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

Merge pull request #43 from YILING0013/dev

Browse Source 
update
This commit is contained in:
Xianyun
2025-02-04 18:29:11 +08:00
committed by GitHub
parent 88258e1b43 542846f969
commit 8d8e549d66
5 changed files with 359 additions and 369 deletions
Download Patch File Download Diff File Expand all files Collapse all files
chapter_directory_parser.py
-3
View File
@@ -27,11 +27,8 @@ def get_chapter_info_from_directory(novel_directory_content: str, chapter_number
if match: if match:
chap_num = int(match.group(1)) chap_num = int(match.group(1))
if chap_num == chapter_number: if chap_num == chapter_number:
# group(2) 可能是标题及简述的混合
full_title = match.group(2).strip() 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: if ' - ' in full_title:
# 根据你的目录格式自由处理
parts = full_title.split(' - ', 1) parts = full_title.split(' - ', 1)
return { return {
"chapter_title": parts[0].strip(), "chapter_title": parts[0].strip(),
main.spec
+2 -2
View File
@@ -44,7 +44,7 @@ exe = EXE(
a.scripts, a.scripts,
[], [],
exclude_binaries=True, exclude_binaries=True,
name='AI_NovelGenerator_V1.3.0', name='AI_NovelGenerator_V1.3.2',
debug=True, debug=True,
bootloader_ignore_signals=False, bootloader_ignore_signals=False,
strip=False, strip=False,
@@ -65,5 +65,5 @@ coll = COLLECT(
strip=False, strip=False,
upx=True, upx=True,
upx_exclude=[], upx_exclude=[],
name='AI_NovelGenerator_V1.3.0' name='AI_NovelGenerator_V1.3.2'
) )
novel_generator.py
+151 -110
View File
@@ -8,7 +8,7 @@ import traceback
from typing import List, Optional from typing import List, Optional
# langchain 相关 # langchain 相关
from langchain_openai import ChatOpenAI,OpenAIEmbeddings from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_chroma import Chroma from langchain_chroma import Chroma
from chromadb.config import Settings from chromadb.config import Settings
from langchain.docstore.document import Document from langchain.docstore.document import Document
@@ -51,6 +51,10 @@ def remove_think_tags(text: str) -> str:
"""移除 <think>...</think> 包裹的内容""" """移除 <think>...</think> 包裹的内容"""
return re.sub(r'<think>.*?</think>', '', text, flags=re.DOTALL) return re.sub(r'<think>.*?</think>', '', text, flags=re.DOTALL)
def debug_log(prompt: str, response_content: str):
logging.info(f"\n[######################################### Prompt #########################################]\n {prompt}\n")
logging.info(f"\n[######################################### Response #########################################]\n {response_content}\n")
def invoke_with_cleaning(model: ChatOpenAI, prompt: str) -> str: def invoke_with_cleaning(model: ChatOpenAI, prompt: str) -> str:
"""通用封装：调用模型并移除 <think>...</think> 文本，记录日志后返回""" """通用封装：调用模型并移除 <think>...</think> 文本，记录日志后返回"""
response = model.invoke(prompt) response = model.invoke(prompt)
@@ -61,11 +65,6 @@ def invoke_with_cleaning(model: ChatOpenAI, prompt: str) -> str:
debug_log(prompt, cleaned_text) debug_log(prompt, cleaned_text)
return cleaned_text.strip() return cleaned_text.strip()
def debug_log(prompt: str, response_content: str):
logging.info(f"\n[Prompt >>>] {prompt}\n")
logging.info(f"[Response >>>] {response_content}\n")
def ensure_openai_base_url_has_v1(url: str) -> str: def ensure_openai_base_url_has_v1(url: str) -> str:
""" """
若用户输入的 url 不包含 '/v1'，则在末尾追加 '/v1'。 若用户输入的 url 不包含 '/v1'，则在末尾追加 '/v1'。
@@ -79,7 +78,6 @@ def ensure_openai_base_url_has_v1(url: str) -> str:
url = url.rstrip('/') + '/v1' url = url.rstrip('/') + '/v1'
return url return url
def is_using_ollama_api(interface_format: str) -> bool: def is_using_ollama_api(interface_format: str) -> bool:
return interface_format.lower() == "ollama" return interface_format.lower() == "ollama"
@@ -113,6 +111,7 @@ def create_embeddings_object(
base_url=fixed_url base_url=fixed_url
) )
else: else:
# OpenAI 或 ML Studio 均使用 OpenAIEmbeddings，注意 base_url 可能需要 ensure /v1
fixed_url = ensure_openai_base_url_has_v1(base_url) fixed_url = ensure_openai_base_url_has_v1(base_url)
return OpenAIEmbeddings( return OpenAIEmbeddings(
openai_api_key=api_key, openai_api_key=api_key,
@@ -122,38 +121,26 @@ def create_embeddings_object(
# ============ 向量库相关操作 ============ # ============ 向量库相关操作 ============
def clear_vector_store(filepath: str): def clear_vector_store(filepath: str) -> bool:
""" """
不删除文件，仅通过 Chroma API 移除集合数据（保留空目录） 返回值表示是否成功清空向量库。
""" """
from chromadb import Client import shutil
store_dir = get_vectorstore_dir(filepath) store_dir = get_vectorstore_dir(filepath)
if not os.path.exists(store_dir): if not os.path.exists(store_dir):
logging.info("No vector store found to clear.") logging.info("No vector store found to clear.")
return return False
try: try:
client = Client(settings=Settings( if os.path.exists(store_dir):
persist_directory=store_dir, shutil.rmtree(store_dir)
allow_reset=True # 允许重置操作 logging.info(f"Vector store directory '{store_dir}' removed.")
