Merge pull request #43 from YILING0013/dev

update

chapter_directory_parser.py

@@ -27,11 +27,8 @@ def get_chapter_info_from_directory(novel_directory_content: str, chapter_number
         if match:
             chap_num = int(match.group(1))
             if chap_num == chapter_number:
-                # group(2) 可能是标题及简述的混合
                 full_title = match.group(2).strip()
-                # 这里假设用 '-' 进一步区分“标题 - 简述”，也可能用户没写“ - ”
                 if ' - ' in full_title:
-                    # 根据你的目录格式自由处理
                     parts = full_title.split(' - ', 1)
                     return {
                         "chapter_title": parts[0].strip(),

main.spec

@@ -44,7 +44,7 @@ exe = EXE(
     a.scripts,
     [],
     exclude_binaries=True,
-    name='AI_NovelGenerator_V1.3.0',
+    name='AI_NovelGenerator_V1.3.2',
     debug=True,
     bootloader_ignore_signals=False,
     strip=False,
@@ -65,5 +65,5 @@ coll = COLLECT(
     strip=False,
     upx=True,
     upx_exclude=[],
-    name='AI_NovelGenerator_V1.3.0'
+    name='AI_NovelGenerator_V1.3.2'
 )

novel_generator.py

@@ -8,7 +8,7 @@ import traceback
 from typing import List, Optional
 
 # langchain 相关
-from langchain_openai import ChatOpenAI,OpenAIEmbeddings
+from langchain_openai import ChatOpenAI, OpenAIEmbeddings
 from langchain_chroma import Chroma
 from chromadb.config import Settings
 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"""
     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:
     """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)
@@ -61,11 +65,6 @@ def invoke_with_cleaning(model: ChatOpenAI, prompt: str) -> str:
     debug_log(prompt, cleaned_text)
     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:
     """
     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'
     return url
 
-
 def is_using_ollama_api(interface_format: str) -> bool:
     return interface_format.lower() == "ollama"
 
@@ -113,6 +111,7 @@ def create_embeddings_object(
             base_url=fixed_url
         )
     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)
         return OpenAIEmbeddings(
             openai_api_key=api_key,
@@ -122,38 +121,26 @@ def create_embeddings_object(
 
 
 # ============ 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)
     if not os.path.exists(store_dir):
         logging.info("No vector store found to clear.")
-        return
+        return False
 
     try:
-        client = Client(settings=Settings(
-            persist_directory=store_dir,
-            allow_reset=True  # 允许重置操作
-        ))
-        print(client.list_collections())
-        
-        if client.list_collections():
-            client.delete_collection(name="novel_collection")
-            logging.info("Collection 'novel_collection' deleted via API.")
-        
-        client.reset()
-        
+        if os.path.exists(store_dir):
+            shutil.rmtree(store_dir)
+            logging.info(f"Vector store directory '{store_dir}' removed.")
+        return True
     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()
-    finally:
-        # 显式关闭客户端释放资源
-        if 'client' in locals():
-            del client
-
+        return False
 
 def init_vector_store(
     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(
     api_key: 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。
     """
+    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(
         api_key=api_key,
         base_url=base_url,
@@ -240,14 +291,14 @@ def update_vector_store(
             base_url=base_url,
             interface_format=interface_format,
             embedding_model_name=embedding_model_name,
-            texts=[new_chapter],
+            texts=splitted_texts,
             filepath=filepath
         )
         return
 
-    new_doc = Document(page_content=str(new_chapter))
-    store.add_documents([new_doc])
-    logging.info("Vector store updated with the new chapter.")
+    docs = [Document(page_content=str(t)) for t in splitted_texts]
+    store.add_documents(docs)
+    logging.info("Vector store updated with the new chapter splitted segments.")
 
 
 def get_relevant_context_from_vector_store(
@@ -480,37 +531,38 @@ def generate_chapter_draft(
     filepath: str,
     interface_format: str,
     embedding_model_name: str,
-    embedding_base_url: str
+    embedding_base_url: str,
+    embedding_retrieval_k: int = 4
 ) -> str:
     # 1) 根据目录解析标题、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"]
 
