_key, openai_api_base=base_url) -# ============ 日志配置 ============ -logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s") # ============ 向量库相关 ============ + VECTOR_STORE_DIR = os.path.join(os.getcwd(), "vectorstore") if not os.path.exists(VECTOR_STORE_DIR): os.makedirs(VECTOR_STORE_DIR) @@ -102,8 +97,8 @@ def clear_vector_store(): 清空本地向量库（删除 vectorstore 文件夹内的内容）。 """ if os.path.exists(VECTOR_STORE_DIR): + import shutil try: - import shutil for filename in os.listdir(VECTOR_STORE_DIR): file_path = os.path.join(VECTOR_STORE_DIR, filename) if os.path.isfile(file_path) or os.path.islink(file_path): @@ -126,7 +121,6 @@ def init_vector_store( ) -> 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。 - embedding_base_url 若不为空，则用于 Ollama 模式下；否则默认使用 base_url。 """ embed_url = embedding_base_url if embedding_base_url else base_url embeddings = create_embeddings_object( @@ -156,6 +150,7 @@ def load_vector_store( 读取已存在的向量库。若不存在则返回 None。 """ if not os.path.exists(VECTOR_STORE_DIR): + logging.info("Vector store not found. Initializing a new one...") return None embed_url = embedding_base_url if embedding_base_url else base_url embeddings = create_embeddings_object( @@ -185,8 +180,10 @@ def update_vector_store( embedding_model_name=embedding_model_name, embedding_base_url=embedding_base_url ) + + # 如果向量库不存在，初始化它 if not store: - logging.info("Vector store does not exist. Initializing a new one...") + logging.info("Vector store does not exist. Initializing a new one for new chapter...") init_vector_store( api_key=api_key, base_url=base_url, @@ -200,6 +197,7 @@ def update_vector_store( new_doc = Document(page_content=new_chapter) store.add_documents([new_doc]) store.persist() + logging.info("Vector store updated with the new chapter.") def get_relevant_context_from_vector_store( api_key: str, @@ -212,7 +210,7 @@ def get_relevant_context_from_vector_store( ) -> str: """ 从向量库中检索与 query 最相关的 k 条文本，拼接后返回。 - 若向量库不存在则返回空字符串。 + 若向量库不存在或没有足够的内容，则返回空字符串。 """ store = load_vector_store( api_key=api_key, @@ -221,10 +219,19 @@ def get_relevant_context_from_vector_store( embedding_model_name=embedding_model_name, embedding_base_url=embedding_base_url ) + + # 如果向量库为空，直接返回空字符串 if not store: - logging.warning("Vector store not found. Returning empty context.") + logging.info("No vector store found. Returning empty context.") return "" + + # 向量库存在，但没有足够的内容时也避免索引错误 docs = store.similarity_search(query, k=k) + + if not docs: + logging.info(f"No relevant documents found for query '{query}'. Returning empty context.") + return "" + combined = "\n".join([d.page_content for d in docs]) return combined @@ -256,7 +263,6 @@ def Novel_novel_directory_generate( """ 使用多步流程，生成 Novel_setting.txt 与 Novel_directory.txt 并保存到 filepath。 """ - # 确保文件夹存在 os.makedirs(filepath, exist_ok=True) model = ChatOpenAI( @@ -327,7 +333,6 @@ def Novel_novel_directory_generate( debug_log(prompt, response.content) return {"novel_directory": response.content.strip()} - # 构建状态图 graph = StateGraph(OverallState) graph.add_node("generate_base_setting", generate_base_setting) graph.add_node("generate_character_setting", generate_character_setting) @@ -363,7 +368,6 @@ def Novel_novel_directory_generate( logging.warning("生成失败：缺少 final_novel_setting 或 novel_directory。") return - # 写入文件 filename_set = os.path.join(filepath, "Novel_setting.txt") filename_novel_directory = os.path.join(filepath, "Novel_directory.txt") @@ -375,7 +379,6 @@ def