)) return True
print(client.list_collections())
if client.list_collections():
client.delete_collection(name="novel_collection")
logging.info("Collection 'novel_collection' deleted via API.")
client.reset()
except Exception as e: except Exception as e:
logging.error(f"API-based clear failed: {str(e)}") logging.error(f"程序正在运行，无法删除，请在程序关闭后手动前往 {store_dir} 删除目录。\n {str(e)}")
traceback.print_exc() traceback.print_exc()
finally: return False
# 显式关闭客户端释放资源
if 'client' in locals():
del client
def init_vector_store( def init_vector_store(
api_key: str, api_key: str,
@@ -215,6 +202,65 @@ def load_vector_store(
) )
def split_by_length(text: str, max_length: int = 500) -> List[str]:
segments = []
start_idx = 0
while start_idx < len(text):
end_idx = min(start_idx + max_length, len(text))
segment = text[start_idx:end_idx]
segments.append(segment.strip())
start_idx = end_idx
return segments
def split_text_for_vectorstore(chapter_text: str,
max_length: int = 500,
similarity_threshold: float = 0.7) -> List[str]:
"""
对新的章节文本进行分段后，再用于存入向量库。
"""
if not chapter_text.strip():
return []
nltk.download('punkt', quiet=True)
nltk.download('punkt_tab', quiet=True)
sentences = nltk.sent_tokenize(chapter_text)
if not sentences:
return []
# 先对相近句子进行合并
model = SentenceTransformer('paraphrase-MiniLM-L6-v2')
embeddings = model.encode(sentences)
merged_paragraphs = []
current_sentences = [sentences[0]]
current_embedding = embeddings[0]
for i in range(1, len(sentences)):
sim = cosine_similarity([current_embedding], [embeddings[i]])[0][0]
if sim >= similarity_threshold:
current_sentences.append(sentences[i])
current_embedding = (current_embedding + embeddings[i]) / 2.0
else:
merged_paragraphs.append(" ".join(current_sentences))
current_sentences = [sentences[i]]
current_embedding = embeddings[i]
if current_sentences:
merged_paragraphs.append(" ".join(current_sentences))
# 再对合并好的段落做 max_length 切分
final_segments = []
for para in merged_paragraphs:
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)
return final_segments
def update_vector_store( def update_vector_store(
api_key: str, api_key: str,
base_url: str, base_url: str,
@@ -226,6 +272,11 @@ def update_vector_store(
""" """
将最新章节文本插入到向量库中。若库不存在则初始化。 将最新章节文本插入到向量库中。若库不存在则初始化。
""" """
splitted_texts = split_text_for_vectorstore(new_chapter)
if not splitted_texts:
logging.warning("No valid text to insert into vector store. Skipping.")
return
store = load_vector_store( store = load_vector_store(
api_key=api_key, api_key=api_key,
base_url=base_url, base_url=base_url,
@@ -240,14 +291,14 @@ def update_vector_store(
base_url=base_url, base_url=base_url,
interface_format=interface_format, interface_format=interface_format,
embedding_model_name=embedding_model_name, embedding_model_name=embedding_model_name,
texts=[new_chapter], texts=splitted_texts,
filepath=filepath filepath=filepath
) )
return return
new_doc = Document(page_content=str(new_chapter)) docs = [Document(page_content=str(t)) for t in splitted_texts]
store.add_documents([new_doc]) store.add_documents(docs)
logging.info("Vector store updated with the new chapter.") logging.info("Vector store updated with the new chapter splitted segments.")
def get_relevant_context_from_vector_store( def get_relevant_context_from_vector_store(
@@ -480,37 +531,38 @@ def generate_chapter_draft(
filepath: str, filepath: str,
interface_format: str, interface_format: str,
embedding_model_name: str, embedding_model_name: str,
embedding_base_url: str embedding_base_url: str,
embedding_retrieval_k: int = 4
) -> str: ) -> str:
# 1) 根据目录解析标题、简介 # 1) 根据目录解析标题、简介
chapter_info = get_chapter_info_from_directory(novel_novel_directory, novel_number) chapter_info = get_chapter_info_from_directory(novel_novel_directory, novel_number)
chapter_title = chapter_info["chapter_title"] chapter_title = chapter_info["chapter_title"]
chapter_brief = chapter_info["chapter_brief"] chapter_brief = chapter_info["chapter_brief"]
# 2) 从向量库检索上下文 # 合并要检索的文本（用户指导 + 章节简介 + 最近摘要）
queries = [] combined_query_parts = []
if user_guidance.strip(): if user_guidance.strip():
queries.append(user_guidance) combined_query_parts.append(user_guidance)
if chapter_brief.strip(): if chapter_brief.strip():
queries.append(chapter_brief) combined_query_parts.append(chapter_brief)
if recent_chapters_summary.strip(): if recent_chapters_summary.strip():
queries.append(recent_chapters_summary) combined_query_parts.append(recent_chapters_summary)
queries.append("回顾剧情") # 额外加一个关键字
combined_query_parts.append("回顾剧情")
relevant_context = "" merged_query_str = "\n".join(combined_query_parts)
for q in queries:
partial_context = get_relevant_context_from_vector_store( # 2) 从向量库检索上下文
api_key=api_key, relevant_context = get_relevant_context_from_vector_store(
base_url=embedding_base_url if embedding_base_url else base_url, api_key=api_key,
query=q, base_url=embedding_base_url if embedding_base_url else base_url,
interface_format=interface_format, query=merged_query_str,
embedding_model_name=embedding_model_name, interface_format=interface_format,
filepath=filepath, embedding_model_name=embedding_model_name,
k=2 filepath=filepath,
) k=embedding_retrieval_k
if partial_context.strip(): )
relevant_context += "\n" + partial_context if not relevant_context.strip():
if not relevant_context:
relevant_context = "暂无相关内容。" relevant_context = "暂无相关内容。"
# 3) 生成本章大纲 # 3) 生成本章大纲
@@ -547,6 +599,7 @@ def generate_chapter_draft(
global_summary=global_summary, global_summary=global_summary,
chapter_outline=chapter_outline, chapter_outline=chapter_outline,
word_number=word_number, word_number=word_number,
novel_number=novel_number,
chapter_title=chapter_title, chapter_title=chapter_title,
chapter_brief=chapter_brief chapter_brief=chapter_brief
) )
@@ -615,6 +668,7 @@ def finalize_chapter(
base_url=ensure_openai_base_url_has_v1(base_url), base_url=ensure_openai_base_url_has_v1(base_url),
temperature=temperature temperature=temperature
) )
def update_global_summary(chapter_text: str, old_summary: str) -> str: def update_global_summary(chapter_text: str, old_summary: str) -> str:
prompt = summary_prompt.format( prompt = summary_prompt.format(
chapter_text=chapter_text, chapter_text=chapter_text,
@@ -690,59 +744,13 @@ def enrich_chapter_text(
# ============ 导入外部知识文本到向量库 ============ # ============ 导入外部知识文本到向量库 ============
def import_knowledge_file(
api_key: str,
base_url: str,
interface_format: str,
embedding_model_name: str,
file_path: str,
embedding_base_url: str,
filepath: str
):
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
content = read_file(file_path)
if not content.strip():
logging.warning("知识库文件内容为空。")
return
nltk.download('punkt', quiet=True)
paragraphs = advanced_split_content(content)
# 若向量库不存在则初始化，否则追加
store = load_vector_store(
api_key=api_key,
base_url=base_url if base_url else "http://localhost:11434/v1",
interface_format=interface_format,
embedding_model_name=embedding_model_name,
filepath=filepath
)
if not store:
logging.info("Vector store does not exist. Initializing a new one for knowledge import...")
