Skip to content

shenminglinyi/PlotPilot

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

1,212 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

PlotPilot(墨枢)

PlotPilot 墨枢

开源叙事引擎内核

长篇 AI 创作的基础设施基石 — 持久记忆 · 知识图谱 · 自动推进流水线 · 可扩展生态

Python Vue FastAPI Release Stars License


工作台 — 写作区与知识图谱 工作台 — 故事线 DAG 与人物设定


这是什么

PlotPilot 是一个叙事引擎内核(Narrative Engine Kernel),不是聊天式写作助手。

大多数 AI 写作工具解决的是"生成一段文字"的问题。PlotPilot 解决的是一个更难的工程问题:

如何让 AI 系统在数十万字的叙事跨度里,维持人物一致性、因果链完整性、伏笔闭合率,并在无人值守的条件下持续推进?

这不是提示词优化问题,而是系统工程问题。PlotPilot 的答案是:构建一套完整的叙事状态管理基础设施,让 LLM 只做它最擅长的事——在结构化上下文的约束下生成高质量文本,其余的全部由引擎接管。

本仓库是这套基础设施的开源内核。上层生态(垂直应用、编辑器插件、云服务)均以此为基石构建。


内核架构

PlotPilot 内核由五个相互协作的子系统构成:

1. 叙事状态机(Narrative State Machine)

引擎在任意时刻都持有完整的叙事快照,包含:

  • Story Bible:人物档案(含 POV 防火墙、登场频率调度)、地点图、世界设定三元组
  • 章级摘要链:每章生成后自动提炼的压缩摘要,构成跨章上下文骨架
  • 叙事事件流:关键事件的时序登记表,支持因果链追溯
  • 故事线 DAG:多故事线的有向无环图,可视化分支与汇合点
  • 伏笔注册表:钩子(Hook)的开启、悬置、消费状态完整追踪

任何一次章节生成,引擎都会从上述快照中动态装配上下文窗口,而非依赖模型自身的"记忆"。

2. 向量语义检索层(Vector Retrieval Layer)

引擎维护两条并行索引:

  • 章内容索引:基于 FAISS / ChromaDB 的本地向量库,对所有已写章节做语义切片索引
  • 三元组索引:从正文中自动抽取的 (主体, 关系, 客体) 三元组,支持结构化与语义混合查询

生成时,引擎通过当前场景语义自动召回相关历史内容,注入上下文,消除"模型失忆"问题。嵌入服务支持 OpenAI 兼容 API(轻量)和本地 sentence-transformers(离线/高性能)两种模式。

3. 自动驾驶守护进程(Autopilot Daemon)

这是引擎最核心的系统组件。守护进程以阶段状态机的方式推进整部小说的生成:

宏观规划(部 / 卷 / 幕结构)
    └─▶ 幕级节拍规划(Beat Sheet 生成)
            └─▶ 章节生成循环
                    ├─▶ 上下文装配
                    ├─▶ LLM 调用(流式)
                    ├─▶ 章末管线(摘要 / 事件 / 三元组 / 伏笔)
                    ├─▶ 向量索引更新
                    ├─▶ 张力评分 & 文风检测
                    └─▶ [人工审阅节点] → 继续 / 重写 / 中止

关键工程特性:

  • 熔断保护:连续失败超过阈值自动暂停,附带诊断信息
  • 单写者路由(Write Dispatch):所有 SQLite 写操作经由统一调度器串行执行,消除并发写冲突
  • SSE 实时推流:生成进度、Token 消耗、当前阶段、错误信息全部通过 Server-Sent Events 实时推送到前端
  • 检查点快照:阶段推进前自动存档,支持从任意检查点恢复

4. 提示词策略层(Prompt Strategy Layer)

引擎暴露 20+ 独立提示接点,每个接点均可通过 prompt_packages/ 下的 YAML 配置文件独立覆写:

接点类型 包含接点
规划类 planning-main-plot-suggest · planning-quick-macro
生成类 scene-director · chapter-narrative-sync
知识类 bible-all · bible-characters · bible-locations · bible-worldbuilding
分析类 style-analysis · tension-analysis-diagnosis

