AI-Novel-Writing-Assistant

起点：一个想法，如何变成一本 30 万字的小说？

想象这样一个场景：你坐在电脑前，脑子里突然冒出一个念头——"如果有一对双胞胎在末世城市里开了一家书店呢？"这个念头闪了一下，然后消失了，因为你知道写小说太难了。列大纲、建世界观、设计人物、控制风格、保持前后一致……光是想想就让人打退堂鼓。

AI-Novel-Writing-Assistant 想要解决的就是这个问题。它不是那种"你写一句、AI 补一句"的聊天工具，而是一个"从灵感直达整本小说"的 AI Native 生产系统。无论你是完全不懂写作的新手，还是想探索 AI 与创作边界的开发者，这个项目都值得认真看一眼。

背景：为什么长篇小说才是 AI 写作的真正考验？

短文生成已经相当成熟——写一首诗、一段文案、一封邮件，AI 做得有模有样。但长篇小说完全是另一个量级的挑战：

• 世界观一致性：第 1 章提到某座城市的物价水平，到第 80 章不能自相矛盾
• 角色一致性：人物的性格、语言风格、决策逻辑要贯穿始终
• 风格一致性：叙事口吻、场景描写密度、对话风格不能忽高忽低
• 剧情逻辑：前后情节要能自洽，伏笔要能回收

这些问题靠一次性 Prompt 根本解决不了，必须有一个"系统"来跟踪状态、管理上下文、持续做质量控制。AI-Novel-Writing-Assistant 的出现，正是这个方向的探索。

核心理念：AI 不是"补全工具"，而是"创作导演"

项目作者对产品的核心判断非常清晰：AI 在这个系统里不是一个补全文本的模型，而是参与规划、判断、调度、执行和追踪的系统角色。

整个过程像是一场由 AI 担任导演的创作流水线。你从一句模糊灵感开始，系统帮你把整本书"拍"出来。

图1：小说列表界面，支持多本书并行创作管理

系统具备六个核心模块：

AI 自动导演：用户输入一句灵感，AI 自动生成多套整本方向方案，配套书名组和推荐理由。支持三种推进方式（按阶段审核、自动推进到可开写、自动执行前10章），中途可检查点恢复和换模型重试。

Creative Hub：统一承载对话、规划、工具执行和创作推进的创作中枢，包含 Planner、Tool Registry、Runtime、审批节点、状态卡片和中断恢复链路。

整本生产主链：从结构化规划、章节目录和资产准备状态出发，启动整本写作任务，持续查看当前阶段、失败原因和下一步建议。

图2：章节执行界面，实时查看写作状态、阶段和修复建议

写法引擎与本书世界：让 AI 真正理解"这本书该怎么写"

写法引擎是这个项目的独特之处。它不再只是提示词里的一段说明文字，而是可以保存、编辑、绑定、试写和复用的长期资产。可以从现有文本里提取写法特征，并把原文样本一起保存，后续写作直接调用。提取出来的特征会沉淀成可见特征池，写法规则同步重编译，便于试写、修正和整本绑定。

本书世界系统：世界观已不只是大段设定文本，而是有结构的世界骨架——世界观 → 世界手册 → 规则 → 势力 → 地点 → 关系 → 冲突入口。拆书结果和知识库文档可以回灌到规划、续写和正文生成，系统按当前章节任务、角色和冲突检索相关上下文。

事实账本（2026-06-09 更新）：彻底修复正文即兴写出的硬设定无法跨章保持一致的问题。章节定稿时自动抽取关键硬事实并写入事实账本，下一章生成时即可读到真实前文，从根本上消除"第5章私下交易被第20章改写成公务流程"这类跨章矛盾。

图3：流派管理界面，管理可复用的写作风格资产

技术架构：LangGraph Agent 工作流 + Monorepo 分层设计

从代码层面看，这是一个技术含量相当高的项目：

层级	技术选型	作用
前端	React + Vite + TypeScript + Tailwind + Plate 编辑器	响应式 Web UI
后端	Express + Prisma + SQLite	数据持久化
AI 引擎	LangChain + LangGraph	Agent 状态机编排
向量库	Qdrant	RAG 知识检索
构建	pnpm workspace (Monorepo)	统一管理 client/server/shared/desktop
桌面版	Electron	Windows 独立安装包

LangGraph 是架构核心：传统的 LangChain Chain 是线性流程，而 LangGraph 支持有向图结构，让 Agent 可以在规划节点、审批节点、执行节点之间自由跳转、循环和回退。这正是创作工作流所需要的——写作不是线性流水线，而是一个需要反复修改、调整方向的过程。

多模型路由：支持 OpenAI、DeepSeek、SiliconFlow、xAI 等多提供商，规划、正文、审阅链路可以按路由拆开配置，不同阶段用不同的模型优化成本。

图4：故事宏观规划界面，将长篇拆分为可推进的结构

上手体验：从灵感到首章需要几步？

Windows 桌面版（推荐新手）：直接下载 Setup.exe 安装版或 portable 版本，无需配置 Node.js 环境。

源码部署（适合开发者）：需要 Node.js >= 20 + pnpm >= 10.6.0，提供 Dockerfile.api + Dockerfile.web 双阶段构建，Nginx 静态托管前端。

典型工作流：输入灵感 → AI 自动导演选方向 → 项目设定（题材、卖点、前30章承诺）→ 故事宏观规划（书级引导层）→ 角色准备 → 卷战略/卷骨架 → 节奏/拆章 → 章节执行 → 整本批量推进。

图5：卷战略界面，将整本书拆解为可管理的卷级结构

图6：正文修改界面，支持精细化内容调整

局限与风险

AI 生成质量不确定性：生成的文字质量高度依赖底层模型能力，不同模型生成的小说风格差距可能很大。目前没有针对生成内容的自动评分或质量基准。

国产模型支持不完整：不支持月之暗面、通义千问、智谱 GLM 等国产大模型，对于中文小说创作场景，国产模型是很重要的选项，目前需要用户自行扩展。

数据库扩展门槛：默认 SQLite 可快速启动，但完整体验 RAG 需要额外部署 Qdrant 向量数据库，非技术用户有一定配置成本。

长篇一致性边界：事实账本解决了硬设定问题，但角色情感弧线、叙事语调、主题深化等软性维度的一致性仍依赖 AI 模型理解能力，长篇后期可能逐渐暴露问题。

行业意义

这个项目代表了一个重要方向：AI 不只是写作助手，而是整个创作流程的组织者。

从行业角度看，它的价值体现在几个层面：

• 对 AI 爱好者：提供了一个可以"从零开始完整写完一本书"的可视化工具，打破了"AI 只能写短文"的刻板印象
• 对 AI 开发者：展示了 LangGraph 工作流在真实创作业务中的落地方式，代码结构值得参考
• 对内容产业：如果长篇小说可以由 AI 辅助稳定生产，对网文平台、自出版、IP 改编产业链都会产生连锁影响

从 GitHub 数据看（1618 Stars），项目目前处于早期成长期，核心功能链路已经跑通，对于关注 AI Native Product 的开发者来说，是一个值得持续跟踪的项目。

---

本报告基于 GitHub 公开信息生成，图片均来自项目仓库 README。报告生成时间：2026-06-13。