《Python大模型趣味实战》NO5:构建智能体如此容易-400行代码搭建一个24小时不间断写小说的AI机器人

构建智能体如此容易-400行代码搭建一个24小时不间断写小说的AI机器人

摘要

本文介绍了如何使用Python和Tkinter结合本地大语言模型（LLM）构建一个全自动小说创作AI机器人。这个应用仅用不到400行代码就实现了从创意生成到自动写作的全流程，可以24小时不间断地创作小说。文章详细讲解了关键技术点、代码实现以及解决各种挑战的技巧，最后展望了未来可能的发展方向。无论你是AI爱好者还是Python开发者，都能从中获取有价值的经验和灵感。
完整代码见文章末尾。

生成小说片段示例

南宋末年的京城汴梁，朝局纷争不断。宰相赵鼎忠心耿耿辅佐幼主，却屡遭奸佞秦桧的排挤打压。翁蒙之，一位年轻英俊且武艺高强的护卫，自小便在赵府长大，与赵家子女情同手足。他敏锐地察觉到朝廷中暗流涌动，那股欲加害赵鼎全家的气息日益浓烈。翁蒙之每日穿梭于赵府与朝堂之间，暗中打探消息。这日清晨，他刚从秦桧的官邸归来，神色凝重。府中的小厮见状，纷纷猜测是否又有新的变故。

“今日在相府议事时，我注意到秦大人对幼主提及‘三月之约’。”翁蒙之心生警觉，匆匆走进赵鼎书房，将所见所闻细细道来，“此话甚是玄妙，似有深意。”

赵鼎听罢，沉思片刻：“那便是三月初三，在先皇驾崩百日之时……”他望向翁蒙之，眼中闪过一丝忧色。“秦相此举，莫不是欲借机除去忠臣？”

翁蒙之心领神会，“我已探得消息，此次‘三月之约’恐不只是祭奠仪式这般简单。秦桧欲在那日邀您前往郊外亭台，或有密谋。”

赵鼎点头：“看来是时候提前筹谋了。”他握紧茶杯，“蒙之啊，你平日里便多加留意，若有什么异样，务必第一时间告知我。”

翁蒙之应声离去，心中暗下决心。他知道，这场关乎赵府存亡的棋局，已在悄然间拉开帷幕。翁蒙之离开赵府后，并未直接回自己的住处。他沿着汴梁蜿蜒的街道疾步而行，目光如炬，似在搜寻着什么。沿途行人匆忙穿梭，却难掩京城笼罩下的不安氛围。他来到城郊一座酒肆前停下脚步，在这家常来光顾的小店里，有一位老友是秦府中的厨子，与他素有交情。

翁蒙之推门而入，店内弥漫着酒香和热菜的香气。店小二一见是他，连忙笑着招呼：“公子好！”

“给我一碗温酒。”翁蒙之坐在靠窗的位置，目光投向忙碌的后厨。“老李呢？今日怎么不见他。”

不一会儿，一位瘦削、精明的老者探头出来，正是老李。老李一眼认出翁蒙之，眼中闪过一丝惊喜，“翁公子来了啊！许久未见了。”说罢便端着酒壶过来为他斟上一杯。

“近日城中风声鹤唳，老友你还好？”翁蒙之一饮而尽杯中美酒。

老李将酒壶放下，在桌上坐下。“还算安好。只是秦府上下皆小心翼翼，近来又添了不少新面孔，都是些不熟悉的人。”

翁蒙之心中一动：“可有什么可疑之处？”

老李轻声说道，“前几日见府中一位新人频繁出入书房和后院，尤其在夜间。我虽不敢多问，却也听闻那人在秦大人面前颇受重用。”翁蒙之微微蹙眉，“此人可有来历？莫非是秦桧新收的亲信？”他轻抿一口温酒，目光深邃。

老李摇摇头：“听说是他远房侄子，名叫秦佑。据说此人善于察言观色，处事圆滑。不过我总觉得……”他稍作停顿，“这人心思不似常人。”

翁蒙之心中一凛，若真有此人在暗中助力，秦桧的布局更加深不可测。“老友你可曾听闻秦佑夜间往来的方向？是否都与赵府有关？” 