每个提示包支持独立配置:系统提示、声线锚点、节拍约束、字数层级、记忆铁律、模型参数(temperature / top_p / max_tokens)。切换任务类型(短篇 / 超长篇 / 剧本 / 标书)只需替换提示包,引擎逻辑不变。

5. 质量监控子系统(Quality Monitor)

引擎内置叙事质量的量化监控,不依赖人工逐章审阅:

  • 张力心电图:每章生成后计算张力评分(0–10),历史曲线持久化,低谷自动触发诊断
  • 文风相似度检测:基于向量余弦相似度计算当前章节与风格基准的偏离程度
  • 漂移告警 + 定向修写:偏离超过阈值时,引擎不回滚章节,而是触发定向修写任务,保留已有进度
  • 陈词滥调扫描:规则库 + 语义相似度双重检测,标记高频套路表达

内核与生态

PlotPilot 内核(本仓库)
        │
        ├── 叙事状态机
        ├── 向量语义检索层
        ├── 自动驾驶守护进程
        ├── 提示词策略层(20+ 接点)
        └── 质量监控子系统
                │
                ▼
        REST API(FastAPI · v1 · 版本化)
                │
        ┌───────┴──────────────────────┐
        │                              │
  官方工作台前端               生态扩展层(基于内核)
  Vue 3 · TypeScript           ├── 垂直领域工具
  Naive UI · ECharts            │   (剧本/游戏剧情/IP 衍生……)
  Tauri 桌面客户端              ├── 第三方前端 / 编辑器插件
                                ├── 自定义提示词包
                                └── 云服务 / SaaS(需遵守许可证)

内核提供稳定的 REST API 边界;所有生态扩展均通过提示词包、工作流插件或上层应用的方式叠加能力,内核本身不感知。如果你在用内核做二创,欢迎各位大佬私信主播加入生态团队!


技术选型说明

技术 选型理由
后端框架 FastAPI + uvicorn 原生异步 + 自动 OpenAPI 文档,SSE 支持开箱即用
架构范式 DDD 四层(domain / application / infrastructure / interfaces) 领域逻辑与技术实现严格隔离,生态扩展不污染内核
AI 接入 OpenAI 兼容协议 / Anthropic Claude / 火山方舟 Doubao 统一接口抽象,模型切换不改业务代码
向量存储 ChromaDB(默认)/ FAISS 本地部署,零外部依赖,冷启动快
嵌入模型 OpenAI 兼容 API / 本地 bge-small-zh-v1.5 在线轻量与离线高性能双模式
主数据库 SQLite + Write Dispatch 单写者路由 嵌入式零依赖,并发写冲突由调度层解决
前端 Vue 3 + TypeScript + Vite + Naive UI + ECharts 组件类型安全,知识图谱与 DAG 可视化由 ECharts 驱动
桌面客户端 Tauri(Rust) 比 Electron 内存占用低 80%+,原生系统集成

快速开始

方式一:一键启动(Windows,无需安装 Python)

  1. python-3.11.9-embed-amd64.zip 放入 tools/ 目录(仅首次)
  2. 双击 tools/plotpilot.bat

启动器自动完成:环境自检 → 创建虚拟环境 → 安装依赖(自动切换国内镜像源)→ 启动服务 → 打开浏览器。后续启动直接双击。

支持 tools\plotpilot.bat pack 打包整个项目分享给他人,对方双击即用。

方式二:桌面安装版(Windows · Tauri)

前往 GitHub Releases 下载最新安装包,内含冻结后端,无需单独安装 Python。

构建流程见 docs/BUILD_INSTALLER.md


开发者文档

环境要求:Python 3.9+、Node.js 18+

# 后端 — Windows
python -m venv .venv && .venv\Scripts\activate
pip install -r requirements.txt
copy .env.example .env    # 填写 LLM 凭证
uvicorn interfaces.main:app --host 127.0.0.1 --port 8005 --reload
# 后端 — Linux / macOS
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
uvicorn interfaces.main:app --host 127.0.0.1 --port 8005 --reload
# 前端(另开终端)
cd frontend && npm install && npm run dev
地址 说明
http://127.0.0.1:8005 后端 API
http://127.0.0.1:8005/docs OpenAPI 交互文档
http://localhost:3000 前端开发服务器

