#430 行代码，让本地大模型替我写小说
先说结论：这个项目只有 6 个文件，430 行 Python，依赖只有 2 个包。
它能做什么？三条命令，从零生成一本小说：
python write.py new "苍穹之上" --genre xuanhuan --theme 修仙 --chapters 100
python write.py outline # 世界观 + 角色 + 100章大纲
python write.py write # 写下一章，3000字
没有前端，没有 API 服务器，没有数据库，没有 Docker。一个终端窗口搞定一切。
为什么这么少？因为第一版我做复杂了——多智能体协作、浏览器自动化发布、看板拖拽管理、FastAPI 后端、定时调度器。该有的都有。
然后我发现：80% 的功能我从来没用过。
真正每天在用的就三件事：创建小说、生成大纲、写章节。于是砍到只剩这三件事。
##项目长什么样
novel-lite/
├── config.yaml # Prompt 模板 + 模型配置
├── config.py # 读配置（25行）
├── ai.py # 调 Ollama（25行）
├── files.py # 文件读写（179行）
├── core.py # 核心逻辑（131行）
├── cli.py # 命令行入口（62行）
└── write.py # 启动入口（6行）
click to copy
六个文件，每个只做一件事。
write.pyclick to copy 只有 6 行，是个门面：
"""极简本地小说创作系统 - 入口点"""
from cli import main
if __name__ == "__main__":
main()
ai.pyclick to copy 只有 25 行，封装了 Ollama 调用：
def generate(prompt: str, context: str = "", retries: int = 3) -> str:
"""调用 Ollama 生成文本，带重试"""
full_prompt = f"{context}\n\n{prompt}" if context else prompt
for attempt in range(retries):
try:
response = ollama.chat(
model=CONFIG["model"],
messages=[{"role": "user", "content": full_prompt}],
options={"num_ctx": 4096}
)
return response["message"]["content"]
except Exception as e:
if attempt == retries - 1:
raise RuntimeError(f"Ollama 调用失败: {e}")
time.sleep(2 ** attempt)
指数退避重试，没了。不搞什么流式输出、多轮对话、上下文缓存。够用就好。
##创作流水线
三条命令，背后是四个步骤：
new ──→ novel.md（元信息）+ context.md（进度追踪）
│
outline ──→ 世界观 → 角色 → 大纲 ──→ outline.md
│
write ──→ 读大纲 + 读上下文 → 生成章节 → chapters/001-xxx.md
│ │
│ 自动生成摘要 → 更新 context.md
│
└──→ 下次 write 时带上最近5章摘要
click to copy
###第一步：new——创建小说
python write.py new "苍穹之上" --genre xuanhuan --theme 修仙 --chapters 100
生成两个文件。novel.mdclick to copy 存元信息，用 YAML front matter：
---
title: 苍穹之上
genre: xuanhuan
theme: 修仙
target_chapters: 100
words_per_chapter: 3000
model: deepseek-r1:7b
created: 2026-04-06
---
context.mdclick to copy 存进度，一开始几乎是空的：
# 上下文摘要
## 当前进度
- 已完成：0章
###第二步：outline——世界观 + 角色 + 大纲
这一条命令干了三件事，依次调用 Ollama：
世界观 → 写入 novel.md 的 ## 世界观 段
↓
角色 → 写入 novel.md 的 ## 角色 段
↓
大纲 → 写入 outline.md
click to copy
Prompt 设计得挺讲究。生成世界观的 Prompt 长这样：
# config.yaml
world: |
请为一部{genre}类型的小说创建世界观设定。
主题：{theme}
要求：
1. 修炼/能力体系（3-5个等级）
2. 世界背景（势力分布、历史背景）
3. 特色元素（2-3个独特的设定）
4. 字数：500-800字
角色的 Prompt 会把刚生成的世界观喂进去，大纲的 Prompt 会把世界观和角色都喂进去。每一步都站在前一步的肩膀上。
最终 outline.mdclick to copy 长这样：
# 大纲
## 第一卷 初入仙途
- 001. 灵脉觉醒
- 002. 拜入宗门
- 003. 外门试炼
...
## 第二卷 风起云涌
- 021. 秘境开启
- 022. 古老传承
...