init_vector_store(
api_key=api_key,
base_url=base_url if base_url else "http://localhost:11434/v1",
interface_format=interface_format,
embedding_model_name=embedding_model_name,
texts=paragraphs,
filepath=filepath
)
else:
docs = [Document(page_content=str(p)) for p in paragraphs]
store.add_documents(docs)
logging.info("知识库文件已成功导入至向量库。")
def advanced_split_content(content: str, def advanced_split_content(content: str,
similarity_threshold: float = 0.7, similarity_threshold: float = 0.7,
max_length: int = 500) -> List[str]: 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，最后按 max_length 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', quiet=True)
sentences = nltk.sent_tokenize(content) sentences = nltk.sent_tokenize(content)
if not sentences: if not sentences:
return [] return []
@@ -777,13 +785,46 @@ def advanced_split_content(content: str,
return final_segments return final_segments
def import_knowledge_file(
api_key: str,
base_url: str,
interface_format: str,
embedding_model_name: str,
file_path: str,
embedding_base_url: str,
filepath: str
):
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
def split_by_length(text: str, max_length: int = 500) -> List[str]: content = read_file(file_path)
segments = [] if not content.strip():
start_idx = 0 logging.warning("知识库文件内容为空。")
while start_idx < len(text): return
end_idx = min(start_idx + max_length, len(text))
segment = text[start_idx:end_idx] paragraphs = advanced_split_content(content)
segments.append(segment.strip())
start_idx = end_idx # 若向量库不存在则初始化，否则追加
return segments store = load_vector_store(
api_key=api_key,
base_url=base_url if base_url else "http://localhost:11434/v1",
interface_format=interface_format,
embedding_model_name=embedding_model_name,
filepath=filepath
)
if not store:
logging.info("Vector store does not exist. Initializing a new one for knowledge import...")
init_vector_store(
api_key=api_key,
base_url=base_url if base_url else "http://localhost:11434/v1",
interface_format=interface_format,
embedding_model_name=embedding_model_name,
texts=paragraphs,
filepath=filepath
)
else:
docs = [Document(page_content=str(p)) for p in paragraphs]
store.add_documents(docs)
logging.info("知识库文件已成功导入至向量库。")
prompt_definitions.py
+80 -186
View File
@@ -1,249 +1,143 @@
# prompt_definitions.py # prompt_definitions.py
# -*- coding: utf-8 -*- # -*- coding: utf-8 -*-
""" """
小说创作辅助系统的提示词(Prompt)集合。 集中存放所有提示词(Prompt)，新版本更精确、更具创新性，结合部分雪花写作法等理论。
这些提示词被设计用于引导AI生成连贯、丰富的小说内容。
""" """
# =============== 基础设定与规划提示词 =================== # =============== 1. 整体设定 ===================
set_prompt = """\ set_prompt = """\
基于主题「{topic}」、类型「{genre}」，将创作一部{number_of_chapters}章、每章约{word_number}字的小说。 请根据主题: {topic}、类型: {genre}、章数: {number_of_chapters}、每章字数: {word_number} 来设计小说的总体结构和世界观。
请详细规划以下要素： 写作时请参考雪花写作法等创作理论，结合以下要点：
【基本信息】 • 小说标题与大致篇幅（总字数范围）。
• 建议书名（可含副标题） • 类型与基调（如：都市、魔幻、战争、轻松、暗黑等）。
• 预估总字数区间 • 主要写作风格（视角、叙述方式、语言风格等）。
• 主要类型定位（如：奇幻/都市/科幻等） • 世界观设定（背景时间、地理环境、社会结构、科技或魔法水平、重要历史等）。
• 基调与氛围（如：史诗/轻松/黑暗等） • 整体故事框架（可提及常见叙事结构：三幕、英雄之旅等）。
• 主线与副线的初步构想，以及它们如何交织。
• 关键角色群像定位与主要冲突关系。
• 结局的可能方向（圆满、悲剧、开放式等）。
【创作风格】 请以简洁、逻辑清晰的方式输出，保留足够细节以支撑后续创作。
• 叙事视角选择及理由
• 语言风格特点
• 节奏把控思路
【世界观构筑】
• 时空背景设定
• 世界运行规则（社会/科技/魔法体系等）
• 重大历史事件或背景
【核心故事】
• 主线故事框架
• 重要支线规划
• 核心冲突设置
• 结局走向构思
请具体阐述以上各点，确保前后呼应、逻辑自洽。
""" """
# =============== 2. 角色设定 ===================
character_prompt = """\ character_prompt = """\
基于已确立的小说设定： 基于已生成的小说整体设定：
{novel_setting} {novel_setting}
请完善以下角色体系： 请进一步扩展角色设置，至少包含三名核心角色。对每位角色说明：
• 角色背景、外貌与主要性格特征。
• 内在冲突、目标与动机。
• 暗藏的秘密或潜在弱点（可与世界观或其他角色有关）。
• 与其他角色的关系或对立点，如何推动或阻碍情节发展。
【核心角色塑造】（至少3个） 请重点突出角色的多重面向，为后续情节埋下伏笔。
• 角色基本信息（名字/年龄/身份等）
• 外在特征与性格特点
• 核心价值观与行为模式
• 个人成长轨迹设想
• 独特能力或专长
【人物关系网络】
• 角色间的重要关联
• 潜在矛盾点
• 关系发展预期
【隐藏维度】
• 每个角色的个人秘密
• 待揭示的过往经历
• 性格中的矛盾面
重点说明这些特质如何推动故事发展，为情节转折提供基础。
""" """
# =============== 3. 暗线与伏笔 ===================
dark_lines_prompt = """\ dark_lines_prompt = """\
根据已设定的角色与背景： 在当前世界观与角色关系中：
{character_info} {character_info}
请构建以下隐藏线索体系： 请构思若干暗线、伏笔或隐藏冲突，结合雪花写作法“细节逐步扩展”的思路。要求：
• 每条暗线给出初始迹象、后续发展与可能的爆发条件。
• 与角色背景、世界观或关键事件相呼应。
• 保持合理的悬念设置，与现有设定不冲突。
• 为后续剧情保留足够展开空间，强调持续影响故事进程。
【关键暗线设计】 请避免一次性透漏全部细节，以逐步揭示的方式为后文做铺垫。
• 暗线起源与表现形式
• 发展脉络规划
• 揭示时机与方式
• 对整体故事的影响
【伏笔布置】
• 早期暗示点设置
• 中期发展线索
• 后期爆发契机
【隐藏冲突】
• 角色间潜在矛盾
• 阵营对立根源
• 价值观冲突点
确保这些暗线自然融入故事，避免生硬设置。建议提供具体场景建议。
""" """
# =============== 4. 最终设定整合 ===================
finalize_setting_prompt = """\ finalize_setting_prompt = """\
请整合以下创作准备内容： 基于以下内容，请整合并输出终稿《小说设定》：
1. 整体设定：
【现有设定】
{novel_setting_base} {novel_setting_base}
2. 角色设定：
【角色系统】
{character_setting} {character_setting}
