gpt-author

GitHub
2.5k 352 简单 1 次阅读 1周前MIT语言模型图像Agent
AI 解读 由 AI 自动生成,仅供参考

gpt-author 是一款能够自动创作完整奇幻小说的开源 AI 工具。用户只需提供一个初始创意和期望的章节数量,它便能联动 GPT-4、Stable Diffusion 及 Anthropic API,在几分钟内生成包含封面插图在内的整部作品,并直接输出适配电子阅读器的 EPUB 格式文件。

该工具主要解决了长篇内容创作中构思剧情、保持上下文连贯性以及排版制作门槛高等痛点,将原本耗时数周的写作过程压缩至片刻,且成本极低(例如生成一部 15 章的小说仅需约 4 美元)。其独特之处在于采用了一套严谨的自动化工作流:从生成多个剧情方案中优选最佳构思,到细化大纲、分章撰写时动态参考前文内容,最后自动生成封面并打包成书。近期更新还引入了 Claude 3 模型版本,进一步提升了叙事质量并简化了代码逻辑。

gpt-author 非常适合希望探索 AI 创意写作潜力的普通用户、需要快速生成故事原型的网文作者,以及想要研究多模型协作流程的开发者。项目提供了 Google Colab 云端运行和本地部署两种方式,支持自定义写作风格与题材,让用户能轻松体验从灵感到成书的全流程自动化魅力。

使用场景

一位独立内容创作者希望在周末快速推出一部原创奇幻小说,以测试新构思的“现代科技 + 魔法”题材在市场中的反响。

没有 gpt-author 时

  • 创作周期漫长:从零开始构思大纲、撰写 15 个章节并打磨文风,通常需要数周甚至数月,无法快速验证创意。
  • 多工具协作繁琐:需分别使用写作软件、绘图工具生成封面,再手动排版制作 EPUB 文件,流程割裂且易出错。
  • 外包成本高昂:若委托代写或设计,单本小说的成本往往高达数千美元,远超个人试错预算。
  • 连贯性难以维持:人工写作中容易出现前后剧情矛盾或风格不统一,反复修改消耗大量精力。

使用 gpt-author 后

  • 分钟级成书:只需输入“类似哈利波特但融入现代科技”的提示词,gpt-author 即可在几分钟内自动生成完整的 20 章小说。
  • 全流程自动化:工具自动完成情节规划、章节撰写、封面绘制(调用 Stable Diffusion)及 EPUB 打包,一键输出可直接上架的电子书。
  • 极致低成本:生成一部高质量长篇小说的 API 成本低至 4 美元,让个人创作者能以极小代价进行市场测试。
  • 剧情逻辑严密:基于 GPT-4 和 Claude 3 的链式调用,gpt-author 能自动回顾前文内容,确保长篇故事的情节连贯与风格一致。

gpt-author 将传统需要数月协作的小说出版流程压缩为几分钟的自动化操作,让创意验证的门槛降至历史最低。

运行环境要求

操作系统
  • 未说明
GPU

不需要本地 GPU(基于 API 调用)

内存

未说明

依赖
notes该工具主要通过调用外部 API(GPT-4, Stable Diffusion, Anthropic Claude)运行,无需本地部署大模型或高性能显卡。支持在 Google Colab 云端环境或本地 Jupyter Notebook 中运行。本地运行需安装指定依赖库并配置相应的 API Key。建议章节数不少于 7 章以避免生成问题。
python未说明
openai
ebooklib
requests
gpt-author hero image

快速开始

gpt-author

该项目利用 GPT-4、Stable Diffusion 和 Anthropic API 的串联调用,生成一部原创奇幻小说。用户只需提供初始提示,并指定希望的小说章节数,AI 就会自动生成整部小说,并导出为兼容电子书阅读器的 EPUB 文件。

一部 15 章的小说,制作成本低至 4 美元,且仅需几分钟即可完成写作。

新增 2024 年 4 月 2 日:Claude 3 版本

我添加了一个全新的 gpt-author 版本,充分利用了 Anthropic 的 Claude 3 模型。这个版本代码和规划都更加简单,但写出的小说质量却远超以往。请尝试使用仓库中的 Claude_Author.ipynb 笔记本来体验吧!


本仓库中提供了一些由原始(已过时)系统生成的小说示例。要阅读其中任意一本,您可以下载其文件,在 https://www.fviewer.com/view-epub 上查看,或将它安装到您的 Kindle 等设备上。

工作原理

首先,AI 会根据给定的提示生成一系列潜在的情节大纲。随后,它会选择最具吸引力的情节,对其进行优化,并提取一个标题。接着,AI 会基于选定的情节生成包含指定章节数的详细故事线,并进一步优化该故事线。之后,AI 会按照情节发展,结合前几章的内容,逐章撰写每一章节的内容。最后,AI 会生成封面设计的提示并创作封面图。所有内容整合完成后,整部小说将被编译成 EPUB 格式文件。

使用方法

您可以在 Google Colab 中运行该项目的最新版本,或在本地 Jupyter 笔记本中运行(建议使用 gpt_author_v2.ipynb 以获得最佳效果)!

在 Google Colab 中,只需打开笔记本,填入您的 API 密钥,然后按顺序运行各个单元格即可。

如果您使用的是本地 Jupyter 笔记本,则需要先安装必要的依赖项。您可以通过在终端中运行以下命令来完成安装:

pip install openai ebooklib requests

在笔记本的最后一部分,您可以自定义小说的提示词和章节数。例如:

prompt = "氛围类似于《波西·杰克逊》或《哈利·波特》,但剧情完全不同。故事设定在现代。加入一些科技元素。"
num_chapters = 20
writing_style = "清晰易懂,类似青少年小说风格。描写细腻,有时略显冗长。"
novel, title, chapters, chapter_titles = write_fantasy_novel(prompt, num_chapters, writing_style)

这将根据给定的提示生成一部包含 20 章的小说。请注意——如果指定的章节数少于 7 章,可能会出现一些问题。

贡献

欢迎提交贡献、报告问题或提出功能需求!

一些初步的想法:

  • 修改代码,使其仅使用 GPT-3.5-Turbo、GPT-3.5-Turbo-16k 或 Claude Instant 模型运行(可能需要对早期章节进行一定程度的压缩或摘要,以避免在生成后续章节时耗尽 token)。
  • 改进首章的生成机制——首章写得越好,整部小说的质量就越高。
  • 优化提示词的设计,因为当前的提示词编写较为仓促。
  • 在每个步骤中增加更多的检查和优化迭代,进一步提升生成效果。
  • 在生成优化内容之前,先让模型识别出可以添加到提示词中的改进点,这样有望显著提升整体表现。
  • 扩展功能,不仅限于奇幻题材,允许用户生成其他类型的小说。
  • 修复导致部分章节提前截断的问题。

许可证

本项目采用 MIT 许可证 开放源代码。

联系方式

Matt Shumer - @mattshumer_

项目链接:https://github.com/mshumer/gpt-author/

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

349.3k|★★★☆☆|1周前
Agent开发框架图像

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。

162.1k|★★★☆☆|1周前
开发框架图像Agent

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

160k|★★☆☆☆|今天
开发框架Agent语言模型

opencode

OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信

144.3k|★☆☆☆☆|2天前
Agent插件

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。

109.2k|★★☆☆☆|今天
开发框架图像Agent

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。

100.8k|★★☆☆☆|1周前
插件Agent图像