分卷规划，每卷 20-30 章。主线清晰，起承转合。
###第三步：write——写章节
这是核心。每写一章，系统做四件事：
1. 读大纲，拿到当前章节标题
chapter_title = get_chapter_outline(chapter_num)
if not chapter_title:
raise ValueError(f"未找到第 {chapter_num} 章的大纲")
2. 组装 Prompt，带上上下文
prompt = CONFIG["prompts"]["chapter"].format(
context=read_context(), # 最近5章摘要 + 角色状态 + 伏笔
num=chapter_num,
title=chapter_title,
words=3000,
style="玄幻类型，修仙主题"
)
3. 调 Ollama 生成，写入文件
content = generate(prompt)
# 章节文件带 YAML front matter
write_file(
CHAPTERS_DIR / f"{chapter_num:03d}-{chapter_title[:10]}.md",
build_yaml_front_matter(meta) + f"\n# 第{chapter_num}章 {chapter_title}\n\n{content}"
)
4. 生成摘要，更新上下文
# 让 AI 用 200 字概括这一章
summary = generate(f"请用200字概括以下章节的剧情：\n{content[:2000]}")
# 滑动窗口：只保留最近 5 章
ctx["recent_summaries"] = (ctx["recent_summaries"] + [f"第{num}章：{summary}"])[-5:]
ctx["current_chapter"] = chapter_num
write_context(ctx)
##上下文管理：滑动窗口
大模型有上下文长度限制，100 章的小说不可能全塞进去。
我的方案很粗暴但有效——滑动窗口 + 自动摘要：
写第 50 章时的 context.md：
┌─────────────────────────────────────┐
│ 世界观设定（始终存在） │ ← novel.md 里的固定内容
│ 角色设定（始终存在） │
├─────────────────────────────────────┤
│ 第 46 章摘要（200字） │ ← 滑动窗口，只留最近 5 章
│ 第 47 章摘要（200字） │
│ 第 48 章摘要（200字） │
│ 第 49 章摘要（200字） │
├─────────────────────────────────────┤
│ 第 50 章大纲标题 │ ← 当前任务
└─────────────────────────────────────┘
click to copy
世界观和角色始终在上下文里（它们不会变），剧情摘要只保留最近 5 章。每次写完一章，AI 自动生成 200 字摘要，老的被挤出窗口。
核心就一行代码：
ctx["recent_summaries"] = (summaries + [new_summary])[-5:]
加上角色状态追踪和伏笔管理，context.mdclick to copy 还能记录：
## 角色状态
- 林凡：筑基中期，获得上古传承
- 苏婉儿：金丹初期，暗中守护
## 待埋伏笔
- 神秘老者的身份未揭示
- 天道碑碎片还有三块未找到
这样 AI 写新章节时不会忘记前面挖的坑。
##文件写入：原子操作
files.pyclick to copy 占了 179 行，是最大的模块，但做的事情很简单——安全地读写 Markdown 文件。
一个容易忽略的细节：文件写入是原子的。
def write_file(path: Path, content: str) -> None:
"""原子写入文件，带备份"""
if path.exists():
shutil.copy(path, Path(str(path) + ".bak")) # 先备份
tmp = Path(str(path) + ".tmp")
tmp.write_text(content, encoding="utf-8") # 写临时文件
tmp.rename(path) # 原子重命名
万一写到一半断电了？没关系，.bakclick to copy 文件还在。万一 .tmpclick to copy 写了一半挂了？原文件没动过，稳如磐石。
数据格式也很讲究。novel.mdclick to copy 用 YAML front matter 存元信息，正文用 Markdown 标题分段：
---
title: 苍穹之上
genre: xuanhuan
---
# 世界观
（AI 生成的世界观内容）
# 角色
（AI 生成的角色内容）
读写分离：parse_yaml_front_matterclick to copy 拆开头和正文，split("# 世界观")click to copy 提取各段。不需要数据库，不需要 JSON，一个 Markdown 文件全搞定。
##配置：YAML + 环境变量
config.yamlclick to copy 存两样东西：模型参数和 Prompt 模板。
model: deepseek-r1:7b
timeout: 300
prompts:
world: |
请为一部{genre}类型的小说创建世界观设定...
character: |
基于以下世界观，创建小说角色：{world}...
outline: |
基于以下设定，生成小说大纲：{world} {characters}...
chapter: |
{context} 第{num}章：{title}...
想换模型？改一行 YAML，或者设个环境变量：
if os.getenv("OLLAMA_MODEL"):
config["model"] = os.getenv("OLLAMA_MODEL")
Prompt 模板用 Python 的 str.format()click to copy 占位符。不搞 Jinja2，不搞模板引擎。{genre}click to copy、{world}click to copy、{characters}click to copy，够清楚。
##为什么不用云端大模型？
三个原因，按重要性排序：
隐私第一。你的世界观、角色设定、剧情走向——这是你最有价值的东西。送进云端 API，就是送进别人的训练数据。本地模型，数据不出本机。
成本第二。100 章小说，每章 3000 字，生成、摘要、世界观、角色、大纲加起来要调几百次 API。按 token 计费，一本书几百块。本地模型跑在自己的 GPU 上，电费忽略不计。
可控第三。模型在你自己的电脑上。想停就停，想换就换，断网也能用。不用担心 API 限速、服务下线、价格翻倍。
| 模型 | 显存 | 质量 | 推荐场景 |
|---|---|---|---|
| deepseek-r1:7b | 8GB | 不错 | 日常创作，性价比之王 |
| qwen2.5:14b | 16GB | 很好 | 追求质量 |
| deepseek-r1:32b | 24GB | 优秀 | 显卡好的话闭眼选 |
##依赖只有两个
ollama>=0.1.0
pyyaml>=6.0
click to copy
ollamaclick to copy 调本地大模型，pyyamlclick to copy 解析配置和 front matter。
没有 FastAPI，没有 Playwright，没有 APScheduler，没有 React，没有 zustand，没有 dnd-kit。
第一版有 20 多个依赖。现在只需要 2 个。
##跑起来
# 1. 装 Ollama，拉模型
ollama pull deepseek-r1:7b
# 2. 装依赖
pip install ollama pyyaml
# 3. 开写
cd novel-lite
python write.py new "我的小说" --genre xuanhuan --theme 修仙
python write.py outline
python write.py write
python write.py write
python write.py write
...
没有 conda 环境要创建，没有 environment.ymlclick to copy，没有 npm installclick to copy。两个 pip 包，一个 Ollama，完事。
##最后
这个项目的第一版有前端看板、API 后端、浏览器自动化、定时调度——该有的都有。
然后我砍掉了 80%。
留下的 20% 是真正每天在用的。创建小说，生成大纲，写章节。没了。
config.yamlclick to copy 里的四个 Prompt 模板才是这个项目真正的核心。世界观怎么描述、角色怎么生成、大纲怎么规划、章节怎么写——这些决定了 AI 输出的质量。代码只是把这些 Prompt 按正确的顺序喂给 Ollama，然后把结果存成 Markdown 文件。
430 行代码做的事很简单：把人的创意变成结构化的 Prompt，把 AI 的输出变成结构化的文件。
复杂的事情发生在模型内部，不在代码里。
"Perfection is achieved not when there is nothing more to add, but when there is nothing left to take away."
——Antoine de Saint-Exupery