Novel_novel_directory_generate( append_text_to_file(final_novel_setting_cleaned, filename_set) append_text_to_file(final_novel_directory_cleaned, filename_novel_directory) - logging.info("Novel settings and directory generated successfully.") @@ -394,19 +397,25 @@ def get_last_n_chapters_text(chapters_dir: str, current_chapter_num: int, n: int text = read_file(chap_file).strip() if text: texts.append(text) + if len(texts) < n: + texts = [''] * (n - len(texts)) + texts return texts + def summarize_recent_chapters( - llm_model: str, - api_key: str, - base_url: str, - temperature: float, - chapters_text_list: List[str] - ) -> str: + llm_model: str, + api_key: str, + base_url: str, + temperature: float, + chapters_text_list: List[str] +) -> str: """ - 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”。 - 如果没有可用的模型（model=None），则退化为简单截断示例。 + 将最近几章文本拼接，通过模型生成相对简要的“短期内容摘要”。 """ + if not chapters_text_list: + return "" + if chapters_text_list==['', '', '']: + return "暂无摘要。" model = ChatOpenAI( model=llm_model, api_key=api_key, @@ -414,33 +423,19 @@ def summarize_recent_chapters( temperature=temperature ) - if not chapters_text_list: - return "" - combined_text = "\n".join(chapters_text_list) - # 如果未传入model，就做个简单的退化输出 - if not model: - return f"【摘要-演示】\n{combined_text[:800]}..." - - # 构造一个提示词（Prompt），指示模型生成精简摘要 - prompt = f"""你是一名资深的长篇小说写作辅助AI。下面是最近几章的合并文本内容： + prompt = f"""你是一名资深长篇小说写作辅助AI，下面是最近几章的合并文本： {combined_text} -请你为此文本生成一段简洁扼要的摘要，突出主要剧情进展、角色变化、冲突焦点等要点。 -1.请用中文输出，不超过500字。 -2.仅回复摘要内容，不需要其他信息。 -""" - # 调用模型获取摘要 +请用中文输出不超过500字的摘要，只包含主要剧情进展、角色变化、冲突焦点等要点：""" + response = model.invoke(prompt) if not response or not response.content.strip(): - # 若模型无响应或空，返回简单截断 - return f"【摘要-演示】\n{combined_text[:800]}..." - - # 返回模型生成的摘要文本 + return combined_text[:800] + "..." if len(combined_text) > 800 else combined_text return response.content.strip() -# ============ 新增：更新剧情要点/未解决冲突 ============ +# ============ 新增：剧情要点/未解决冲突 ============ PLOT_ARCS_PROMPT = """\ 下面是新生成的章节内容: @@ -449,9 +444,9 @@ PLOT_ARCS_PROMPT = """\ 这里是已记录的剧情要点/未解决冲突(可能为空): {old_plot_arcs} -请基于新的章节内容，提炼出本章引入或延续的悬念、冲突、角色暗线等，将其合并到旧的剧情要点中。 +请基于新的章节内容，提炼本章引入或延续的悬念、冲突、角色暗线等，将其合并到旧的剧情要点中。 若有新的冲突则添加，若有已解决/不再重要的冲突可标注或移除。 -最终输出一份更新后的剧情要点列表，以帮助后续保持故事的整体一致性和悬念延续。 +最终输出更新后的剧情要点列表，以帮助后续保持故事整体的一致性和悬念延续。 """ def update_plot_arcs( @@ -462,10 +457,6 @@ def update_plot_arcs( model_name: str, temperature: float ) -> str: - """ - 利用模型分析最新章节文本，提炼或更新“未解决冲突或剧情要点”。 - 并返回更新后的字符串。 - """ model = ChatOpenAI( model=model_name, api_key=api_key, @@ -480,7 +471,6 @@ def update_plot_arcs( if not response: logging.warning("update_plot_arcs: No response.") return old_plot_arcs - debug_log(prompt, response.content) return response.content.strip() @@ -499,28 +489,44 @@ def generate_chapter_draft( word_number: int, temperature: float, novel_novel_directory: str, - filepath: str + filepath: str, + interface_format: str, + embedding_model_name: str, + embedding_base_url: str ) -> str: """ - 仅生成当前章节的草稿，不更新全局摘要/角色状态/向量库。 - 并将生成的内容写到 "chapter_{novel_number}.txt" 覆盖写入。 - 同时生成 "outline_{novel_number}.txt" 存储大纲内容。 + 生成当前章节的草稿，不更新全局摘要/角色状态/向量库。 """ - # 0) 根据 novel_number 从 novel_novel_directory 中获取本章标题及简述 + # 根据目录信息获取本章标题、简介 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) 从向量库检索上下文 (此处仅演示 query="回顾剧情") - relevant_context = get_relevant_context_from_vector_store( - api_key=api_key, - base_url=base_url, - query="回顾剧情", - interface_format="OpenAI", - embedding_model_name="", - embedding_base_url="", - k=2 - ) + # 从向量库检索多次上下文（示例：对本章简介、用户指导分别做查询，再合并） + queries = [] + if user_guidance.strip(): + queries.append(user_guidance) + if chapter_brief.strip(): + queries.append(chapter_brief) + # 也可加一句“回顾剧情”之类 + queries.append("回顾剧情") + + relevant_context = "" + for q in queries: + partial_context = get_relevant_context_from_vector_store( + api_key=api_key, + base_url=base_url, + query=q, + interface_format=interface_format, + embedding_model_name=embedding_model_name, + embedding_base_url=embedding_base_url, + k=2 + ) + if partial_context.strip(): + relevant_context += "\n" + partial_context + # 如果检索结果为空，使用默认值（如空字符串） + if not relevant_context: + relevant_context = "暂无相关内容。" model = ChatOpenAI( model=model_name, @@ -529,10 +535,10 @@ def generate_chapter_draft( temperature=temperature ) - # 2) 生成大纲 + # 1) 生成本章大纲 outline_prompt_text = chapter_outline_prompt.format( novel_setting=novel_settings, - character_state=character_state + "\n\n【历史上下文】\n" + relevant_context, + character_state=character_state + "\n\n【检索到的上下文】\n" + relevant_context, global_summary=global_summary, novel_number=novel_number, chapter_title=chapter_title, @@ -550,10 +556,10 @@ def generate_chapter_draft( clear_file_content(outline_file) save_string_to_txt(chapter_outline, outline_file) - # 3) 生成正文草稿 + # 2) 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, + character_state=character_state + "\n\n【检索到的上下文】\n" + relevant_context, global_summary=global_summary, chapter_outline=chapter_outline, word_number=word_number, @@ -588,13 +594,12 @@ def finalize_chapter( ): """ 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； - 5. 新增：更新剧情要点/未解决冲突 -> plot_arcs.txt + 1. 读取草稿文本 + 2. 若字数太短则再次扩写 + 3. 更新全局摘要、角色状态 + 4. 更新剧情要点 + 5. 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() @@ -610,9 +615,9 @@ def finalize_chapter( old_global_summary = read_file(global_summary_file) old_plot_arcs = read_file(plot_arcs_file) - # 1) 若字数明显不足，做 enrich + # 若篇幅过短，二次扩写 if len(chapter_text) < 0.8 * word_number: - logging.info("Chapter text seems shorter than 80% of desired length. Attempting to enrich content...") + logging.info("Chapter text is shorter than 80% of desired length. Enriching...") chapter_text = enrich_chapter_text( chapter_text=chapter_text, word_number=word_number, @@ -623,9 +628,8 @@ def finalize_chapter( ) 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 + # 更新全局摘要 model = ChatOpenAI( model=model_name, api_key=api_key, @@ -643,7 +647,7 @@ def finalize_chapter( new_global_summary = update_global_summary(chapter_text, old_global_summary) - # 3) 更新角色状态 + # 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, @@ -654,7 +658,7 @@ def finalize_chapter( new_char_state = update_character_state(chapter_text, old_char_state) - # 4) 更新剧情要点 + # 更新剧情要点 new_plot_arcs = update_plot_arcs( chapter_text=chapter_text, old_plot_arcs=old_plot_arcs, @@ -664,7 +668,7 @@ def finalize_chapter( temperature=temperature ) - # 5) 覆盖写入文件 + # 写回文件 clear_file_content(character_state_file) save_string_to_txt(new_char_state, character_state_file) @@ -674,10 +678,10 @@ def finalize_chapter( clear_file_content(plot_arcs_file) save_string_to_txt(new_plot_arcs, plot_arcs_file) - # 6) 更新向量库 + # 更新向量库 update_vector_store( - api_key=api_key, - base_url=base_url, + api_key=api_key, + base_url=base_url, new_chapter=chapter_text, interface_format=interface_format, embedding_model_name=embedding_model_name @@ -695,7 +699,6 @@ def enrich_chapter_text( ) -> 