Update README.md

This commit is contained in:
YILING0013
2025-02-03 13:40:57 +08:00
parent 3f7b434cba
commit 32d1483313
+115 -129
View File
@@ -1,69 +1,54 @@
# 📖 自动小说生成工具
# **自动小说生成工具**
> 一款基于大模型的多功能小说生成器,帮助你快速生成连贯、可控、可审校的长篇故事。
> 一款基于大语言模型的多功能小说生成器,助您高效创作逻辑严谨、设定统一的长篇故事
<div align="center">
| 功能点 | 描述 |
|-------|-----|
| 🚀 **小说设定** | 世界观 / 人物 / 剧情结构 |
| 📝 **章节生成** | 多步生成,确保逻辑连贯 |
| 👥 **角色状态 & 伏笔管理** | 追踪人物发展、重要事件 |
| 🔍 **向量检索** | 保证长篇小说上下文一致 |
| 📁 **自定义知识库** | 可上传本地参考文档 |
| **一致性检查** | 自动识别剧情冲突或矛盾 |
| 🖥 **GUI 友好交互** | 所见即所得,配置 & 操作简便 |
**核心功能**
| 功能模块 | 关键能力 |
|-------------------|----------------------------------|
| 🎨 小说设定工坊 | 世界观架构 / 角色设定 / 剧情蓝图 |
| 📖 智能章节生成 | 多阶段生成保障剧情连贯性 |
| 🧠 状态追踪系统 | 角色发展轨迹 / 伏笔管理系统 |
| 🔍 语义检索引擎 | 基于向量的长程上下文一致性维护 |
| 📚 知识库集成 | 支持本地文档参考 |
| ✅ 自动审校机制 | 检测剧情矛盾与逻辑冲突 |
| 🖥 可视化工作台 | 全流程GUI操作,配置/生成/审校一体化 |
</div>
---
## **目录**
1. [环境要求](#环境要求)
2. [安装依赖](#安装依赖)
3. [项目结构](#项目结构)
4. [配置 API Key](#配置-api-key)
5. [运行程序](#运行程序)
6. [使用指南](#使用指南)
7. [生成文件管理](#生成文件管理)
8. [常见问题](#常见问题)
## 📑 目录导航
1. [环境准备](#-环境准备)
2. [项目架构](#-项目架构)
3. [配置指南](#⚙️-配置指南)
4. [运行说明](#🚀-运行说明)
5. [使用教程](#📘-使用教程)
6. [疑难解答](#❓-疑难解答)
---
## **环境要求**
在开始之前,请确保你的系统满足以下条件:
- 推荐**Python 3.10+**
- 已安装 **pip**Python 包管理器)
- 拥有 **API Key**(如 OpenAI 或 DeepSeek)或 **支持OpenAI调用方式的本地接口**
## 🛠 环境准备
确保满足以下运行条件:
- **Python 3.10+** 运行环境
- **pip** 包管理工具
- 有效API密钥:
- 云端服务:OpenAI / DeepSeek 等
- 本地服务:Ollama 等兼容 OpenAI 的接口
---
## **安装依赖**
1. 在项目根目录下,打开终端或命令行
2. 执行以下命令安装所有依赖:
```bash
pip install -r requirements.txt
```
3. (可选)若需要手动安装 `nltk` 的 `punkt_tab` 数据包:
```bash
python
>>> import nltk
>>> nltk.download('punkt_tab')
```
---
## **项目结构**
克隆或下载本项目后,你将看到如下目录结构:
## 🗂 项目架构
```
.
