# AI 小说创作工作台 / AI Novel Production Engine 一个面向长篇小说创作的 AI Native 开源项目。

当前开发主线： Creative Hub + 自动导演开书 + 本书世界上下文 + 整本生产主链 + 写法引擎

✨ 项目简介

这是一个面向长篇小说完成度的 AI 生产系统，不是普通的"你写一句、AI 补一句"聊天壳子。

它的核心做法是：

• 👉 用一句灵感启动整本书的规划，AI 自动给出方向 / 世界 / 角色 / 卷战略 / 章节任务
• 👉 把章节生成、审核、修复、状态回灌串成可暂停可恢复的生产链
• 👉 把拆书、知识库、写法引擎、角色资源账本、世界手册都做成可召回的长期资产
• 👉 提供漫画、短剧等衍生工坊围绕已完成的小说内容做视觉与剧本延展
• 👉 配套公开介绍站、生产链深度文档和按阶段的恢复手册

适合完全不懂写作的新手走完一本长篇，也适合研究 AI Native 应用、Agent Workflow、LangGraph 编排和长链路任务的开发者参考。

Windows 桌面版

如果你只是想直接下载安装并开始使用，优先从桌面版入口进入：

• 下载入口：GitHub Releases
• 最新版本页：Latest Release
• 建议优先下载 Setup.exe 安装版；如果你不想安装，或者想放在 U 盘 / 临时目录里直接运行，再选择 portable 版本
• 公开介绍站：GitHub Pages 介绍站 提供功能预览、模块文档和使用指南

项目定位

很多 AI 写作工具的使用方式其实差不多：你输入一句 Prompt，它回你一段正文，不满意就重试。写短篇还行，写长篇容易越写越散。

这个仓库是"AI 导演式长篇小说生产系统"，核心产品判断是：

• 目标用户优先是完全不懂写作的新手，而不是熟悉结构设计的资深作者
• 优先解决"如何把整本书写完"，再逐步优化"写得多精巧"
• AI 不只是补全文本的模型，而是参与规划、判断、调度、执行和追踪的系统角色

如果你在找下面这类项目，这个仓库会更值得关注：

• 想验证 AI 是否真的能参与整本小说生产，而不是只写单段文案
• 想研究 AI Native Product、Agent Workflow、LangGraph 编排怎样落到真实创作业务
• 想把世界观、角色、拆书、知识库、写法控制、章节生成、质量修复串成一套稳定工作流

现在已经能做什么

1. AI 自动导演开书与四种运行模式

• 从一句灵感直接进入自动导演，无需先手写世界观、主线、角色和卷纲；系统先整理项目设定、对齐书级 framing，再生成多套整本方向和对应标题组
• 方向不满意时可以继续生成、定向修订某一套方案、或只重做某套方案的标题组，避免"满意就确认 / 不满意就整批重来"
• 自动导演提供四种运行模式：先准备到可开写（推荐第一本书）、全书自动成书、按范围执行（全书 / 前 N 章 / 第 1 卷）、正文后去 AI 检测与修正（叠加质量闭环）
• 全自动驾驶模式下遇到模型不可用、配额耗尽、连续修复失败、要求重新规划等情况会主动停下，而不是无限重试；所有状态保存到导演跟进，可从原检查点恢复
• 全自动模式下每批章节完成后自动确认 pending 候选角色，角色进入正式名册并触发动态重建，消除后续章节角色一致性漂移
• 链路覆盖书级方向、故事宏观规划、本书世界、角色准备、卷战略 / 卷骨架、节奏板、章节清单、章节细化、章节执行、审核、修复，每一阶段都支持检查点恢复、接管和换模型重试

2. Creative Hub 与 Agent Runtime

• 统一创作中枢承载对话、追问、规划、工具调用、任务状态和回合总结，不再是分散的功能按钮
• 系统内有明确的 Planner、Tool Registry、Runtime、审批节点、状态卡片和中断恢复链路；自然语言意图会被路由到对应的自动导演阶段或章节任务
• 浏览器暂停通知：到达 checkpoint 时弹出系统通知，长链路任务挂机更安心