老李沉吟片刻：“确实有几个夜晚，见他行色匆匆向西而去。那方向正是通往赵府所在的官道。”

翁蒙之顿时心生疑惑，“莫不是他在暗中联络赵鼎？此人来头不小。”他起身踱步，若有所思。

“公子可是察觉什么？”老李望着他的背影问道。

翁蒙之停步片刻：“我料秦佑与赵府往来甚密，或是试探，或是挑拨。这日夜晚，你不妨再留意几分。”

老李点头，“明日一早，我会将所见告知于你。” 

翁蒙之转身离去，在月光下身影渐远。他心中盘算着下一步的对策：若秦佑确为赵府使者，则赵鼎或已有所察觉；若是挑拨离间，则需谨慎应对。无论何种情形，皆不可掉以轻心。翁蒙之回到赵府时已是月上梢头。他径直来到赵鼎书房，将老李提供的信息详尽道来。赵鼎听后沉思良久：“秦佑夜间频访赵府……看来这局棋并非表面那般简单。”他站起身踱步于窗前，“秦桧此举，或是试探我等虚实，或是欲借此人之力分化我们。”

翁蒙之点头赞同：“大人所言极是。若是挑拨离间，秦佑或许正是最佳人选。此人善于察言观色，行事谨慎，在秦府中颇受信赖；但若与赵府暗通款曲，则更显高明。”他稍作停顿，“我料那夜秦佑所去之处，必有所图。”

“蒙之你说得不错。”赵鼎点头。“此人心机深沉，不似寻常之人。莫不是秦桧故意派此人来试探我们与幼主的关系？”

翁蒙之心念一动：“大人若有意确认此事，不妨让令郎前往郊游时暗中相约秦佑。如此既可探知对方真实意图，又不失礼数。”

赵鼎眸光微亮：“此计甚好。”他微微一笑，“不过还需谨慎行事，莫让人察觉破绽。”

翁蒙之领命而出，心中已然有了计划。“明日一早我便前往郊外与秦佑相约。既在亭台间相会，便让他知晓赵府并非易与。”

次日清晨，天色微明，翁蒙之带着几个随从来到郊外亭台附近。此处是幼主和众臣议政的常选之地，背靠青山、前临湖水，风景绝佳。他选了一处隐蔽之所稍作停留，静候秦佑到来。

不一会儿，一个身着青衫的年轻人缓步而来，正是秦佑。他见四周无人注意，便朝着翁蒙之藏身之处行礼道：“公子可是来赴约？”

翁蒙之现身微笑：“果然是聪明人。”他走上前，二人在亭下相对而立。“听闻秦大人欲邀赵府郊游，不知是何缘由？”秦佑微微一笑，目光如炬：“公子此言差矣。相爷邀赵府郊游，实则是为了与幼主商讨‘三月之约’的具体事宜。”他轻摇折扇，“这日于亭台间叙谈，既显诚意，又不失礼数，何乐而不为？”

翁蒙之闻言心中一动：“如此说来，秦大人确有意借祭奠之机与赵相商议大事。不过，公子可有闻及那‘三月之约’的具体内容？”

秦佑从容答道：“三月初三郊游之时，幼主将与众臣共赏先皇百日祭礼，并在亭台间叙谈国事。相爷欲借此机会与赵府交换条件，或许能解朝廷纷争。”

翁蒙之微微点头：“公子所言极是。然而，秦大人此举究竟意在试探？还是别有用心？”他目光深邃，“是否已有所图，却未明说？”

秦佑轻抚折扇，略显思索：“此事或真如赵府所疑，秦相欲借机挑拨幼主与忠臣之谊。但公子可曾想过，若赵府能化解成见，未必不可携手共济？”

翁蒙之心念一动：“公子此言颇有深意。莫非秦佑已窥得朝廷暗潮？”

秦佑浅笑：“公子聪慧，确是如此。”他望向湖水，“幼主年少志远，若能化解赵府与秦府之嫌隙，或可使天下共济。”

翁蒙之目光闪烁：“那公子以为如何，方能使双方信之不疑？”

秦佑略一沉吟：“三月初三于亭台间相会之时，何不让令郎暗中携宝物前往，以表诚意。如此既显忠诚，又不失体面，幼主与赵府或能共商国是。”