-    # 2) 从向量库检索上下文
-    queries = []
+    # 合并要检索的文本（用户指导 + 章节简介 + 最近摘要）
+    combined_query_parts = []
     if user_guidance.strip():
-        queries.append(user_guidance)
+        combined_query_parts.append(user_guidance)
     if chapter_brief.strip():
-        queries.append(chapter_brief)
+        combined_query_parts.append(chapter_brief)
     if recent_chapters_summary.strip():
-        queries.append(recent_chapters_summary)
-    queries.append("回顾剧情")
+        combined_query_parts.append(recent_chapters_summary)
+    # 额外加一个关键字
+    combined_query_parts.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=embedding_base_url if embedding_base_url else base_url,
-            query=q,
-            interface_format=interface_format,
-            embedding_model_name=embedding_model_name,
-            filepath=filepath,
-            k=2
-        )
-        if partial_context.strip():
-            relevant_context += "\n" + partial_context
-    if not relevant_context:
+    merged_query_str = "\n".join(combined_query_parts)
+
+    # 2) 从向量库检索上下文
+    relevant_context = get_relevant_context_from_vector_store(
+        api_key=api_key,
+        base_url=embedding_base_url if embedding_base_url else base_url,
+        query=merged_query_str,
+        interface_format=interface_format,
+        embedding_model_name=embedding_model_name,
+        filepath=filepath,
+        k=embedding_retrieval_k
+    )
+    if not relevant_context.strip():
         relevant_context = "暂无相关内容。"
 
     # 3) 生成本章大纲
@@ -547,6 +599,7 @@ def generate_chapter_draft(
         global_summary=global_summary,
         chapter_outline=chapter_outline,
         word_number=word_number,
+        novel_number=novel_number,
         chapter_title=chapter_title,
         chapter_brief=chapter_brief
     )
@@ -615,6 +668,7 @@ def finalize_chapter(
         base_url=ensure_openai_base_url_has_v1(base_url),
         temperature=temperature
     )
+
     def update_global_summary(chapter_text: str, old_summary: str) -> str:
         prompt = summary_prompt.format(
             chapter_text=chapter_text,
@@ -690,59 +744,13 @@ def enrich_chapter_text(
 
 
 # ============ 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,
                            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，最后按 max_length 二次切分。
     """
+    nltk.download('punkt', quiet=True)
     sentences = nltk.sent_tokenize(content)
     if not sentences:
         return []
@@ -777,13 +785,46 @@ def advanced_split_content(content: str,
 
     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]:
-    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
+    content = read_file(file_path)
+    if not content.strip():
+        logging.warning("知识库文件内容为空。")
+        return
+
+    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。")

prompt_definitions.py

@@ -1,249 +1,143 @@
 # prompt_definitions.py
 # -*- coding: utf-8 -*-
 """
-小说创作辅助系统的提示词(Prompt)集合。
-这些提示词被设计用于引导AI生成连贯、丰富的小说内容。
+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。
 """
 
-# =============== 基础设定与规划提示词 ===================
+# ===============  1. 整体设定  ===================
 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。
-请详细规划以下要素：
+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。
+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】
-• 建议书名（可含副标题）
-• 预估总字数区间
-• 主要类型定位（如：奇幻/都市/科幻等）
-• 基调与氛围（如：史诗/轻松/黑暗等）
+• 小说标题与大致篇幅（总字数范围）。
+• 类型与基调（如：都市、魔幻、战争、轻松、暗黑等）。
+• 主要写作风格（视角、叙述方式、语言风格等）。
+• 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）。
+• 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】
-• 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。
+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。
 """
 
+# ===============  2. 角色设定  ===================
 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}
 
-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）
-• 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。
+请重点突出角色的多重面向，为后续情节埋下伏笔。
 """
 
+# ===============  3. 暗线与伏笔  ===================
 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}
 
-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】
-• 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。
+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。
 """
 
+# ===============  4. 最终设定整合  ===================
 finalize_setting_prompt = """\
-请整合以下创作准备内容：
-
-【现有设定】
+基于以下内容，请整合并输出终稿《小说设定》：
+1. 整体设定：
 {novel_setting_base}
-
-【角色系统】
+2. 角色设定：
 {character_setting}
-
-【暗线规划】
+3. 暗线与伏笔：
 {dark_lines}
 
-将以上要素整合为完整的创作蓝图：
-
-1. 总体框架
-   • 核心故事脉络
-   • 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。
+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。
+• 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。
+• 语言通顺、层次分明。直接输出文本，不使用Markdown格式。
 """
 
+# ===============  5. 小说目录  ===================
 novel_directory_prompt = """\
-依据最终设定：
+根据以下最终《小说设定》：
 {final_novel_setting}
 
-请规划{number_of_chapters}章的详细目录。每章格式：
-第N章：章节名 - 核心内容提示
-
-要求：
-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
+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。
+目录格式示例：
+第1章 ：<标题> - <简要说明>
+第2章 ：<标题> - <简要说明>
 ...
+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 = """\
-新增章节内容：
+以下是新完成的章节文本：
 {chapter_text}
 