3. 整本生产主链与章节执行

• 单章运行时、章节执行和整本批量 pipeline 收敛到同一条主链
• 章节生成上下文按本章参与者精准筛选角色资源账本，避免把全部角色塞进 prompt；高风险已入账与待确认提案分别走不同审计代码，正文不会把待确认资源写成既成事实
• 章节执行链覆盖正文生成、AI 审核、可修复问题处理、质量债务记录、角色状态 / 事实 / 伏笔回灌、下一章入口
• LLM 限速器修复内存泄漏：provider 配置变更时淘汰旧限速器，长期运行内存稳定

4. 拆书工作台与角色形象演变

• 拆书角色档案分简要 / 标准 / 深入 / 完整四档，深入和完整档案会回溯原文片段补全维度
• 角色形象演变：按 25% / 50% / 75% / 100% 覆盖率增量扫描出场章节，沉淀每章外貌、服装、状态和场景锚点，并基于章节快照生成同一角色阶段形象图；提取的短外貌词条放入待确认区，勾选后融合到角色档案
• 章节形象图可引用角色基础形象图，保持脸型 / 发型 / 标志细节一致
• 拆书还提供双栏阅读、章节证据回溯、范围定向分析、token 预算守卫、稿件诊断模式

5. 写法引擎与反 AI 规则

• 写法不再只是提示词里的一段说明，而是可保存、编辑、绑定、试写、复用的长期资产
• 可从现有文本提取写法特征 + 原文样本；特征沉淀为可见特征池，逐项启用 / 停用 / 组合，规则同步重编译
• 写法引擎参与生成、检测和修正链路；反 AI 规则减少正文模板感、解释感和空泛表达

6. 本书世界、角色、知识库联动 + RAG

• 世界观从大段设定文本升级为可生成 / 复用 / 同步的本书世界；地图、势力图谱会进入章节上下文
• 拆书结果和知识库文档通过 RAG 回灌到规划、续写和正文生成
• RAG 索引流式并行：Embedding 与 Qdrant 写入并发可调；拆书产物入 facets 索引让召回包含拆书结论；chunk hash 去重防止重建产生重复向量；retrieval trace 后端可追踪召回为什么命中

7. 漫画与短剧衍生工坊

• 漫画工作台：场景一致性、角色视觉资产、视觉锚点控制；分镜与角色面板支持图像生成确认弹窗，避免误触消耗额度
• 短剧改编生产管线 v3：从小说内容衍生短剧剧本和镜头
• 衍生工坊不在主链跑通前打开——它们消费的是小说已生成的章节、角色和场景

8. 公开介绍站与文档体系

• GitHub Pages 公开介绍站（端口 4173）展示主链、产品截图、文档入口与下载链接
• 文档站提供本地全文搜索、面包屑、文内目录、上 / 下一篇导航、tip / warn / checkpoint 提示块、GFM 表格
• 33 篇公开文档：项目介绍、安装与准备、常见问题、故障排查、第一本小说实操路径、按阶段恢复手册、端到端生产链、自动导演阶段全景、章节执行链、知识与 RAG 召回链 + 模块说明
• 模块文档配套真实产品截图；自动导演阶段名用中文表达，技术别名对照表保留在自动导演阶段全景文末供开发者查阅

9. 模型路由与本地运行

• 支持 OpenAI、DeepSeek、SiliconFlow、xAI 等多提供商；规划、正文、审阅、拆书等链路可按任务拆开路由
• 默认 SQLite 即可跑通主链；需要 RAG 检索时再接入 Qdrant
• RAG 并发数、限速等运行时参数从 .env 迁到设置面板，改完即生效无需重启
• Monorepo 拆分（pnpm workspace），桌面版 / 介绍站 / 服务端 / 客户端独立可构建

典型使用路径

1. 在小说创建页输入一句灵感，先让 AI 自动导演给出整本方向候选。
2. 进入 项目设定，先把题材、卖点、目标读者感受和前 30 章承诺定下来。
3. 用 故事宏观规划、本书世界 和 角色准备，把整本主线、舞台边界和角色网补到能写。
4. 进入 卷战略 / 卷骨架 决定怎么分卷，再到 节奏 / 拆章 把当前卷落到章节列表和单章细化。
5. 按需绑定拆书结果、知识库文档和写法资产，让后续正文不只是靠一次性提示词。
6. 进入 章节执行 逐章写作、审计、修复，必要时回到卷工作台做再平衡和重规划。
7. 想加速推进时，再启动整本生产任务，持续查看状态、失败原因和回灌结果。

