Gemini Writing Agent：让AI自主创作小说的实验性工具

当写作遇到AI：一个小团队的创作困境

2025年初，一位独立开发者 Doriandarko 在深夜里陷入了困境：他正在创作一部长篇科幻小说，但灵感断断续续，每次重新提笔都要花大量时间回顾前面的情节。更糟糕的是，每当故事写到关键转折点，思路就像被卡住了一样再也推进不下去。

他尝试过各种 AI 写作辅助工具——让 ChatGPT 生成情节大纲、用 Claude 润色段落文字——但这些工具都有一个共同的局限：它们只能被动响应你的指令，无法主动推进一个需要300页以上、贯穿多条故事线的长篇叙事。你需要不断告诉AI"接下来该怎么写"，这个过程本身就打断了创作的心流状态。

于是他写了一个 Python 脚本，让 Gemini 3 Flash 成为真正的"写作代理"——不仅能理解用户的创作意图，还能自主规划章节、创建文件、管理上下文，在长达百万 token 的创作空间中持续推进故事。

这个脚本，就是 Gemini Writing Agent。

核心设计：ReAct 模式的自主写作循环

Gemini Writing Agent 的本质是一个基于 ReAct（Reasoning + Acting）模式的自主代理系统，与 AutoGPT、Claude Code 等知名代理框架一脉相承。但它将代理能力聚焦在一个垂直场景：长篇创意写作。

项目的核心文件结构非常精简：writer.py 是主程序入口，utils.py 负责工具定义和令牌估算，tools/ 目录下是三个核心工具的实现——文件创建、Markdown 写入、上下文压缩。

整个代理运行循环的设计值得玩味：

用户输入提示词
    ↓
Gemini Thinking Mode 推理（"我需要先做什么？"）
    ↓
决定调用工具 → create_project / write_file / compress_context
    ↓
执行工具 → 创建文件夹 / 写入Markdown / 压缩对话历史
    ↓
将工具结果反馈给模型 → 继续推理下一步
    ↓
（循环迭代，最多300轮）

这种设计背后的洞察是：写作是一个需要大量中间状态管理的任务。AI不仅要生成文字，还要记住已经写了什么、当前在哪个章节、还剩多少创作空间——而这些状态都需要通过外部工具来维护，而不是全部塞进 prompt。

百万 token 上下文窗口：用空间换深度

Gemini Writing Agent 充分利用了 Gemini 1M token 的超大上下文窗口，这是一个非常大胆的设计决策。

项目将压缩阈值设置为 90 万 token，这意味着在触发压缩之前，AI可以"看到"几乎整部小说的全部内容——包括每个章节的细节、人物的性格变化、埋下的伏笔是否回收。这种能力在传统 Transformer 架构中是不可想象的，因为 4K/8K/32K 的上下文窗口根本无法容纳一部长篇小说的全部信息。

上下文压缩工具的实现也颇为精巧。它不会简单地截断早期对话，而是调用 Gemini 本身对历史内容进行摘要，生成一个压缩版上下文文件，其中保留了关键情节节点、人物设定和未解悬念。这样即使在写作进行到中后期，AI依然对故事全局有清晰认知。

创作格式支持：小说、书籍、短篇集

项目支持三种创作格式：长篇小说、单本书籍、短篇小说集。这三种格式在生成逻辑上有细微差异——短篇集需要 AI 在多个相对独立的故事之间保持风格一致性，而长篇小说则需要更强的跨章节情节连贯性。

Recovery Mode（恢复模式）则体现了对长周期创作场景的深刻理解：当脚本意外中断（比如终端崩溃、关机），用户可以通过 --recover 参数加载之前保存的上下文摘要文件，从中断处继续创作，而不需要重新开始。

技术栈：极简但不简陋

项目依赖非常精简：仅 google-genai（Gemini 官方 SDK）、httpx（HTTP 客户端）和 python-dotenv（环境变量管理）。这种极简主义选择让项目安装过程异常顺畅——一条 uv pip install -r requirements.txt 即可完成所有依赖安装。

核心模型使用 gemini-3-flash-preview，这是 Google 在 2025 年初发布的预览版本，支持 Thinking Mode（思考模式）。Thinking Mode 允许模型在生成正式回复之前先生成内部推理链，这对需要复杂规划的写作任务尤为重要——AI可以在"内心独白"中梳理情节逻辑，确认逻辑自洽后再输出文字。

代码质量方面，虽然项目只有约 500 行 Python 代码，但模块划分清晰、注释完整、类型提示充分，体现了开发者良好的工程习惯。唯一的缺憾是完全没有测试套件（requirements.txt 中没有任何测试依赖），这也是当前版本的一个明显短板。

部署体验：零门槛的本地运行

作为一个纯命令行工具，Gemini Writing Agent 的部署体验极为简洁：

环境要求： Python 3.10+、一个有效的 Gemini API Key。无需 GPU、无需 Docker、不需要任何服务器资源——它就是一个在你本地终端运行的脚本。

安装步骤： 复制 .env.example 为 .env，填入 GEMINI_API_KEY（从 Google AI Studio 获取），运行 uv pip install -r requirements.txt，完成。全程不超过 3 分钟。

使用方式： 直接 python writer.py "你的创作指令" 或进入交互模式输入提示词。对于有经验的用户来说，上手几乎是零门槛的。

局限之处： 没有 Web UI，对于不熟悉命令行的用户有一定门槛。另外由于纯本地运行，每个用户的 API 调用成本由自己承担（Gemini API 按 token 计费），长篇小说的创作可能产生可观的 API 费用。

AI创作工具的新范式

Gemini Writing Agent 的出现，折射出 AI 应用正在从"工具"向"代理"演进的趋势。传统的 AI 写作辅助是"你说我做"的单次交互模式，而自主代理则意味着 AI 能够在给定目标后自主规划、执行、调整——这实际上是向真正的"AI写作者"迈进了一步。

这个项目虽然代码量不大，但它是少数几个真正将 Agent 能力用于创意写作而非代码生成的实验性项目之一。它的意义不在于最终产出的文学作品质量（这取决于模型能力），而在于验证了一种可能性：AI不仅能辅助人类写作，还能独立承担长周期、复杂规划的创作任务。

随着 Gemini、Claude 等模型的上下文窗口持续扩大、推理能力不断增强，这类工具的能力上限也将水涨船高。如果你对 AI 创作有浓厚兴趣，这个项目是一个值得研究源码、亲手实验的优秀起点。