翁蒙之点头赞许：“公子所言极妙。”他稍作停顿，“不过秦佑还需小心提防，莫让人察觉破绽。”

秦佑笑道：“公子放心，我自有安排。三月初三午时，令郎可携宝物前来亭台相会，幼主与赵府或能共商国是。”

翁蒙之微笑致谢：“多谢公子提醒。”他转身离去，“既为试探，则需谨慎行事；若有机缘，亦不可错过。”翁蒙之离去后，秦佑微微一笑，转身走向亭台深处。他轻声自语：“幼主年少志远，若能化解赵府与秦府之嫌隙，或可使天下共济。”然而，他的目光中闪过一丝不易察觉的忧色。

自动输出小说文件（generated_novels文件夹）

引言

随着大语言模型的快速发展，AI创作已经不再是科幻小说中的场景。特别是开源大模型的出现，让个人开发者也能够构建强大的AI应用。本文将展示如何使用不到400行Python代码，结合本地运行的大语言模型，构建一个可以全自动、连续不断地创作小说的AI机器人。

核心知识点和代码实现

1. 系统架构

这个AI小说创作系统由以下几个核心组件构成：

• UI界面：使用Tkinter构建直观的用户界面
• 本地LLM调用：通过API调用本地部署的大语言模型
• （其中1个生成模型用于生成提示词；1个推理模型用于写作内容）
• 两个模型通过ollama下载，其中qwq是32B模型，笔者的GPU是16G显存，专业的DELL图形工作站，对电脑配置要求较高，建议如果电脑配置一般可以换 ollama run deepseek-r1(7b)，系统GPU至少4G显存。
• ollama pull qwq:latest
• ollama pull huihui_ai/qwen2.5-1m-abliterated:14b
• 自动创意生成：自动生成多样化的小说创作需求
• 连续创作机制：实现不间断的创作循环
• 自动保存功能：将创作结果自动保存为txt文件

2. 界面设计

界面使用Tkinter库构建，主要包含以下部分：

# 创建主窗口和容器
root = tk.Tk()
root.title("长篇小说写作助手")
root.geometry("1000x800")

# 创建输入区域（写作要求和目标字数）
prompt_entry = tk.Text(prompt_container, width=50, height=3, font=('Microsoft YaHei UI', 10))
word_count_entry = tk.Entry(word_count_frame, width=10)

# 控制按钮区域
generate_button = tk.Button(button_frame, text="开始生成", command=generate_text)
stop_button = tk.Button(button_frame, text="停止生成", command=stop_generation)
auto_generate_button = tk.Button(button_frame, text="自动生成", command=toggle_auto_generate)

# 输出显示区域
output_text = scrolledtext.ScrolledText(output_frame, wrap=tk.WORD, width=100, height=30)

整个界面采用分区设计，直观易用，通过状态标签提供实时反馈。

3. 与本地大模型的交互

系统通过HTTP API与本地部署的OLLAMA大语言模型进行交互，支持流式响应：

def generate_user_prompt():
    try:
        api_url = 'http://localhost:11434/api/generate'
        prompt = '''你是一个创意写作专家，请生成一个有趣的小说写作要求...'''
        
        request_data = {
            "model": model_name,
            "prompt": prompt,
            "temperature": 0.9,
            "stream": False
        }
        
        response = requests.post(api_url, json=request_data, timeout=30)
        result = response.json()
        new_prompt = result.get('response', '').strip()
        
        # 更新提示词输入框
        prompt_entry.delete("1.0", tk.END)
        prompt_entry.insert("1.0", new_prompt)
        
        return True
    except Exception as e:
        update_status(f"生成写作要求时出错：{str(e)}")
        return False

对于小说内容的生成，使用流式响应处理，实现实时显示生成内容：

# 处理流式响应
for line in response.iter_lines():
    if not is_generating:
        break
        
    if line:
        data = json.loads(line.decode('utf-8'))
        text_chunk = data.get('response', '')
        output_text.insert(tk.END, text_chunk)
        output_text.see(tk.END)  # 自动滚动到最新内容
        root.update_idletasks()  # 更新UI
        new_content += text_chunk