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, @@ -713,20 +716,21 @@ def enrich_chapter_text( return chapter_text return response.content.strip() + # ============ 导入外部知识文本 ============ def import_knowledge_file( - api_key: str, - base_url: str, - interface_format: str, - embedding_model_name: str, - file_path: str, - embedding_base_url: str = "" - ) -> None: + api_key: str, + base_url: str, + interface_format: str, + embedding_model_name: str, + file_path: str, + embedding_base_url: 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。 """ - logging.info(f"开始导入知识库文件: {file_path}，当前接口格式: {interface_format}，当前模型: {embedding_model_name}") + logging.info(f"开始导入知识库文件: {file_path}, 接口格式: {interface_format}, 模型: {embedding_model_name}") if not os.path.exists(file_path): logging.warning(f"知识库文件不存在: {file_path}") return @@ -760,11 +764,12 @@ 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。 + 将文本先按句子切分，然后根据语义相似度进行合并，最后按max_length二次切分。 """ - nltk.download('punkt_tab', quiet=True) - sentences = nltk.sent_tokenize(content) + # 纠正下载punkt包：'punkt' 而非 'punkt_tab' + nltk.download('punkt', quiet=True) + sentences = nltk.sent_tokenize(content) if not sentences: return [] diff --git a/ui.py b/ui.py index 6bfc0e8..dd787c5 100644 --- a/ui.py +++ b/ui.py @@ -1,11 +1,12 @@ # ui.py # -*- coding: utf-8 -*- +import logging import os import threading import customtkinter as ctk from tkinter import filedialog, messagebox - +import traceback from config_manager import load_config, save_config from utils import read_file, save_string_to_txt from novel_generator import ( @@ -19,6 +20,12 @@ from novel_generator import ( ) from consistency_checker import check_consistency +def log_error(message: str): + """ + 用于打印详细的错误信息和堆栈信息。 + """ + logging.error(f"{message}\n{traceback.format_exc()}") + # 设置全局主题和颜色 ctk.set_appearance_mode("System") ctk.set_default_color_theme("blue") @@ -38,7 +45,6 @@ class NovelGeneratorGUI: self.loaded_config = load_config(self.config_file) # ========== 主要的属性变量 ========== - # 注意：配置项较多，此处增加 embedding_model_name_var 以支持 Embedding 模型名称 self.api_key_var = ctk.StringVar(value=self.loaded_config.get("api_key", "")) self.base_url_var = ctk.StringVar(value=self.loaded_config.get("base_url", "https://api.agicto.cn/v1")) self.interface_format_var = ctk.StringVar(value=self.loaded_config.get("interface_format", "OpenAI")) @@ -46,7 +52,7 @@ class NovelGeneratorGUI: self.embedding_url_var = ctk.StringVar(value=self.loaded_config.get("embedding_url", "")) self.embedding_model_name_var = ctk.StringVar(value=self.loaded_config.get("embedding_model_name", "")) - + self.temperature_var = ctk.DoubleVar(value=self.loaded_config.get("temperature", 0.7)) self.topic_default = self.loaded_config.get("topic", "") self.genre_var = ctk.StringVar(value=self.loaded_config.get("genre", "玄幻")) @@ -128,8 +134,6 @@ class NovelGeneratorGUI: # 日志：只读 self.log_text = ctk.CTkTextbox(self.left_frame, wrap="word", font=("Microsoft YaHei", 12)) self.log_text.grid(row=1, column=0, sticky="nsew", padx=5, pady=(0, 5)) - - # 设置只读 self.log_text.configure(state="disabled") def build_right_layout(self): @@ -137,8 +141,6 @@ class NovelGeneratorGUI: 右侧用于显示配置与功能按钮。 其中配置被拆分到一个子 TabView：AI接口配置 和 Embedding配置。 下面再放与小说相关的输入(主题/类型/章节数等)与功能按钮。 - - 另：我们只使用 2 列布局，0 列放标签，1 列放输入框或子区域，保证对齐。 """ self.right_frame.grid_rowconfigure(0, weight=0) self.right_frame.grid_rowconfigure(1, weight=0) @@ -172,14 +174,13 @@ class NovelGeneratorGUI: - 模型名称 - Temperature """ - # 配置网格 for i in range(5): self.ai_config_tab.grid_rowconfigure(i, weight=0) self.ai_config_tab.grid_columnconfigure(0, weight=0) self.ai_config_tab.grid_columnconfigure(1, weight=1) - # 回调：当接口格式下拉框发生变更时，如果 Base URL 为空，则根据接口类型自动填默认值 def on_interface_format_changed(new_value): + # 如果用户切换接口格式，可根据需要修改BaseURL为默认值 if new_value == "Ollama": self.base_url_var.set("http://localhost:11434/v1") elif new_value == "ML Studio": @@ -263,7 +264,6 @@ class NovelGeneratorGUI: def build_novel_params_area(self, start_row=2): """ 放置与小说本身相关的一些配置：主题、类型、章节数、文件路径等 - 只使用两列：0列放Label，1列放输入框(可能加子Frame)。 """ # 主题(Topic) topic_label = ctk.CTkLabel(self.right_frame, text="主题(Topic):", font=("Microsoft YaHei", 12)) @@ -291,7 +291,7 @@ class NovelGeneratorGUI: word_number_entry = ctk.CTkEntry(self.right_frame, textvariable=self.word_number_var, width=80, font=("Microsoft YaHei", 12)) word_number_entry.grid(row=start_row+3, column=1, padx=5, pady=5, sticky="w") - # 保存路径 (使用子Frame放置 Entry + Button) + # 保存路径 filepath_label = ctk.CTkLabel(self.right_frame, text="保存路径:", font=("Microsoft YaHei", 12)) filepath_label.grid(row=start_row+4, column=0, padx=5, pady=5, sticky="e") @@ -320,11 +320,8 @@ class NovelGeneratorGUI: """ 主要功能按钮 + 配置保存/加载 按钮 """ - # 调整下布局：0,1列 - # 这里按行摆放多个按钮 self.right_frame.grid_rowconfigure(start_row, weight=0) - # 先放“保存配置”和“加载配置”按钮 self.btn_frame_config = ctk.CTkFrame(self.right_frame) self.btn_frame_config.grid(row=start_row, column=0, columnspan=2, padx=5, pady=5, sticky="ew") self.btn_frame_config.columnconfigure(0, weight=1) @@ -336,7 +333,6 @@ class NovelGeneratorGUI: load_config_btn = ctk.CTkButton(self.btn_frame_config, text="加载配置", command=self.load_config_btn, font=("Microsoft YaHei", 12)) load_config_btn.grid(row=0, column=1, padx=5, pady=5, sticky="ew") - # 下面是主要功能按钮 self.btn_generate_full = ctk.CTkButton( self.right_frame, text="Step1. 生成设定 & 目录", command=self.generate_full_novel, @@ -389,9 +385,6 @@ class NovelGeneratorGUI: # ------------------ Novel Settings Tab ------------------ def build_setting_tab(self): - """ - 可查看/编辑 Novel_setting.txt 并保存 - """ self.setting_tab.rowconfigure(0, weight=0) self.setting_tab.rowconfigure(1, weight=1) self.setting_tab.columnconfigure(0, weight=1) @@ -430,9 +423,6 @@ class NovelGeneratorGUI: # ------------------ Novel Directory Tab ------------------ def build_directory_tab(self): - """ - 可查看/编辑 Novel_directory.txt 并保存 - """ self.directory_tab.rowconfigure(0, weight=0) self.directory_tab.rowconfigure(1, weight=1) self.directory_tab.columnconfigure(0, weight=1) @@ -471,9 +461,6 @@ class NovelGeneratorGUI: # ------------------ Character State Tab ------------------ def build_character_tab(self): - """ - 查看/编辑 character_state.txt - """ self.character_tab.rowconfigure(0, weight=0) self.character_tab.rowconfigure(1, weight=1) self.character_tab.columnconfigure(0, weight=1) @@ -512,9 +499,6 @@ class NovelGeneratorGUI: # ------------------ Global Summary Tab ------------------ def build_summary_tab(self): - """ - 查看/编辑 global_summary.txt - """ self.summary_tab.rowconfigure(0, weight=0) self.summary_tab.rowconfigure(1, weight=1) self.summary_tab.columnconfigure(0, weight=1) @@ -603,11 +587,9 @@ class NovelGeneratorGUI: # ------------------ 日志输出 ------------------ def log(self, message: str): - # 临时切换为可写 self.log_text.configure(state="normal") self.log_text.insert("end", message + "\n") self.log_text.see("end") - # 再切回只读 self.log_text.configure(state="disabled") # ------------------ 功能区 -------------------- @@ -650,6 +632,7 @@ class NovelGeneratorGUI: ) self.log("✅ 小说设定和目录生成完成。