3. 暗线与伏笔：
【暗线规划】
{dark_lines} {dark_lines}
将以上要素整合为完整的创作蓝图： 整合要求：
• 以整体视角整理世界观、角色与暗线，形成一个有机结合的故事框架。
1. 总体框架 • 注意角色动机与暗线如何与世界观互相呼应，并兼顾主线与副线节奏。
• 核心故事脉络 • 语言通顺、层次分明。直接输出文本，不使用Markdown格式。
• 世界观体系
• 主题表达方式
2. 人物系统
• 角色群像
• 关系网络
• 成长轨迹
3. 情节编排
• 主线发展
• 支线设计
• 暗线铺陈
4. 创作建议
• 重点场景构思
• 节奏控制要点
• 细节描写建议
请以流畅的叙述文本呈现，突出要素间的有机联系。
""" """
# =============== 5. 小说目录 ===================
novel_directory_prompt = """\ novel_directory_prompt = """\
依据最终设定： 根据以下最终《小说设定》：
{final_novel_setting} {final_novel_setting}
请规划{number_of_chapters}章的详细目录。每章格式： 请列出共 {number_of_chapters} 章的目录，并保证每章的标题或简述能呼应主要冲突、角色成长及暗线埋设。
第N章：章节名 - 核心内容提示 目录格式示例：
第1章 ：<标题> - <简要说明>
要求： 第2章 ：<标题> - <简要说明>
1. 章节名需简明扼要，富有吸引力
2. 核心内容提示需点明关键信息，为创作提供指引
3. 整体节奏要富有张力，符合三幕结构
4. 适当预留转折与高潮
示例：
第n章：黎明前的暗影 - 主角遭遇神秘袭击，接触核心谜题
... ...
第{number_of_chapters}章 ：<标题> - <简要说明>
每章可酌情加入一句简述，引导读者了解本章看点。直接输出文本，不使用Markdown。
""" """
# =============== 章节创作辅助提示词 =================== # =============== 6. 全局摘要更新 ===================
summary_prompt = """\ summary_prompt = """\
新增章节内容： 以下是新完成的章节文本：
{chapter_text} {chapter_text}
当前全局摘要： 这是当前的全局摘要（可为空）：
{global_summary} {global_summary}
请更新全局摘要（控制在3000字以内）： 请根据本章新增内容，更新全局摘要。保留既有重要信息，同时融入新剧情要点，勿剧透未来。控制在不超过3000字的范围内，语言简练流畅。
【已发生】
• 关键事件梳理
• 人物关系变化
• 重要线索进展
【正在进行】
• 当前危机/冲突
• 角色动态
• 悬而未决的问题
确保摘要重点突出，为后续创作提供清晰参考。
不展开未来发展，保持故事悬念。
""" """
# =============== 7. 角色状态更新 ===================
update_character_state_prompt = """\ update_character_state_prompt = """\
本章内容： 以下是新完成的章节文本：
{chapter_text} {chapter_text}
现有角色状态： 这是当前的角色状态文档（可为空）：
{old_state} {old_state}
请更新角色状态档案： 请更新角色状态，内容包括：
• 角色的物品、能力或心理状态变化。
• 角色间关系的最新进展或冲突。
• 是否触发或加深了某些暗线或关键事件。
• 任何新增角色或临时出场人物的基本信息。
【角色发展】 请直接在已有文档基础上进行增删，语言尽量简洁、有条理。
• 能力/状态变化
• 重要物品获得/失去
• 性格/观念的微妙改变
【人际关系】
• 新建立的联系
• 关系的强化或弱化
• 潜在矛盾点
【事件参与】
• 正在进行的事件
• 个人目标进展
• 新接触的任务
请保持简洁明了，便于后续参考。
""" """
# =============== 8. 章节大纲设计 ===================
chapter_outline_prompt = """\ chapter_outline_prompt = """\
创作参考资料： 这是当前小说的重要信息：
- 设定：{novel_setting} - 小说设定：{novel_setting}
- 角色状态：{character_state} - 角色状态：{character_state}
- 全局摘要：{global_summary} - 全局摘要：{global_summary}
第{novel_number}章：{chapter_title} 我们即将写第 {novel_number} 章，标题：{chapter_title}，简述（若有）：{chapter_brief}
章节说明：{chapter_brief}
请设计本章节详细大纲： 请按照以下思路设计本章大纲：
1. 本章的主要冲突或情节目标，如何与标题呼应。
2. 出场角色及其动机，对剧情走向的推动或阻碍。
3. 暗线或伏笔如何有所进展或被揭示。
4. 本章结尾的悬念或转折，如何为下一章做铺垫。
【核心设计】 请以简要分点方式输出，不要使用Markdown格式。
• 本章主要冲突/事件
• 与章节主题的呼应方式
• 情节推进目标
【人物安排】
• 出场角色及其状态
• 个人目标与动机
• 互动关系设计
【暗线发展】
• 已有伏笔的推进
• 新增悬念的埋设
• 线索的暗示方式
【结构布局】
• 章节节奏规划
• 高潮设计
• 结尾悬念构思
""" """
# =============== 9. 章节正文写作 ===================
chapter_write_prompt = """\ chapter_write_prompt = """\
创作参考信息： 以下信息供你参考：
1. 设定：{novel_setting} 1. 小说设定：{novel_setting}
2. 角色状态：{character_state} 2. 角色状态：{character_state}
3. 摘要：{global_summary} 3. 全局摘要：{global_summary}
4. 大纲：{chapter_outline} 4. 本章大纲：{chapter_outline}
第{chapter_title}章 请写出第 {novel_number} 章的正文，标题为“{chapter_title}”。需要：
核心：{chapter_brief} • 字数不少于 {word_number} 字，与标题和简述相呼应。
• 保持连贯叙述，可增加环境、心理、对话等细节描写。
• 适度呼应前文暗线或角色矛盾，为后续发展留出悬念。
创作要求： 直接输出正文内容，不使用分章节小标题，章节末模仿正常小说中断或转场。
1. 字数不少于{word_number}字
2. 紧扣章节主题
3. 注重细节描写
4. 深入角色内心
5. 为下章预留引子
建议：
• 通过环境描写渲染氛围
• 展现人物细微情感变化
• 适当运用对话推进情节
• 保持节奏张弛有度
""" """
ui.py
+107 -49
View File
@@ -28,6 +28,7 @@ def log_error(message: str):
""" """
logging.error(f"{message}\n{traceback.format_exc()}") logging.error(f"{message}\n{traceback.format_exc()}")
# 设置全局主题和颜色 # 设置全局主题和颜色
ctk.set_appearance_mode("System") ctk.set_appearance_mode("System")
ctk.set_default_color_theme("blue") ctk.set_default_color_theme("blue")
@@ -53,11 +54,14 @@ class NovelGeneratorGUI:
self.loaded_config = load_config(self.config_file) self.loaded_config = load_config(self.config_file)
# ========== 主要的属性变量 ========== # ========== 主要的属性变量 ==========
# LLM 接口相关 # LLM 接口相关
self.api_key_var = ctk.StringVar(value=self.loaded_config.get("api_key", "")) 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.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")) self.interface_format_var = ctk.StringVar(value=self.loaded_config.get("interface_format", "OpenAI"))
self.model_name_var = ctk.StringVar(value=self.loaded_config.get("model_name", "gpt-4o-mini")) self.model_name_var = ctk.StringVar(value=self.loaded_config.get("model_name", "gpt-4o-mini"))
# 仍然用 DoubleVar，但因为是 Slider，不会让用户手动清空文本，一般不会出现空字符串问题
self.temperature_var = ctk.DoubleVar(value=self.loaded_config.get("temperature", 0.7)) self.temperature_var = ctk.DoubleVar(value=self.loaded_config.get("temperature", 0.7))
# Embedding 接口相关 # Embedding 接口相关
@@ -66,14 +70,21 @@ class NovelGeneratorGUI:
self.embedding_url_var = ctk.StringVar(value=self.loaded_config.get("embedding_url", "")) 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.embedding_model_name_var = ctk.StringVar(value=self.loaded_config.get("embedding_model_name", ""))
# ### CHANGED：将 IntVar 改为 StringVar，避免用户清空输入时抛错
self.embedding_retrieval_k_var = ctk.StringVar(value=str(self.loaded_config.get("embedding_retrieval_k", 4)))
# 小说通用参数 # 小说通用参数
self.topic_default = self.loaded_config.get("topic", "") self.topic_default = self.loaded_config.get("topic", "")
self.genre_var = ctk.StringVar(value=self.loaded_config.get("genre", "玄幻")) self.genre_var = ctk.StringVar(value=self.loaded_config.get("genre", "玄幻"))
self.num_chapters_var = ctk.IntVar(value=self.loaded_config.get("num_chapters", 10))
self.word_number_var = ctk.IntVar(value=self.loaded_config.get("word_number", 3000)) # ### CHANGED：将章节数、每章字数改为 StringVar
self.num_chapters_var = ctk.StringVar(value=str(self.loaded_config.get("num_chapters", 10)))
self.word_number_var = ctk.StringVar(value=str(self.loaded_config.get("word_number", 3000)))
self.filepath_var = ctk.StringVar(value=self.loaded_config.get("filepath", "")) self.filepath_var = ctk.StringVar(value=self.loaded_config.get("filepath", ""))
self.chapter_num_var = ctk.IntVar(value=1) # ### CHANGED：章节号也改为 StringVar
self.chapter_num_var = ctk.StringVar(value="1")
# ========== 主容器使用 TabView ========== # ========== 主容器使用 TabView ==========
self.tabview = ctk.CTkTabview(self.master, width=1200, height=800) self.tabview = ctk.CTkTabview(self.master, width=1200, height=800)
@@ -95,11 +106,18 @@ class NovelGeneratorGUI:
self.build_summary_tab() self.build_summary_tab()
self.build_chapters_tab() # 新增 self.build_chapters_tab() # 新增
# ------------------ 统一异常处理方法 ------------------ # ------------------ 工具方法：安全获取 IntVar (现已兼容 StringVar) ------------------
def handle_exception(self, context: str): def safe_get_int(self, var, default=1):
full_message = f"{context}\n{traceback.format_exc()}" """
logging.error(full_message) 尝试把 StringVar 或 IntVar 中的值转换为 int；
self.safe_log(full_message) 若失败则将其重置为 default 并返回 default。
"""
try:
val_str = str(var.get()).strip()
return int(val_str)
except:
var.set(str(default))
return default
# ------------------ 主功能 Tab ------------------ # ------------------ 主功能 Tab ------------------
def build_main_tab(self): def build_main_tab(self):
@@ -144,7 +162,7 @@ class NovelGeneratorGUI:
chapter_label = ctk.CTkLabel( chapter_label = ctk.CTkLabel(
self.left_frame, self.left_frame,
text="本章内容 (可编辑)", text="本章内容 (可编辑)",
font=("Microsoft YaHei", 14) font=("Microsoft YaHei", 12)
) )
chapter_label.grid(row=0, column=0, padx=5, pady=(5, 0), sticky="w") chapter_label.grid(row=0, column=0, padx=5, pady=(5, 0), sticky="w")
@@ -163,7 +181,7 @@ class NovelGeneratorGUI:
log_label = ctk.CTkLabel( log_label = ctk.CTkLabel(
self.left_frame, self.left_frame,
text="输出日志 (只读)", text="输出日志 (只读)",
font=("Microsoft YaHei", 14) font=("Microsoft YaHei", 12)
) )
log_label.grid(row=3, column=0, padx=5, pady=(5, 0), sticky="w") log_label.grid(row=3, column=0, padx=5, pady=(5, 0), sticky="w")
@@ -400,13 +418,13 @@ class NovelGeneratorGUI:
def build_embeddings_config_tab(self): def build_embeddings_config_tab(self):
def on_embedding_interface_changed(new_value): def on_embedding_interface_changed(new_value):
if new_value == "Ollama": if new_value == "Ollama":
self.embedding_url_var.set("http://localhost:11434/v1") self.embedding_url_var.set("http://localhost:11434/api")
elif new_value == "ML Studio": elif new_value == "ML Studio":
self.embedding_url_var.set("http://localhost:1234/v1") self.embedding_url_var.set("http://localhost:1234/v1")
elif new_value == "OpenAI": elif new_value == "OpenAI":
self.embedding_url_var.set("https://api.openai.com/v1") self.embedding_url_var.set("https://api.openai.com/v1")
for i in range(3): for i in range(5):
self.embeddings_config_tab.grid_rowconfigure(i, weight=0) self.embeddings_config_tab.grid_rowconfigure(i, weight=0)
self.embeddings_config_tab.grid_columnconfigure(0, weight=0) self.embeddings_config_tab.grid_columnconfigure(0, weight=0)
self.embeddings_config_tab.grid_columnconfigure(1, weight=1) self.embeddings_config_tab.grid_columnconfigure(1, weight=1)
@@ -466,6 +484,19 @@ class NovelGeneratorGUI:
) )
emb_model_name_entry.grid(row=3, column=1, padx=5, pady=5, sticky="nsew") emb_model_name_entry.grid(row=3, column=1, padx=5, pady=5, sticky="nsew")
emb_retrieval_k_label = ctk.CTkLabel(
self.embeddings_config_tab,
text="Retrieval Top-K:",
font=("Microsoft YaHei", 12)
)