-当前全局摘要：
+这是当前的全局摘要（可为空）：
 {global_summary}
 
-请更新全局摘要（控制在3000字以内）：
-
-【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。
+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。
 """
 
+# ===============  7. 角色状态更新  ===================
 update_character_state_prompt = """\
-本章内容：
+以下是新完成的章节文本：
 {chapter_text}
 
-现有角色状态：
+这是当前的角色状态文档（可为空）：
 {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】
-• 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。
+请直接在已有文档基础上进行增删，语言尽量简洁、有条理。
 """
 
+# ===============  8. 章节大纲设计  ===================
 chapter_outline_prompt = """\
-创作参考资料：
-- 设定：{novel_setting}
+这是当前小说的重要信息：
+- 小说设定：{novel_setting}
 - 角色状态：{character_state}
 - 全局摘要：{global_summary}
 
-第{novel_number}章：{chapter_title}
-章节说明：{chapter_brief}
+我们即将写第 {novel_number} 章，标题：{chapter_title}，简述（若有）：{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】
-• 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
+请以简要分点方式输出，不要使用Markdown格式。
 """
 
+# ===============  9. 章节正文写作  ===================
 chapter_write_prompt = """\
-创作参考信息：
-1. 设定：{novel_setting}
+以下信息供你参考：
+1. 小说设定：{novel_setting}
 2. 角色状态：{character_state}
-3. 摘要：{global_summary}
-4. 大纲：{chapter_outline}
+3. 全局摘要：{global_summary}
+4. 本章大纲：{chapter_outline}
 
-第{chapter_title}章
-核心：{chapter_brief}
+请写出第 {novel_number} 章的正文，标题为“{chapter_title}”。需要：
+• 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：
-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
+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。
 """

ui.py

@@ -28,6 +28,7 @@ def log_error(message: str):
     """
     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")
@@ -53,11 +54,14 @@ class NovelGeneratorGUI:
         self.loaded_config = load_config(self.config_file)
 
         # ========== 主要的属性变量 ==========
+
         # LLM 接口相关
         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"))
         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))
 
         # 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_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
         self.topic_default = self.loaded_config.get("topic", "")
         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.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 ==========
         self.tabview = ctk.CTkTabview(self.master, width=1200, height=800)
@@ -95,11 +106,18 @@ class NovelGeneratorGUI:
         self.build_summary_tab()
         self.build_chapters_tab()  # 新增
 
-    # ------------------ 统一异常处理方法 ------------------ 
-    def handle_exception(self, context: str):
-        full_message = f"{context}\n{traceback.format_exc()}"
-        logging.error(full_message)
-        self.safe_log(full_message)
+    # ------------------ 工具方法：安全获取 IntVar (现已兼容 StringVar) ------------------
+    def safe_get_int(self, var, default=1):
+        """
+        尝试把 StringVar 或 IntVar 中的值转换为 int；
+        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 ------------------
     def build_main_tab(self):
@@ -144,7 +162,7 @@ class NovelGeneratorGUI:
         chapter_label = ctk.CTkLabel(
             self.left_frame,
             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")
 
@@ -163,7 +181,7 @@ class NovelGeneratorGUI:
         log_label = ctk.CTkLabel(
             self.left_frame,
             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")
 
@@ -400,13 +418,13 @@ class NovelGeneratorGUI:
     def build_embeddings_config_tab(self):
         def on_embedding_interface_changed(new_value):
             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":
                 self.embedding_url_var.set("http://localhost:1234/v1")
             elif new_value == "OpenAI":
                 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_columnconfigure(0, weight=0)
         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_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 ==========
     def build_main_buttons_area(self):
         """
@@ -499,7 +530,7 @@ class NovelGeneratorGUI:
         """
         self.params_frame = ctk.CTkScrollableFrame(
             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.columnconfigure(1, weight=1)
@@ -536,35 +567,44 @@ class NovelGeneratorGUI:
         )
         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(
             self.params_frame,
             text="章节数:",
             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(
-            self.params_frame,
+            ch_word_frame,
             textvariable=self.num_chapters_var,
-            width=80,
+            width=60,
             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(
-            self.params_frame,
+            ch_word_frame,
             text="每章字数:",
             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(
-            self.params_frame,
+            ch_word_frame,
             textvariable=self.word_number_var,
-            width=80,
+            width=60,
             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
         filepath_label = ctk.CTkLabel(
@@ -572,10 +612,10 @@ class NovelGeneratorGUI:
             text="保存路径:",
             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.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)
 
         filepath_entry = ctk.CTkEntry(
@@ -599,14 +639,14 @@ class NovelGeneratorGUI:
             text="章节号:",
             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(
             self.params_frame,
             textvariable=self.chapter_num_var,
             width=80,
             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
         guide_label = ctk.CTkLabel(
@@ -614,7 +654,7 @@ class NovelGeneratorGUI:
             text="本章指导:",
             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.params_frame,
             width=200,
@@ -622,7 +662,7 @@ class NovelGeneratorGUI:
             wrap="word",
             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 ------------------
     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_url_var.set(cfg.get("embedding_url", ""))
             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
             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", ""))
 