4. 自动创作循环

系统的核心特点是实现了全自动创作循环，包含以下步骤：

1. 自动生成创意写作需求
2. 基于需求生成小说内容
3. 达到目标字数后自动保存
4. 重新调用大模型生成新的创意需求并开始下一篇

关键代码：

# 自动生成的处理函数
def auto_generate():
    global is_auto_generating
    is_auto_generating = True
    auto_generate_button.config(text="停止自动生成")
    
    # 开始第一轮生成
    if generate_user_prompt():
        generate_text()

# 保存内容并继续循环
def save_content_to_file():
    # ...保存文件代码...
    
    # 如果是自动生成模式，则继续生成下一个故事
    if is_auto_generating:
        root.after(2000, lambda: continue_auto_generate())

# 继续自动生成的方法
def continue_auto_generate():
    if is_auto_generating and not is_generating:
        if generate_user_prompt():
            generate_text()

5. 多线程处理

为了保持UI的响应性，文本生成过程在单独的线程中执行：

def generate_text():
    global is_generating
    is_generating = True
    
    # 开始定期更新状态
    periodic_status_update()
    
    # 创建一个新线程来执行生成过程
    thread = threading.Thread(target=generate_text_thread)
    thread.daemon = True
    thread.start()

疑难点技巧

1. 处理流式响应

与传统的一次性返回不同，流式响应需要特殊处理。我们采用迭代处理响应行的方式，逐步更新界面：

for line in response.iter_lines():
    if line:
        data = json.loads(line.decode('utf-8'))
        text_chunk = data.get('response', '')
        output_text.insert(tk.END, text_chunk)
        output_text.see(tk.END)

2. 非阻塞UI更新

为了避免在生成过程中UI冻结，我们采用了以下策略：

• 使用多线程分离UI和生成过程
• 定期更新UI而不是连续更新
• 使用root.update_idletasks()确保UI响应性

def periodic_status_update():
    if is_generating:
        word_count = len(re.findall(r'[\u4e00-\u9fff]', generated_content)) + len(re.findall(r'\b[a-zA-Z]+\b', generated_content))
        update_status(f"正在生成中...当前已生成约{word_count}字")
        update_timer = root.after(500, periodic_status_update)

3. 优雅的停止机制

在AI生成过程中，实现优雅的停止是一个挑战。我们设计了多层次的检查机制：

# 停止生成的函数
def stop_generation():
    global is_generating
    is_generating = False
    update_status("用户已停止生成")

# 在生成过程中多处检查停止标志
if not is_generating:
    break

4. 字数统计的精确性

为了准确计算中英文混合文本的字数，我们使用正则表达式分别统计：

def is_writing_complete(content, target_word_count):
    # 计算中文字符数（每个中文字符算一个字）
    chinese_chars = re.findall(r'[\u4e00-\u9fff]', content)
    # 计算英文单词数（假设英文单词由空格分隔）
    english_words = re.findall(r'\b[a-zA-Z]+\b', content)
    
    # 总字数 = 中文字符数 + 英文单词数
    total_words = len(chinese_chars) + len(english_words)
    
    return total_words >= target_word_count

总结与未来展望

这个项目展示了如何用少量代码构建一个功能强大的AI创作工具。关键成功因素：

1. 简洁而强大的架构：分离UI和业务逻辑
2. 灵活的大模型调用：通过API接口可以轻松切换不同模型
3. 自动化创作循环：实现了从创意生成到写作完成的闭环

未来可能的改进方向包括：

1. 多模型集成：支持多种大语言模型并进行结果比较
2. 风格定制：允许用户选择不同的写作风格和流派
3. 内容编辑：增加人工干预和编辑功能
4. 记忆增强：为长篇创作增加更好的上下文管理
5. 导出多格式：支持多种格式如epub、docx等
6. 质量评估：增加自动评估生成内容质量的功能

结语

这个项目证明，借助现代AI技术和简洁的Python代码，构建具有创造力的AI智能体已经变得异常简单。通过400行代码，我们创建了一个可以持续创作的小说机器人，为AI辅助创作开辟了新的可能性。无论你是希望提高创作效率的作家，还是对AI应用感兴趣的开发者，这个项目都提供了宝贵的参考和起点。

你可以在GitHub上找到完整代码，欢迎下载、使用和改进这个项目，共同探索AI创作的无限可能。
完整代码及部署方法见Github代码仓链接