novel-generator/
├── main.py # 入口文件, 运行 GUI
├── ui.py # 图形界面
├── novel_generator.py # 章节生成核心逻辑
├── consistency_checker.py # 一致性检查, 防止剧情冲突
|—— chapter_directory_parser.py #格式化目录
|—— chapter_directory_parser.py # 目录解析
|—— embedding_ollama.py # Ollama 本地服务的 Embedding 接口
├── prompt_definitions.py # 定义 AI 提示词
├── utils.py # 常用工具函数, 文件操作
├── config_manager.py # 管理配置 (API Key, Base URL)
@@ -71,37 +56,49 @@
└── vectorstore/ # (可选) 本地向量数据库存储
```
> `vectorstore/` 文件夹将在程序运行后自动生成,存储向量检索的缓存数据。
---
## **配置 API Key**
你可以通过以下方式指定或修改 API Key:
### 方式 1**修改 `config.json`**
打开 `config.json`,将对应字段替换为你的配置:
## ⚙️ 配置指南
### 📌 基础配置(config.json
```json
{
"api_key": "your_openai_api_key",
"api_key": "sk-XXXXXXXXXXXXXXXXXXXXXXXXXX",
"base_url": "https://api.openai.com/v1",
"model_name": "gpt-4o",
"topic": "未来科技",
"genre": "科幻",
"interface_format": "OpenAI",
"model_name": "gpt-4o-mini",
"embedding_url": "https://api.openai.com/v1",
"embedding_model_name": "text-embedding-ada-002",
"temperature": 0.70,
"topic": "星穹铁道主角星穿越到原神提瓦特大陆,拯救提瓦特大陆,并与其中的角色展开爱恨情仇的小说",
"genre": "玄幻",
"num_chapters": 10,
"word_number": 3000,
"filepath": "output_directory"
"word_number": 2000,
"filepath": "C:/Users/Documents/test"
}
```
### 方式 2**通过 GUI 输入**
1. 运行 `main.py` 后会弹出图形界面
2. 在界面输入 `API Key`、`Base URL`、模型名称、Temperature 等
3. 点击 **“保存配置”** 按钮,自动生成或更新 `config.json`
### 🔧 配置说明
1. **生成模型配置**
- `api_key`: 大模型服务的API密钥
- `base_url`: API终端地址(本地服务填Ollama等地址)
- `interface_format`: 接口模式
- `model_name`: 主生成模型名称(如gpt-4, claude-3等)
- `temperature`: 创意度参数(0-1,越高越有创造性)
2. **Embedding模型配置**
- `embedding_model_name`: 模型名称(如Ollama的nomic-embed-text
- `embedding_url`: 服务地址
3. **小说参数配置**
- `topic`: 核心故事主题
- `genre`: 作品类型
- `num_chapters`: 总章节数
- `word_number`: 单章目标字数
- `filepath`: 生成文件存储路径
---
## **运行程序**
## 🚀 运行说明
### **方式 1:使用 Python 解释器**
```bash
python main.py
@@ -119,93 +116,82 @@ pyinstaller main.spec
---
## **使用指南**
## 📘 使用教程
1. **启动后,先完成基本参数设置:**
- **API Key & Base URL**(如 `https://api.openai.com/v1`
- **模型名称**(如 `gpt-3.5-turbo``gpt-4o` 等)
- **Temperature**(0~1,决定文字创意程度)
- **Temperature** (0~1,决定文字创意程度)
- **主题(Topic)**(如 “废土世界的 AI 叛乱”)
- **类型(Genre)**(如 “科幻”/“魔幻”/“都市幻想”)
- **章节数**、**每章字数**(如 10 章,每章约 3000 字)
- **保存路径**(建议创建一个新的输出文件夹)
2. **点击「1. 生成设定 & 目录」**
- 系统将基于主题、类型等生成:
- `Novel_setting.txt`**世界观 & 整体设定**
- `Novel_directory.txt`:**章节目录**(含标题、简要提示)
- 可以在生成后的文件中查看、修改或补充世界观设定和目录标题。
2. **点击「Step1. 生成设定」**
- 系统将基于主题、类型、章节数等信息,生成:
- `Novel_setting.txt`:包含世界观、角色信息、雷点暗线等。
- 可以在生成后的 `Novel_setting.txt` 中查看或修改设定内容。
3. **点击「2. 生成章节草稿」**
3. **点击「Step2. 生成目录」**
- 系统会根据已完成的 `Novel_setting.txt` 内容,为全部章节生成:
- `Novel_directory.txt`:包括每章标题和简要提示。