-            # 主题
+            topic_value = cfg.get("topic", "")
             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。")
         else:
@@ -919,12 +963,13 @@ class NovelGeneratorGUI:
             "embedding_interface_format": self.embedding_interface_format_var.get(),
             "embedding_url": self.embedding_url_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
             "topic": self.topic_text.get("0.0", "end").strip(),
             "genre": self.genre_var.get(),
-            "num_chapters": self.num_chapters_var.get(),
-            "word_number": self.word_number_var.get(),
+            "num_chapters": self.safe_get_int(self.num_chapters_var, 10),
+            "word_number": self.safe_get_int(self.word_number_var, 3000),
             "filepath": self.filepath_var.get()
         }
         if save_config(config_data, self.config_file):
@@ -954,6 +999,11 @@ class NovelGeneratorGUI:
     def enable_button_safe(self, btn):
         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 ------------------
     def generate_novel_setting_ui(self):
         """Step1. 生成小说设定（Novel_setting.txt）"""
@@ -968,10 +1018,11 @@ class NovelGeneratorGUI:
                 api_key = self.api_key_var.get().strip()
                 base_url = self.base_url_var.get().strip()
                 model_name = self.model_name_var.get().strip()
+
                 topic = self.topic_text.get("0.0", "end").strip()
                 genre = self.genre_var.get().strip()
-                num_chapters = self.num_chapters_var.get()
-                word_number = self.word_number_var.get()
+                num_chapters = self.safe_get_int(self.num_chapters_var, 10)
+                word_number = self.safe_get_int(self.word_number_var, 3000)
                 temperature = self.temperature_var.get()
 
                 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()
                 base_url = self.base_url_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()
 
                 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()
                 model_name = self.model_name_var.get().strip()
                 temperature = self.temperature_var.get()
+
                 novel_settings_file = os.path.join(filepath, "Novel_setting.txt")
                 novel_settings = read_file(novel_settings_file)
                 if not novel_settings.strip():
@@ -1054,8 +1106,8 @@ class NovelGeneratorGUI:
                 novel_directory_file = os.path.join(filepath, "Novel_directory.txt")
                 novel_directory = read_file(novel_directory_file)
 
-                chap_num = self.chapter_num_var.get()
-                word_number = self.word_number_var.get()
+                chap_num = self.safe_get_int(self.chapter_num_var, 1)
+                word_number = self.safe_get_int(self.word_number_var, 3000)
                 user_guidance = self.user_guide_text.get("0.0", "end").strip()
 
                 # 获取最近3章文本
@@ -1087,10 +1139,12 @@ class NovelGeneratorGUI:
                     novel_novel_directory=novel_directory,
                     filepath=filepath,
 
-                    # 传入 Embedding 的专用配置
+                    # Embedding 配置
                     interface_format=self.embedding_interface_format_var.get().strip(),
                     embedding_model_name=self.embedding_model_name_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:
                     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()
                 model_name = self.model_name_var.get().strip()
                 temperature = self.temperature_var.get()
+
                 interface_format = self.embedding_interface_format_var.get().strip()
                 embedding_model_name = self.embedding_model_name_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()
-                word_number = self.word_number_var.get()
+                chap_num = self.safe_get_int(self.chapter_num_var, 1)
+                word_number = self.safe_get_int(self.word_number_var, 3000)
 
                 self.safe_log(f"开始定稿第{chap_num}章...")
                 finalize_chapter(
@@ -1143,7 +1199,7 @@ class NovelGeneratorGUI:
                     temperature=temperature,
                     filepath=filepath,
                     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）。")
 
@@ -1185,7 +1241,7 @@ class NovelGeneratorGUI:
                 global_summary = read_file(global_summary_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")
                 chapter_text = read_file(chap_file)
 
@@ -1233,7 +1289,7 @@ class NovelGeneratorGUI:
                         embedding_model_name=self.embedding_model_name_var.get().strip(),
                         file_path=selected_file,
                         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。")
                 except Exception:
@@ -1253,8 +1309,10 @@ class NovelGeneratorGUI:
         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！")
             if second_confirm:
-                clear_vector_store(filepath)
-                self.log("已清空向量库。")
+                if clear_vector_store(filepath):
+                    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):
         filepath = self.filepath_var.get().strip()