当前长篇生成能力支撑图

• 开书定盘负责先把这本书“要写成什么样”说清楚，避免后面越写越散。
• 整本控制层和卷级规划层负责把长篇拆成可推进、可回看、可调整的结构，而不是一次性写死。
• 角色、世界观、写法、知识库和质量控制一起托住单章生成，让每一章都尽量还在同一本书里。
• 每写完一章，系统都会把新状态回灌回去，继续影响后续章节、卷级节奏和必要时的重规划。

最新更新

完整历史更新见 docs/releases/release-notes.md。

v0.4.0（2026-06-29 发布）

本次版本把 0.3 系列累积的 70 个改动整合发布，覆盖自动导演稳定性、章节生成上下文对齐、拆书深度档案、RAG 性能与召回质量、漫画与短剧改编工作台、公开介绍站和文档体系。

自动导演与小说生成主链

• 全自动成书模式：每批章节完成后自动确认 pending 候选角色，角色进入正式名册并触发动态重建，消除后续章节角色一致性漂移
• 章节生成上下文：按本章参与者精准筛选角色资源账本，避免把全部角色塞进 prompt；高风险已入账与待确认提案分别走不同审计代码，正文不再把待确认资源写成既成事实
• LLM 限速器内存泄漏修复：provider 配置变更时淘汰旧限速器实例，长期运行不再持续累积内存
• 四种运行模式完整说明上线：先准备到可开写、全书自动成书、按范围执行（全书 / 前 N 章 / 第 1 卷）、正文后去 AI 检测与修正（叠加质量闭环）；适用场景和切换路径都有说明
• 全书自动驾驶遇到模型不可用、配额耗尽、连续修复失败、要求重新规划等情况会主动停下而不是无限重试；中断状态保存到导演跟进，可从原检查点恢复
• 自动导演浏览器暂停通知：到 checkpoint 时弹出系统通知

拆书工作台与角色形象

• 拆书角色档案分四档（简要 / 标准 / 深入 / 完整）；深入和完整档案会回溯原文片段补全维度
• 角色形象演变：按 25% / 50% / 75% / 100% 覆盖率增量扫描出场章节，沉淀每章外貌、服装、状态和场景锚点，并基于章节快照生成同一角色阶段形象图
• 形象演变扫描会额外提取短外貌词条放入待确认区，用户勾选后融合到角色档案；章节形象图可引用角色基础形象图保持脸型 / 发型 / 标志细节一致
• 拆书新增双栏阅读工作区、章节证据回溯、范围定向分析、token 预算守卫、稿件诊断模式、章节标题修复等能力

RAG 与知识库

• 知识库索引流式并行：Embedding 与 Qdrant 写入并发可调，长文档不再需要等全部 Embedding 完成才开始写入向量库
• 检索可追踪：新增 retrieval trace 后端，方便复盘召回为什么命中或没命中
• 拆书产物入 RAG facets 索引：召回结果包含拆书结论
• chunk 去重：通过内容 hash 自动去重，重建索引不会产生重复向量
• 知识库上传 改为拖拽区域 + 两步确认；百万字级小说原文预览改为虚拟滚动，不再卡顿

漫画与短剧工作台

• 漫画工作台：场景一致性、角色视觉资产、视觉锚点控制；分镜与角色面板支持图像生成确认弹窗，避免误触消耗额度
• 短剧改编生产管线 v3：从小说内容衍生短剧剧本和镜头