生产构建后前端由 FastAPI 静态托管(frontend/dist),也可独立部署。


环境变量

变量 说明
ANTHROPIC_API_KEY / ARK_API_KEY 至少配置一个 LLM 凭证
EMBEDDING_SERVICE openai(默认)或 local(需额外安装模型,见 requirements-local.txt
CORS_ORIGINS 生产环境前端域名,逗号分隔
DISABLE_AUTO_DAEMON 设为 1 禁止启动时自动拉起守护进程
LOG_LEVEL / LOG_FILE 日志级别与路径

完整说明见 .env.example


架构目录

(项目根目录)/
├── domain/                 # 领域层 — 核心业务逻辑,零外部依赖
│   ├── novel/             # 小说聚合根、章节实体、故事线、伏笔注册表
│   ├── bible/             # 设定库聚合根、人物(POV 防火墙)、地点、时间线
│   ├── knowledge/         # 知识三元组、故事知识图
│   ├── ai/                # LLM 服务接口定义、提示词值对象、Token 统计
│   └── shared/            # 共享内核(基类、异常、领域事件)
│
├── application/           # 应用层 — 用例编排,协调 domain 与 infrastructure
│   ├── engine/            # AI 生成服务、自动驾驶守护进程、上下文装配器
│   ├── blueprint/         # 宏观规划(部-卷-幕)、幕级规划(Beat Sheet)
│   ├── world/             # Bible 管理、知识图谱构建、人物关系图
│   ├── audit/             # 章节审阅、宏观重构、陈词滥调扫描
│   ├── analyst/           # 文风分析、张力分析、漂移检测
│   └── workflows/         # 工作流编排(章后管线、检查点快照)
│
├── infrastructure/        # 基础设施层 — 技术实现,可替换
│   ├── ai/                # LLM 客户端、ChromaDB/FAISS 向量存储、嵌入服务
│   └── persistence/       # SQLite 仓储实现、Write Dispatch 单写者调度器
│
└── interfaces/            # 接口层 — 外部边界
    └── api/v1/            # REST API(FastAPI),按子域分路由
        ├── core/          # 小说 / 章节 CRUD
        ├── engine/        # 生成 / 自动驾驶 / SSE 推流
        ├── world/         # Bible / 知识图谱
        ├── blueprint/     # 规划
        ├── audit/         # 审阅
        └── analyst/       # 分析

完整设计与分层说明见 docs/ARCHITECTURE.md


测试

pytest tests/ -v
# 含覆盖率报告
pytest tests/ --cov=. --cov-report=term-missing

贡献指南

  1. Fork 本仓库
  2. 新建分支:git checkout -b feat/your-feature
  3. 提交信息建议遵循 Conventional Commits
  4. 推送并发起 Pull Request

架构与分层说明见 docs/ARCHITECTURE.md;其余文档索引见 docs/README.md


加入我们

引擎在持续演进,我们也在寻找对叙事工程感兴趣的同行。

当前关注方向:内核引擎研发、生态应用构建、提示词工程、前端工作台

如果你对"用工程化手段解决创作问题"这件事感兴趣,欢迎来直播间转一圈,大概就能判断这个项目的调性:

  • 抖音:搜索直播间 91472902104(每晚约 21:00 随缘开播)
  • 联系方式:直播间私信附简历即可

许可证

本项目采用 Apache License 2.0,并附加 Commons Clause 条件限制。

  • 允许:学习、修改、非商业内部部署、基于内核的生态扩展(非营利)
  • 禁止:将本项目(含修改版)封装为收费 SaaS、打包售卖源码或作为收费产品的增值服务

详见 LICENSE


Star History

Star History Chart

About

【墨枢】作者的领航员

Resources

License

Stars

Watchers

Forks

Packages

 
 
 

Contributors