RecurrentGPT
RecurrentGPT 是一款专为生成长篇文本设计的开源交互工具,灵感源自循环神经网络(RNN)与长短期记忆网络(LSTM)的机制。它巧妙地将传统模型中的向量状态替换为自然语言段落,利用提示工程模拟递归过程,从而突破大语言模型在生成长文时容易遗忘上下文或逻辑断裂的瓶颈。
该工具通过维护“长期记忆”和“短期记忆”来解决长文本生成的连贯性问题。长期记忆存储已生成段落的摘要并支持语义检索,短期记忆则实时更新近期关键信息。在每一步生成中,RecurrentGPT 结合当前内容、后续计划及双重记忆,引导大模型输出新段落并自动更新记忆库,实现任意长度故事的流畅创作。
RecurrentGPT 特别适合小说创作者、互动叙事设计师以及希望探索长文本生成技术的研究人员。它不仅支持全自动生成,还允许人类作者介入选择剧情走向或修改大纲,实现了灵活的人机协作写作模式。其独特的技术亮点在于将深度学习架构思想转化为基于自然语言的提示策略,无需重新训练模型即可显著提升长文逻辑性。用户既可直接使用在线演示体验写作助手功能,也可通过简单配置在本地部署,甚至适配开源大模型进行定制化开发。
使用场景
一位科幻作家正试图创作一部篇幅长达十万字的星际探险小说,但在构思中期剧情时陷入了逻辑混乱和灵感枯竭的困境。
没有 RecurrentGPT 时
- 长文记忆丢失:传统大模型受限于上下文窗口,写到第 20 章时已完全遗忘第 1 章埋下的伏笔,导致前后设定矛盾。
- 剧情连贯性差:缺乏有效的长短期记忆机制,生成的段落之间逻辑跳跃,需要人工花费大量时间手动修补剧情断层。
- 互动协作僵化:作者只能被动接受一次性生成的内容,无法在写作过程中灵活介入,实时调整后续大纲或修正角色走向。
- 维护成本高昂:为了保持故事一致性,作者必须自行维护庞大的外部笔记文档,并在每次生成前手动复制粘贴背景信息,效率极低。
使用 RecurrentGPT 后
- 无限篇幅记忆:RecurrentGPT 利用自然语言构建的长期记忆库,自动存储并检索所有章节摘要,确保十万字后的剧情仍能精准呼应开篇细节。
- 逻辑自动闭环:通过模拟 LSTM 机制,工具在每一步都结合短期近期情节与长期背景生成内容,使故事发展流畅自然,大幅减少逻辑漏洞。
- 人机灵活共写:作者可随时干预生成过程,选择满意的剧情分支或自定义下一步大纲,RecurrentGPT 随即基于新指令继续创作,实现真正的交互式写作。
- 自动化状态管理:工具自动更新长短期记忆摘要,无需人工整理笔记,让作者能专注于创意本身而非繁琐的信息同步工作。
RecurrentGPT 通过将大模型转化为具备“记忆”的创作者伙伴,彻底解决了长文本生成中的遗忘与断层难题,让交互式长篇创作成为现实。
运行环境要求
- Linux
- macOS
- Windows
- 非必需(基于 OpenAI API 运行,无需本地 GPU
- 若使用自定义本地 LLM 部署则需参考相关仓库需求)
未说明

快速开始
循环GPT
[📄 论文] | [🤗 演示 - 写作助手] | [🤗 演示 - 互动小说] | [📺 视频] | [🔥 Discord]
框架说明
循环GPT用自然语言(即段落文本)替代了长短期记忆网络(LSTM)中的向量化元素(如细胞状态、隐藏状态、输入和输出),并通过提示工程模拟递归机制。
在每个时间步t,循环GPT接收一段文本以及下一段的简要计划,这两者均在步骤t−1生成。随后,它会调用长期记忆——其中包含所有先前生成段落的摘要,并可存储于硬盘上——并通过语义搜索检索相关段落。
循环GPT还维护一个短期记忆,以自然语言总结最近几个时间步内的关键信息,并在每个时间步更新。循环GPT将上述所有输入整合到一个提示中,请求基础大模型生成新的段落、下一段的简短计划,并通过改写短期记忆以及将输出段落的摘要追加到长期记忆中来更新长短期记忆。
示例
部署
您可以修改recurrent.sh脚本中的配置:
iteration: 10 #(int) 您希望运行的轮次数。
outfile: response.txt #(str) 输出文件路径。
init_prompt: init_prompt.json #(str) 初始化所用提示的路径。
topic: 外星人 #(str) 您希望小说围绕的主题。
type: 科幻 #(str) 您想创作的小说类型。
然后,在recurrent.sh文件中设置您的OPENAI_API_KEY后,即可运行:
sh recurrent.sh
注意:如果您的本地网络无法访问OpenAI的API,您可能还需要在recurrent.sh文件中导出HTTP代理:
export http_proxy='your_proxy'
展示案例
提示工程
迭代过程
人类作者首先选择写作主题,并撰写一段简短的文字描述背景及全书大纲。随后,循环GPT会自动生成前几段,并提供若干选项供作者继续故事。作者可从中选择一条进行编辑,或在自动生成的计划都不合适时,自行编写接下来几段的简要规划,从而使人机协作写作过程更加灵活。
网页演示
您可以直接使用我们的在线演示: https://www.aiwaves.org/recurrentgpt 和 https://www.aiwaves.org/interactivefiction
或者,您也可以在本地机器上运行:编辑utils.py中的OPENAI_API_KEY和OPENAI_Proxy,然后运行:
python gradio_server.py

使用自定义LLM进行本地部署
请参考https://github.com/jackaduma/Recurrent-LLM,以使用开源LLM进行本地部署。非常感谢@jackaduma。
引用
@misc{zhou2023recurrentgpt,
title={循环GPT:交互式生成任意长度文本},
author={周旺春树、蒋雨辰·埃莉诺、崔鹏、王天南、肖振新、侯一凡、瑞安·科特雷尔、姆林玛亚·萨昌},
year={2023},
eprint={2305.13304},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器