公开介绍站与文档体系

• GitHub Pages 公开介绍站上线：从一句灵感到整本小说的主链、产品控制台截图、文档入口和下载入口
• 介绍站从 5173 改为 4173，避免和其它 vite 项目或主程序冲突；品牌图标和浏览器 favicon 改为项目实际应用图标
• 文档站新增本地全文搜索、面包屑、文内目录、上 / 下一篇导航、tip / warn / checkpoint 提示块、GFM 表格支持
• 文档目录按"开始使用 / 实战手册 / 生产链深度 / 模块总览 / 创作主链 / 知识与写法 / 设定资产 / 衍生工坊 / 系统配置 / 项目动态"重新分组
• 新增 33 篇公开文档：项目介绍、安装与准备、常见问题、故障排查、第一本小说实操路径、按阶段恢复手册、端到端生产链、自动导演阶段全景、章节执行链、知识与 RAG 召回链；模块文档配套真实截图
• 公开文档不再出现内部 snake_case 阶段 key，统一使用「灵感对齐」「卷骨架」等中文名；技术别名对照表保留在自动导演阶段全景末尾供开发者查阅
• 开发计划重写为"已完成 / 进行中 / 下一步关注"三段，列出真实在做的能力（漫画改编、短剧改编、章节编辑器 v2、角色资源账本、自动导演执行面隔离等）

升级提示

• 升级后首次启动会沿用现有数据库与配置，无需手动迁移
• 如果你曾在 .env 配置过 RAG 并发数或类似运行参数，新版会把这类参数迁到设置面板里管理；旧 .env 值不会自动读入

查看完整更新历史：docs/releases/release-notes.md

功能预览

功能概览中的95%以上编写都是AI完成

下面这组截图优先展示当前版本正在使用的单书工作流：从自动导演开书，到项目设定、故事宏观规划、角色准备、卷战略、节奏拆章、章节执行，再到质量修复，已经开始收成一条连续推进链，而不是一组彼此割裂的演示页。

Creative Hub

统一承载对话、规划、工具执行和创作推进的创作中枢。

自动导演模式

自动导演创建页现在会把一句灵感、导演起始参数、书级 framing、模型设置和运行方式收进同一面板；进入方向选择后，不只是给你两套整本方案，还会配套书名组选项、推荐理由和定向重做入口，适合先把这本书“该怎么开”定下来。

项目设定

项目设定已经挂到单书工作台的连续流程里：左侧能直接看到当前步骤与整体进度，上方能看到 AI 接管状态，正文区则集中处理标题、简介、书级 framing、写法确认和本书真正会用到的世界边界。

故事宏观规划

故事宏观规划不再只是大段摘要，而是先把故事引擎、推进与兑现摘要、长期对立和前 30 章承诺压成后续可继承的书级引导层，先保证整本主线能推，再把卷级和章节级规划建在这套底盘上。

角色准备

角色准备页现在更像角色工作台而不是角色表单：会先盘点目标区段的核心角色，再给出 AI 阵容方案、结构关系网和动态角色系统，减少开书后角色断档、功能位缺失和关系推进失速。

卷战略 / 卷骨架

卷战略阶段已经开始显式区分“卷战略、卷骨架、节奏板、拆章节”四个阶段完成度。系统会先判断当前是不是已经具备继续推进条件，再生成卷战略建议、审查卷骨架，并把版本控制与影响分析收进同一页。

节奏 / 拆章

节奏 / 拆章现在把节奏段列表、批量细化、单章标题、摘要、章节目标和任务单放进同一工作区；可以按当前可见章节或指定范围连续细化，也可以对摘要和目标做局部 AI 修正，更适合连载网文式的持续推进。

章节执行

章节执行页现在更像主写作工作台：左侧是章节卡片与下一步状态，中间是已保存正文和版本区，右侧则把执行计划、正文写作、审核、修复、状态同步和伏笔回填收在同一套动作面板里，适合逐章推进。

质量修复

质量修复已经从零散按钮收成独立工作台：可以围绕当前章节执行审核、执行修复、生成钩子，并结合当前批次、质量阈值和 AI 输出继续往后处理，适合把“写完之后怎么稳住质量”也纳入主流程。

正文修改

当一章已经写出正文后，还可以进入独立正文编辑器继续局部改写。正文修改页会把任务单、审计结果和修复链路继续挂在这章身上，避免用户在“主写作区”和“精修区”之间断掉上下文。

