lizhilun/AI_NovelGenerator
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

111

Browse Source
This commit is contained in:
YILING0013
2025-02-02 18:25:35 +08:00
parent 9822f3b3ff
commit 231575c2da
3 changed files with 186 additions and 143 deletions
Download Patch File Download Diff File Expand all files Collapse all files
Src/outlines/outline_1.txt
+43
View File
@@ -0,0 +1,43 @@
<think>
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。
</think>
### 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。
novel_generator.py
+110 -105
View File
@@ -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 []
ui.py
+33 -38
View File
@@ -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")