查看 Novel_setting.txt 和 Novel_directory.txt。") except Exception as e: + logging.error(f"生成小说设定 & 目录时出错: {e}") self.log(f"❌ 生成小说设定 & 目录时出错: {e}") finally: self.enable_button(self.btn_generate_full) @@ -693,10 +676,13 @@ class NovelGeneratorGUI: chapters_dir = os.path.join(filepath, "chapters") recent_3_texts = get_last_n_chapters_text(chapters_dir, chap_num, n=3) - # 简易生成最近章节摘要（示例） + # 生成最近章节摘要 recent_chapters_summary = summarize_recent_chapters( - model_name, # 此处仅示例 - recent_3_texts + llm_model=model_name, + api_key=api_key, + base_url=base_url, + temperature=temperature, + chapters_text_list=recent_3_texts ) self.log(f"开始生成第{chap_num}章草稿...") @@ -713,7 +699,10 @@ class NovelGeneratorGUI: word_number=word_number, temperature=temperature, novel_novel_directory=novel_directory, - filepath=filepath + filepath=filepath, + interface_format=self.interface_format_var.get().strip(), + embedding_model_name=self.embedding_model_name_var.get().strip(), + embedding_base_url=self.embedding_url_var.get().strip() ) if draft_text: self.log(f"✅ 第{chap_num}章草稿生成完成。请在左侧查看或编辑。") @@ -724,6 +713,7 @@ class NovelGeneratorGUI: self.log("⚠️ 本章草稿生成失败或无内容。") except Exception as e: + logging.error(f"生成章节草稿时出错: {e}") self.log(f"❌ 生成章节草稿时出错: {e}") finally: self.enable_button(self.btn_generate_chapter) @@ -741,6 +731,8 @@ class NovelGeneratorGUI: model_name = self.model_name_var.get().strip() temperature = self.temperature_var.get() filepath = self.filepath_var.get().strip() + interface_format = self.interface_format_var.get().strip() + embedding_model_name = self.embedding_model_name_var.get().strip() if not filepath: self.log("请先配置保存文件路径。") @@ -755,6 +747,8 @@ class NovelGeneratorGUI: word_number=word_number, api_key=api_key, base_url=base_url, + interface_format=interface_format, + embedding_model_name=embedding_model_name, model_name=model_name, temperature=temperature, filepath=filepath @@ -769,6 +763,7 @@ class NovelGeneratorGUI: self.chapter_result.see("end") except Exception as e: + logging.error(f"定稿章节时出错: {e}") self.log(f"❌ 定稿章节时出错: {e}") finally: self.enable_button(self.btn_finalize_chapter) @@ -801,7 +796,6 @@ class NovelGeneratorGUI: global_summary = read_file(global_summary_file) plot_arcs = read_file(plot_arcs_file) - # 获取当前章节文本 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) @@ -826,6 +820,7 @@ class NovelGeneratorGUI: self.log(result) except Exception as e: + logging.error(f"审校时出错: {e}") self.log(f"❌ 审校时出错: {e}") finally: self.enable_button(self.btn_check_consistency) @@ -848,12 +843,13 @@ class NovelGeneratorGUI: api_key=self.api_key_var.get().strip(), base_url=self.base_url_var.get().strip(), interface_format=self.interface_format_var.get().strip(), - embedding_base_url=self.embedding_url_var.get().strip(), - embedding_base_url=self.embedding_url_var.get().strip(), - file_path=selected_file + embedding_model_name=self.embedding_model_name_var.get().strip(), + file_path=selected_file, + embedding_base_url=self.embedding_url_var.get().strip() ) self.log("✅ 知识库文件导入完成。") except Exception as e: + logging.error(f"导入知识库时出错: {e}") self.log(f"❌ 导入知识库时出错: {e}") finally: self.enable_button(self.btn_import_knowledge) @@ -886,7 +882,6 @@ class NovelGeneratorGUI: if not arcs_text: arcs_text = "当前没有记录的剧情要点或冲突。" - # 弹窗显示 top = ctk.CTkToplevel(self.master) top.title("剧情要点/未解决冲突") top.geometry("600x400")