小说列表

从这里进入开书、管理、编辑和整本生产。

拆书分析

把参考作品拆成结构化知识，再回灌给后续创作链路。

知识库

统一管理文档、索引、重建任务和检索能力。

世界观

世界观不再只是描述文本，而是能生成世界骨架、维护世界手册，并绑定为每本小说自己的本书世界上下文。

角色库

统一维护角色基础档案与小说内角色信息。

类型管理

集中维护题材与类型资产，让故事规划、角色准备和正文生成共享同一套题材语言。

流派管理

把推进模式、兑现方式和冲突边界收成可复用的流派模式资产，让整本书更容易保持读者预期。

标题工坊

批量生成、筛选和微调书名与标题方向，降低新手在开书命名阶段的试错成本。

写法引擎与反 AI 规则

统一管理写法资产、风格约束和反 AI 规则，让正文更像作品本身，而不是模板式补全文本。

任务中心

查看拆书、知识库重建和其他后台任务的排队、执行与失败状态。

模型配置

为不同能力配置不同模型，减少一套模型硬吃所有任务的成本。

快速开始

环境要求

• Node.js ^20.19.0 || ^22.12.0 || >=24.0.0 推荐直接使用 20.19.x LTS
• pnpm >= 10.6 推荐直接使用仓库声明的 pnpm@10.6.0
• 至少一组可用的 LLM API Key 也可以先把项目跑起来，再在页面里配置
• 如果你要完整体验知识库 / RAG，再额外准备可用的 Qdrant

1. 安装依赖

pnpm install

默认的 pnpm install 现在只准备 Web / Server 开发所需依赖，不会在首次安装时强制下载 Electron 桌面运行时。

• 如果你只是运行现有 Web / Server 开发流，到这里就够了
• 如果你要启动桌面端开发壳，首次运行 pnpm dev:desktop 时会自动补拉 Electron 运行时
• 如果你想提前完成这一步，也可以手动执行：

pnpm run prepare:desktop-runtime

桌面端运行时首次下载需要可访问 Electron 分发源的网络环境；如果你所在网络无法访问 GitHub Releases，建议先配置代理或镜像后再执行桌面端命令。

如果你在 Windows 上执行 pnpm install 时卡在 prisma preinstall，通常先检查这两类问题：

1. Node 版本过低 Prisma 7 目前要求 Node ^20.19.0 || ^22.12.0 || >=24.0.0。如果你还在 20.0 ~ 20.18，建议先升级到 20.19.x LTS 再安装。
2. script-shell 被配置成了交互式 shell 如果全局 npm/pnpm script-shell 被设成了 cmd.exe /k 之类会保留提示符的形式，Prisma 的 lifecycle script 可能不会自动退出，看起来就像安装“卡死”在： node_modules/.../prisma>

可以先运行下面几条命令自查：

node -v
pnpm config get script-shell
npm config get script-shell

如果 script-shell 返回的是带 /k 的 cmd.exe，建议删除这项配置后重新打开终端：

npm config delete script-shell
pnpm config delete script-shell

然后重新执行：

pnpm install

2. 配置环境变量

这个仓库通过 pnpm workspace 分别启动前后端，所以环境变量也是按子包读取的：

• 服务端运行在 server/ 工作目录，默认读取 server/.env
• 前端运行在 client/ 工作目录，默认读取 client/.env / client/.env.local
• 根目录 .env.example 目前更适合当“总览参考”，不是 pnpm dev 默认读取的主入口

2.1 服务端环境变量

先复制服务端示例文件：

# macOS / Linux
cp server/.env.example server/.env

# Windows PowerShell
Copy-Item server/.env.example server/.env

最少建议先确认这些项目：

• DATABASE_URL 默认就是本地 SQLite，可直接使用
• RAG_ENABLED 如果你暂时不接知识库，建议先设为 false
• QDRANT_URL、QDRANT_API_KEY 只有要启用 Qdrant / RAG 时才需要

注意：

• OPENAI_API_KEY、DEEPSEEK_API_KEY、SILICONFLOW_API_KEY 这类变量可以先留空
• 项目启动后，也可以在页面中配置模型供应商和默认模型