emb_retrieval_k_label.grid(row=4, column=0, padx=5, pady=5, sticky="e")
emb_retrieval_k_entry = ctk.CTkEntry(
self.embeddings_config_tab,
textvariable=self.embedding_retrieval_k_var,
font=("Microsoft YaHei", 12)
)
emb_retrieval_k_entry.grid(row=4, column=1, padx=5, pady=5, sticky="nsew")
# ========== 保存/加载 配置按钮区域 ========== # ========== 保存/加载 配置按钮区域 ==========
def build_main_buttons_area(self): def build_main_buttons_area(self):
""" """
@@ -499,7 +530,7 @@ class NovelGeneratorGUI:
""" """
self.params_frame = ctk.CTkScrollableFrame( self.params_frame = ctk.CTkScrollableFrame(
self.right_frame, self.right_frame,
orientation="vertical" # 默认垂直滚动 orientation="vertical"
) )
self.params_frame.grid(row=start_row, column=0, sticky="nsew", padx=5, pady=5) self.params_frame.grid(row=start_row, column=0, sticky="nsew", padx=5, pady=5)
self.params_frame.columnconfigure(1, weight=1) self.params_frame.columnconfigure(1, weight=1)
@@ -536,35 +567,44 @@ class NovelGeneratorGUI:
) )
genre_entry.grid(row=1, column=1, padx=5, pady=5, sticky="ew") genre_entry.grid(row=1, column=1, padx=5, pady=5, sticky="ew")
# 章节数 # 章节数、每章字数 放在同一行
row_for_chapter_and_word = 2
num_chapters_label = ctk.CTkLabel( num_chapters_label = ctk.CTkLabel(
self.params_frame, self.params_frame,
text="章节数:", text="章节数:",
font=("Microsoft YaHei", 12) font=("Microsoft YaHei", 12)
) )
num_chapters_label.grid(row=2, column=0, padx=5, pady=5, sticky="e") num_chapters_label.grid(row=row_for_chapter_and_word, column=0, padx=5, pady=5, sticky="e")
ch_word_frame = ctk.CTkFrame(self.params_frame)
ch_word_frame.grid(row=row_for_chapter_and_word, column=1, padx=5, pady=5, sticky="ew")
ch_word_frame.columnconfigure(0, weight=0)
ch_word_frame.columnconfigure(1, weight=0)
ch_word_frame.columnconfigure(2, weight=0)
ch_word_frame.columnconfigure(3, weight=1)
num_chapters_entry = ctk.CTkEntry( num_chapters_entry = ctk.CTkEntry(
self.params_frame, ch_word_frame,
textvariable=self.num_chapters_var, textvariable=self.num_chapters_var,
width=80, width=60,
font=("Microsoft YaHei", 12) font=("Microsoft YaHei", 12)
) )
num_chapters_entry.grid(row=2, column=1, padx=5, pady=5, sticky="w") num_chapters_entry.grid(row=0, column=0, padx=5, pady=5, sticky="w")
# 每章字数
word_number_label = ctk.CTkLabel( word_number_label = ctk.CTkLabel(
self.params_frame, ch_word_frame,
text="每章字数:", text="每章字数:",
font=("Microsoft YaHei", 12) font=("Microsoft YaHei", 12)
) )
word_number_label.grid(row=3, column=0, padx=5, pady=5, sticky="e") word_number_label.grid(row=0, column=1, padx=(15, 5), pady=5, sticky="e")
word_number_entry = ctk.CTkEntry( word_number_entry = ctk.CTkEntry(
self.params_frame, ch_word_frame,
textvariable=self.word_number_var, textvariable=self.word_number_var,
width=80, width=60,
font=("Microsoft YaHei", 12) font=("Microsoft YaHei", 12)
) )
word_number_entry.grid(row=3, column=1, padx=5, pady=5, sticky="w") word_number_entry.grid(row=0, column=2, padx=5, pady=5, sticky="w")
# 保存路径 # 保存路径
filepath_label = ctk.CTkLabel( filepath_label = ctk.CTkLabel(
@@ -572,10 +612,10 @@ class NovelGeneratorGUI:
text="保存路径:", text="保存路径:",
font=("Microsoft YaHei", 12) font=("Microsoft YaHei", 12)
) )
filepath_label.grid(row=4, column=0, padx=5, pady=5, sticky="e") filepath_label.grid(row=3, column=0, padx=5, pady=5, sticky="e")
self.filepath_frame = ctk.CTkFrame(self.params_frame) self.filepath_frame = ctk.CTkFrame(self.params_frame)
self.filepath_frame.grid(row=4, column=1, padx=5, pady=5, sticky="nsew") self.filepath_frame.grid(row=3, column=1, padx=5, pady=5, sticky="nsew")
self.filepath_frame.columnconfigure(0, weight=1) self.filepath_frame.columnconfigure(0, weight=1)
filepath_entry = ctk.CTkEntry( filepath_entry = ctk.CTkEntry(
@@ -599,14 +639,14 @@ class NovelGeneratorGUI:
text="章节号:", text="章节号:",
font=("Microsoft YaHei", 12) font=("Microsoft YaHei", 12)
) )
chapter_num_label.grid(row=5, column=0, padx=5, pady=5, sticky="e") chapter_num_label.grid(row=4, column=0, padx=5, pady=5, sticky="e")
chapter_num_entry = ctk.CTkEntry( chapter_num_entry = ctk.CTkEntry(
self.params_frame, self.params_frame,
textvariable=self.chapter_num_var, textvariable=self.chapter_num_var,
width=80, width=80,
font=("Microsoft YaHei", 12) font=("Microsoft YaHei", 12)
) )
chapter_num_entry.grid(row=5, column=1, padx=5, pady=5, sticky="w") chapter_num_entry.grid(row=4, column=1, padx=5, pady=5, sticky="w")
# 用户指导 # 用户指导
guide_label = ctk.CTkLabel( guide_label = ctk.CTkLabel(
@@ -614,7 +654,7 @@ class NovelGeneratorGUI:
text="本章指导:", text="本章指导:",
font=("Microsoft YaHei", 12) font=("Microsoft YaHei", 12)
