ExplosiveCoderflome/AI-Novel-Writing-Assistant

面向长篇小说创作的 AI Native 开源系统，用 Agent、世界观、写法引擎、RAG 和整本生产工作流，帮助新手从一句灵感走到完整小说。AI-native engine for end-to-end novel creation — from idea to full chapters, with structured planning, worldbuilding, and agent-driven workflows.

這是什麼

AI 小說寫作助手 是一個開源的全端應用程式，可協助你藉助大型語言模型撰寫完整的長篇小說。它不是一個簡單的「寫一句話，AI 接續」的聊天介面——它編排了一個多步驟的製作流程（規劃、世界觀建構、角色設定、章節生成、審閱、修復，甚至衍生漫畫／短劇創作）。系統的核心建立在 LangChain 和 LangGraph 代理之上，這些代理在 Express 後端中運行，而前端則是 React + Vite 用戶端。所有資料都儲存在本機 SQLite 資料庫中，並可透過 Qdrant 選擇性地進行向量搜尋，以支援 RAG（檢索增強生成）。

適合誰

受眾	為什麼重要
新手作家，有點子但不知道如何組織整本書	「自動導演」將單一種子句轉換為完整的書籍大綱、角色名冊和逐章計畫，讓使用者遵循引導式工作流程。
開發人員／AI 研究人員，對代理式工作流程、LangGraph 編排或 AI 原生產品設計感興趣	此儲存庫公開了完整的代理執行環境、模型路由、檢查點／復原邏輯和 RAG 整合——一個長鏈 AI 應用的具體範例。
內容創作者，想要從小說生成衍生漫畫或短劇劇本	內建的「衍生工坊」模組可將生成的章節轉換為視覺分鏡和劇本草稿。

核心功能（依 README 所述）

自動導演 – 從一句啟發性的句子開始；系統會提出多個完整的書籍方向、標題、世界觀建構和角色設定。使用者可以針對某個方向進行迭代，或接受它並進入寫作階段。
創意中心／代理執行環境 – 一個統一的 UI，可將自然語言意圖路由到適當的代理階段（規劃、工具呼叫、狀態卡片等）。
製作鏈 – 一個可暫停、可恢復的管道，串聯：
- 書籍層級框架 → 世界觀與角色準備 → 卷冊策略 → 章節節奏 → 章節生成 → AI 審閱 → 品質修復 → 狀態回填 → 下一章。
檢查點與復原 – 每個階段都會儲存其狀態；如果模型配額用完或發生錯誤，可以從最後一個檢查點恢復工作流程。
角色與世界觀資產庫 – 分層的角色設定（簡介 → 深入）和「世界觀手冊」，可在生成期間透過 RAG 查詢。
風格引擎與反 AI 規則 – 可重複使用的寫作風格資產，可在生成期間切換、組合和套用，以避免模板化的散文。
搭配 Qdrant 的 RAG – 書籍分析（拆書）和知識庫文件會索引到 Qdrant；嵌入會以去重方式儲存，並可擷取以提供後續章節參考。
衍生工坊 – 可選模組，用於從已完成的小說內容生成漫畫分鏡或短劇劇本。
桌面用戶端 – Windows 安裝程式（Setup.exe）和可攜式版本，便於快速啟動，另有 GitHub Pages 網站展示文件和示範。
多供應商模型路由 – 支援 OpenAI、DeepSeek、SiliconFlow、xAI 等；每個任務（規劃、生成、審閱、嵌入）都可指派不同的模型。
豐富的文件 – 超過 30 份 Markdown 文件，涵蓋安裝、常見問題、逐步小說創作、架構和復原指南。

如何開始（快速入門摘要）

先決條件 – Node 20.19 LTS（或更新版本）和 pnpm ≥ 10.6。
安裝 – pnpm install（後端和前端依賴；僅在執行桌面版時才會擷取 Electron 執行環境）。
設定 – 複製伺服器和用戶端的範例 .env 檔案，至少設定 DATABASE_URL（SQLite 開箱即用）和一個 LLM API 金鑰。
執行 – pnpm dev 會在 http://localhost:3000 啟動 Express API，並在 http://localhost:5173 啟動 React UI。
首次使用 – 開啟 UI，前往設定 → 新增你的模型 API 金鑰，然後輸入一句啟發性的句子開始新小說。
（選用）啟用 RAG – 設定 RAG_ENABLED=true，並提供 Qdrant Cloud URL／API 金鑰，以使用向量搜尋進行世界觀／知識檢索。

技術亮點

Monorepo，使用 pnpm workspaces 管理（client/、server/、shared/）。
後端：Express 5 + Prisma ORM（SQLite）+ Zod 進行驗證。
AI 編排：LangChain 用於 LLM 呼叫，LangGraph 用於多步驟代理圖和狀態管理。
前端：React 19、Vite、TanStack Query、Plate（富文字編輯器）——全部以 TypeScript 撰寫。
RAG 技術棧：Qdrant 向量資料庫、可設定的嵌入供應商、自動區塊雜湊以避免重複向量。
模型路由 UI – 專用的設定頁面可讓你隱藏／顯示個別供應商模型，並將它們指派給特定任務。
檢查點系統 – 每個管道階段都會將其輸出記錄到 SQLite 資料庫；UI 可從任何檢查點恢復，而不會遺失進度。

授權與貢獻

雙重授權：預設為 AGPL-3.0，另可從作者處取得商業 SaaS 授權。
歡迎透過 pull-request 貢獻；需要簽署 CLA。README 列出了清晰的貢獻指南和高影響力領域清單（製作鏈穩定性、新手入門、風格引擎、知識庫回填等）。

總結

如果你正在尋找一個研究級範例，了解如何將 LLM 代理串聯起來執行真實世界、長時間的創意任務，或者你只是想要一個工具，能將單一想法轉化為完成的小說（並可選漫畫／短劇衍生作品），這個儲存庫提供了一個完整、有文件且可執行的解決方案。