2.2 前端环境变量

大多数本地开发场景，其实不需要单独创建前端 env。

因为前端开发模式下默认会把 API 指到：

http(s)://当前页面 hostname:3000/api

这也包括“同一台机器启动服务，然后用局域网 IP 在别的设备上访问”的场景。 例如页面开在 http://192.168.0.37:5173，前端默认会自动把 API 指到：

http://192.168.0.37:3000/api

只有在这些场景下，才建议创建 client/.env：

• 前端和后端不在同一台机器
• 你想把前端显式指向别的 API 地址
• 你需要固定 VITE_API_BASE_URL

如果你已经复制了 client/.env.example，又发现浏览器请求都跑到了 http://localhost:3000/api，通常就是因为你把 API 显式固定死了。对同机 / 局域网访问，建议直接删除或注释掉 VITE_API_BASE_URL。

示例：

# macOS / Linux
cp client/.env.example client/.env

# Windows PowerShell
Copy-Item client/.env.example client/.env

内容通常只需要：

# 同机 / 局域网访问时，通常不需要这一行
# VITE_API_BASE_URL=http://localhost:3000/api

2.3 模型供应商并不一定要写死在 env

当前项目已经支持在页面里配置模型相关设置：

• /settings 配置供应商 API Key、默认模型、连通性测试
• /settings/model-routes 给不同任务分配不同 provider / model
• /knowledge?tab=settings 配置 Embedding provider、Embedding model、集合命名和自动重建策略

所以环境变量里的 OPENAI_MODEL、DEEPSEEK_MODEL、EMBEDDING_MODEL 等，更适合当作：

• 启动默认值
• 数据库里还没保存设置时的回退值

3. 启动开发环境

pnpm dev

如果你已经复制好了 server/.env 和 client/.env，默认就是直接运行这一条。 不需要在首次启动前手动再执行 prisma generate、prisma db push 或 pnpm db:migrate。

默认情况下：

• 前端：http://localhost:5173
• 后端：http://localhost:3000
• API：http://localhost:3000/api

首次启动服务端时，会自动执行 Prisma generate 和 db push。 只有在你自己修改了 Prisma schema，或者要处理正式迁移流程时，才需要手动使用 Prisma / 数据库相关命令。

建议第一次启动后先做这几步：

1. 打开 http://localhost:5173/settings，至少配置一组可用的模型供应商 API Key
2. 打开 http://localhost:5173/settings/model-routes，检查各任务实际使用的模型路由
3. 如果要启用知识库，打开 http://localhost:5173/knowledge?tab=settings，保存 Embedding / Collection 设置

4. 如果你使用 Qdrant Cloud

如果你只是先体验主流程，其实可以先跳过 Qdrant，直接在 server/.env 里设：

RAG_ENABLED=false

如果你要启用 Qdrant Cloud，可以按下面的最小流程来：

1. 到 Qdrant Cloud 注册账号。
2. 在 Clusters 页面创建一个集群。 测试阶段用 Free cluster 就够了。
3. 集群创建完成后，到集群详情页复制 Cluster URL。
4. 在集群详情页的 API Keys 中创建并复制一个 Database API Key。 这个 key 创建后通常只展示一次，建议立即保存。
5. 把它们写入 server/.env：

QDRANT_URL=https://your-cluster.region.cloud.qdrant.io:6333
QDRANT_API_KEY=your_database_api_key

1. 启动项目后，再去 知识库 -> 向量设置 页面选择 Embedding provider / model，并保存集合设置。

对这个项目来说，QDRANT_URL 建议直接填 REST 地址，也就是带 :6333 的地址。

如果你想手动验证连通性，可以用：

curl -X GET "https://your-cluster.region.cloud.qdrant.io:6333" \
  --header "api-key: your_database_api_key"

你也可以把集群地址后面拼上 :6333/dashboard 打开 Qdrant Web UI。

Qdrant 官方文档：

• Create a Cluster
• Database Authentication in Qdrant Managed Cloud
• Cloud Quickstart

5. 可选初始化

下面这些都不是首次启动 pnpm dev 的前置步骤：

pnpm db:seed
pnpm db:studio

常用命令

```bash pnpm dev pnpm build pnpm typecheck pnpm lint

仅在你开发/调整 Prisma schema 时再手动使用

pnpm db:migrate pnpm db:seed pnpm db:studio pnpm --filter @ai-novel/server test pnpm --filter @ai