) )
guide_label.grid(row=6, column=0, padx=5, pady=5, sticky="ne") guide_label.grid(row=5, column=0, padx=5, pady=5, sticky="ne")
self.user_guide_text = ctk.CTkTextbox( self.user_guide_text = ctk.CTkTextbox(
self.params_frame, self.params_frame,
width=200, width=200,
@@ -622,7 +662,7 @@ class NovelGeneratorGUI:
wrap="word", wrap="word",
font=("Microsoft YaHei", 12) font=("Microsoft YaHei", 12)
) )
self.user_guide_text.grid(row=6, column=1, padx=5, pady=5, sticky="nsew") self.user_guide_text.grid(row=5, column=1, padx=5, pady=5, sticky="nsew")
# ------------------ 其他Tab的构建 ------------------ # ------------------ 其他Tab的构建 ------------------
def build_setting_tab(self): def build_setting_tab(self):
@@ -890,16 +930,20 @@ class NovelGeneratorGUI:
self.embedding_interface_format_var.set(cfg.get("embedding_interface_format", "OpenAI")) self.embedding_interface_format_var.set(cfg.get("embedding_interface_format", "OpenAI"))
self.embedding_url_var.set(cfg.get("embedding_url", "")) self.embedding_url_var.set(cfg.get("embedding_url", ""))
self.embedding_model_name_var.set(cfg.get("embedding_model_name", "")) self.embedding_model_name_var.set(cfg.get("embedding_model_name", ""))
# ### CHANGED：用字符串形式设值
self.embedding_retrieval_k_var.set(str(cfg.get("embedding_retrieval_k", 4)))
# Novel # Novel
self.genre_var.set(cfg.get("genre", "")) self.genre_var.set(cfg.get("genre", ""))
self.num_chapters_var.set(cfg.get("num_chapters", 10))
self.word_number_var.set(cfg.get("word_number", 3000)) # ### CHANGED：用字符串形式设值
self.num_chapters_var.set(str(cfg.get("num_chapters", 10)))
self.word_number_var.set(str(cfg.get("word_number", 3000)))
self.filepath_var.set(cfg.get("filepath", "")) self.filepath_var.set(cfg.get("filepath", ""))
# 主题 topic_value = cfg.get("topic", "")
self.topic_text.delete("0.0", "end") self.topic_text.delete("0.0", "end")
self.topic_text.insert("0.0", cfg.get("topic", "")) self.topic_text.insert("0.0", topic_value)
self.log("已加载配置。") self.log("已加载配置。")
else: else:
@@ -919,12 +963,13 @@ class NovelGeneratorGUI:
"embedding_interface_format": self.embedding_interface_format_var.get(), "embedding_interface_format": self.embedding_interface_format_var.get(),
"embedding_url": self.embedding_url_var.get(), "embedding_url": self.embedding_url_var.get(),
"embedding_model_name": self.embedding_model_name_var.get(), "embedding_model_name": self.embedding_model_name_var.get(),
"embedding_retrieval_k": self.safe_get_int(self.embedding_retrieval_k_var, 4),
# Novel # Novel
"topic": self.topic_text.get("0.0", "end").strip(), "topic": self.topic_text.get("0.0", "end").strip(),
"genre": self.genre_var.get(), "genre": self.genre_var.get(),
"num_chapters": self.num_chapters_var.get(), "num_chapters": self.safe_get_int(self.num_chapters_var, 10),
"word_number": self.word_number_var.get(), "word_number": self.safe_get_int(self.word_number_var, 3000),
"filepath": self.filepath_var.get() "filepath": self.filepath_var.get()
} }
if save_config(config_data, self.config_file): if save_config(config_data, self.config_file):
@@ -954,6 +999,11 @@ class NovelGeneratorGUI:
def enable_button_safe(self, btn): def enable_button_safe(self, btn):
self.master.after(0, lambda: btn.configure(state="normal")) self.master.after(0, lambda: btn.configure(state="normal"))
def handle_exception(self, context: str):
full_message = f"{context}\n{traceback.format_exc()}"
logging.error(full_message)
self.safe_log(full_message)
# ------------------ 分步操作：生成设定、目录、章节草稿、定稿 ------------------ # ------------------ 分步操作：生成设定、目录、章节草稿、定稿 ------------------
def generate_novel_setting_ui(self): def generate_novel_setting_ui(self):
"""Step1. 生成小说设定（Novel_setting.txt）""" """Step1. 生成小说设定（Novel_setting.txt）"""
@@ -968,10 +1018,11 @@ class NovelGeneratorGUI:
api_key = self.api_key_var.get().strip() api_key = self.api_key_var.get().strip()
base_url = self.base_url_var.get().strip() base_url = self.base_url_var.get().strip()
model_name = self.model_name_var.get().strip() model_name = self.model_name_var.get().strip()
topic = self.topic_text.get("0.0", "end").strip() topic = self.topic_text.get("0.0", "end").strip()
genre = self.genre_var.get().strip() genre = self.genre_var.get().strip()
num_chapters = self.num_chapters_var.get() num_chapters = self.safe_get_int(self.num_chapters_var, 10)
word_number = self.word_number_var.get() word_number = self.safe_get_int(self.word_number_var, 3000)
temperature = self.temperature_var.get() temperature = self.temperature_var.get()
self.safe_log("开始生成小说设定...") self.safe_log("开始生成小说设定...")