- 可以在生成后的文件中查看、修改或补充章节标题和描述。
4. **点击「Step3. 生成章节草稿」**
- 在生成章节之前,你可以:
- **设置章节号**(如写第 1 章,就填 `1`
- **在“本章指导”输入框**中,填写对本章剧情的任何期望或指导
- **设置章节号**(如写第 1 章,就填 `1`
- **在“本章指导”输入框**中提供对本章剧情的任何期望或提示
- 点击按钮后,系统将:
- 自动读取前文与 `Novel_directory.txt` 的标题与简述
- 调用向量检索回顾剧情,保上下文连贯
- 自动读取前文设定、`Novel_directory.txt`、以及已定稿章节
- 调用向量检索回顾剧情,保上下文连贯
- 生成本章大纲 (`outline_X.txt`) 及正文 (`chapter_X.txt`)
- 生成完成后,可在左侧查看本章草稿内容。
- 生成完成后,可在左侧的文本框查看、编辑本章草稿内容。
4. **手动检查 & 编辑**(可选)
- 你可以在文本编辑器中修改 `chapter_X.txt` 的内容,使之更符合个人审美或剧情要求。
5. **点击「3. 定稿当前章节」**
5. **点击「Step4. 定稿当前章节」**
- 系统将:
- **更新全局摘要**`global_summary.txt`
- **更新角色状态**`character_state.txt`,包含人物发展、物品变动、剧情线索等
- **更新向量检索库**保证后续章节能够调用最新信息
- **更新全局摘要**写入 `global_summary.txt`
- **更新角色状态**写入 `character_state.txt`
- **更新向量检索库**保证后续章节可以调用最新信息
- **更新剧情要点**(如 `plot_arcs.txt`
- 定稿完成后,你可以在 `chapter_X.txt` 中看到定稿后的文本。
6. **一致性检查(可选)**
- 点击「4. 一致性审校」进行冲突检测,比如**角色逻辑、剧情前后矛盾**等。
- 若有冲突,会在日志区输出详细说明
- 点击「[可选] 一致性审校」按钮,对最新章节进行冲突检测,角色逻辑、剧情前后矛盾等。
- 若有冲突,会在日志区输出详细提示
7. **重复第 3~5 步** 直到所有章节完成
7. **重复第 4-6 步** 直到所有章节生成并定稿
> **向量检索配置提示**
> 1. embedding模型需要显示指定接口和模型名称;
> 2. 使用**本地Ollama**的**Embedding**时需提前启动Ollama服务:
> ```bash
> ollama serve # 启动服务
> ollama pull nomic-embed-text # 下载/启用模型
> ```
> 3. 切换不同Embedding模型后建议清空vectorstore目录
> 4. 云端Embedding需确保对应API权限已开通
---
## **生成文件管理**
## ❓ 疑难解答
### Q1: 如何验证Embedding服务是否正常?
```python
# 测试脚本 test_embedding.py
from core.embedding import get_embedder
在你指定的输出文件夹中,程序会自动生成并维护以下文件/目录:
```
output_directory/
├── Novel_setting.txt # 世界观 & 整体设定
├── Novel_directory.txt # 小说章节目录
├── character_state.txt # 角色状态/物品/伏笔等追踪
├── global_summary.txt # 整体剧情摘要 (用于后续上下文)
├── outlines/ # 存放各章大纲 (outline_1.txt 等)
├── chapters/ # 存放每一章成稿 (chapter_1.txt 等)
└── vectorstore/ # 向量检索数据库 (可清空重置)
embedder = get_embedder()
test_text = "这是一个测试句子"
vector = embedder.embed_query(test_text)
print(f"向量维度: {len(vector)}") # 正常应输出预设维度数
```
- **`character_state.txt`**:记录角色的动机、能力、持有物品等关键信息
- **`global_summary.txt`**:每次定稿后都会更新,保证剧情可被后续章节引用
- **`chapters/`**:每一章的正文会独立保存,方便你随时手动修改
### Q2: 本地Embedding响应缓慢怎么办?
- 检查模型是否已下载到本地
- 尝试较小尺寸的Embedding模型
- 增加Ollama服务的运行内存
### Q3: 如何切换不同的Embedding提供商?
在GUI界面中对应输入即可。
---
## **常见问题**
#### 1. **`Chroma' object has no attribute 'persist'` 错误**
- **原因**Chroma 库版本不匹配
- **解决办法**
```bash
pip uninstall chromadb
pip install chromadb==0.3.21
```
或者在 `novel_generator.py` 中找到 `store.persist()` 并注释掉,如果你的版本不支持此方法。
---
#### 2. **生成内容与预期不符**
- **可能原因**
1. 主题或类型过于宽泛,模型难以把握重点
2. 角色和世界观设定不够详细,可在 `Novel_setting.txt` 中增补更多细节
- **建议**
- 在 GUI 的“本章指导”输入框中填写更明确的剧情走向或重点描述,让模型更好地理解和发挥
---
若你还有其他问题或需求,欢迎在项目 Issues 中提出。
如有更多问题或需求,欢迎在**项目 Issues** 中提出。