@@ -1007,7 +1058,7 @@ class NovelGeneratorGUI:
api_key = self.api_key_var.get().strip() api_key = self.api_key_var.get().strip()
base_url = self.base_url_var.get().strip() base_url = self.base_url_var.get().strip()
model_name = self.model_name_var.get().strip() model_name = self.model_name_var.get().strip()
num_chapters = self.num_chapters_var.get() num_chapters = self.safe_get_int(self.num_chapters_var, 10)
temperature = self.temperature_var.get() temperature = self.temperature_var.get()
self.safe_log("开始生成小说目录...") self.safe_log("开始生成小说目录...")
@@ -1041,6 +1092,7 @@ class NovelGeneratorGUI:
base_url = self.base_url_var.get().strip() base_url = self.base_url_var.get().strip()
model_name = self.model_name_var.get().strip() model_name = self.model_name_var.get().strip()
temperature = self.temperature_var.get() temperature = self.temperature_var.get()
novel_settings_file = os.path.join(filepath, "Novel_setting.txt") novel_settings_file = os.path.join(filepath, "Novel_setting.txt")
novel_settings = read_file(novel_settings_file) novel_settings = read_file(novel_settings_file)
if not novel_settings.strip(): if not novel_settings.strip():
@@ -1054,8 +1106,8 @@ class NovelGeneratorGUI:
novel_directory_file = os.path.join(filepath, "Novel_directory.txt") novel_directory_file = os.path.join(filepath, "Novel_directory.txt")
novel_directory = read_file(novel_directory_file) novel_directory = read_file(novel_directory_file)
chap_num = self.chapter_num_var.get() chap_num = self.safe_get_int(self.chapter_num_var, 1)
word_number = self.word_number_var.get() word_number = self.safe_get_int(self.word_number_var, 3000)
user_guidance = self.user_guide_text.get("0.0", "end").strip() user_guidance = self.user_guide_text.get("0.0", "end").strip()
# 获取最近3章文本 # 获取最近3章文本
@@ -1087,10 +1139,12 @@ class NovelGeneratorGUI:
novel_novel_directory=novel_directory, novel_novel_directory=novel_directory,
filepath=filepath, filepath=filepath,
# 传入 Embedding 的专用配置 # Embedding 配置
interface_format=self.embedding_interface_format_var.get().strip(), interface_format=self.embedding_interface_format_var.get().strip(),
embedding_model_name=self.embedding_model_name_var.get().strip(), embedding_model_name=self.embedding_model_name_var.get().strip(),
embedding_base_url=self.embedding_url_var.get().strip(), embedding_base_url=self.embedding_url_var.get().strip(),
# 新增：检索 K 值
embedding_retrieval_k=self.safe_get_int(self.embedding_retrieval_k_var, 4)
) )
if draft_text: if draft_text:
self.safe_log(f"✅ 第{chap_num}章草稿生成完成。请在左侧查看或编辑。") self.safe_log(f"✅ 第{chap_num}章草稿生成完成。请在左侧查看或编辑。")
@@ -1124,12 +1178,14 @@ class NovelGeneratorGUI:
base_url = self.base_url_var.get().strip() base_url = self.base_url_var.get().strip()
model_name = self.model_name_var.get().strip() model_name = self.model_name_var.get().strip()
temperature = self.temperature_var.get() temperature = self.temperature_var.get()
interface_format = self.embedding_interface_format_var.get().strip() interface_format = self.embedding_interface_format_var.get().strip()
embedding_model_name = self.embedding_model_name_var.get().strip() embedding_model_name = self.embedding_model_name_var.get().strip()
embedding_base_url = self.embedding_url_var.get().strip() embedding_base_url = self.embedding_url_var.get().strip()
embedding_api_key = self.embedding_api_key_var.get().strip()
chap_num = self.chapter_num_var.get() chap_num = self.safe_get_int(self.chapter_num_var, 1)
word_number = self.word_number_var.get() word_number = self.safe_get_int(self.word_number_var, 3000)
self.safe_log(f"开始定稿第{chap_num}章...") self.safe_log(f"开始定稿第{chap_num}章...")
finalize_chapter( finalize_chapter(
@@ -1143,7 +1199,7 @@ class NovelGeneratorGUI:
temperature=temperature, temperature=temperature,
filepath=filepath, filepath=filepath,
embedding_base_url=embedding_base_url, embedding_base_url=embedding_base_url,
embedding_api_key=self.embedding_api_key_var.get().strip() embedding_api_key=embedding_api_key
) )
self.safe_log(f"✅ 第{chap_num}章定稿完成（已更新全局摘要、角色状态、剧情要点、向量库）。") self.safe_log(f"✅ 第{chap_num}章定稿完成（已更新全局摘要、角色状态、剧情要点、向量库）。")
@@ -1185,7 +1241,7 @@ class NovelGeneratorGUI:
global_summary = read_file(global_summary_file) global_summary = read_file(global_summary_file)
plot_arcs = read_file(plot_arcs_file) plot_arcs = read_file(plot_arcs_file)
chap_num = self.chapter_num_var.get() chap_num = self.safe_get_int(self.chapter_num_var, 1)
chap_file = os.path.join(filepath, "chapters", f"chapter_{chap_num}.txt") chap_file = os.path.join(filepath, "chapters", f"chapter_{chap_num}.txt")
chapter_text = read_file(chap_file) chapter_text = read_file(chap_file)
@@ -1233,7 +1289,7 @@ class NovelGeneratorGUI:
embedding_model_name=self.embedding_model_name_var.get().strip(), embedding_model_name=self.embedding_model_name_var.get().strip(),
file_path=selected_file, file_path=selected_file,
embedding_base_url=self.embedding_url_var.get().strip(), embedding_base_url=self.embedding_url_var.get().strip(),
filepath=self.filepath_var.get().strip() # 用于本地化 vectorstore filepath=self.filepath_var.get().strip()
) )
self.safe_log("✅ 知识库文件导入完成。") self.safe_log("✅ 知识库文件导入完成。")
except Exception: except Exception:
@@ -1253,8 +1309,10 @@ class NovelGeneratorGUI:
if first_confirm: if first_confirm:
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！") 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: if second_confirm:
clear_vector_store(filepath) if clear_vector_store(filepath):
self.log("已清空向量库。") self.log("已清空向量库。")
else:
self.log(f"未能清空向量库。请关闭程序后前往{filepath}文件夹手动删除vectorstore目录。")
def show_plot_arcs_ui(self): def show_plot_arcs_ui(self):
filepath = self.filepath_var.get().strip() filepath = self.filepath_var.get().strip()