XSun Novel Factory - AI驱动的智能小说创作平台

Git地址

项目概述

XSun Novel Factory 是一个基于 AI 技术的智能小说创作平台，利用 LangGraph、GraphRAG、向量数据库和大语言模型技术，实现自动化小说创作流程。项目采用微服务架构，分为三个核心服务：

1. Java App - 主应用服务，负责业务逻辑、LangGraph 工作流编排和 AI 代理协调
2. GraphRAG Neo4j - 知识图谱服务，用于存储和查询小说中的实体关系
3. Milvus Store - 向量存储服务，用于语义检索和相似性匹配

架构设计

核心功能

1. 小说创作流程方案

基于 LangGraph 的完整小说创作流程包括以下几个关键步骤：

1.1 参考资料维护

• Milvus 维护写作资源：存储小说、作品、写作理论类型的书籍
• 支持多种文档类型：story（故事）、technique（技巧）、notes（笔记）、world_setting（世界观设定）
• 为后续创作提供丰富的参考素材

1.2 小说创建流程

• 指定类型：用户指定小说类型（如玄幻、都市、科幻等）
• Milvus 检索：指定需要查询的参考文献，AI 生成写大纲相关问题，交由 Milvus 做相似度检索
• 生成大纲：获取检索结果 TopK，结合检索结果生成大纲，返回给用户确认

1.3 大纲确认机制

• 用户确认生成的大纲（yes/no）
• yes：确认大纲并进入写作阶段
• no：重新生成大纲

1.4 章节写作流程

• GraphRAG 一致性检查：章节写完后首先交由 GraphRAG 做全局一致性检查
• 审核机制：审核不通过重写，审核通过给前端用户确认
• 用户确认：用户确认（yes/no）
  • yes：入库并进入下一章
  • no：打回重写，重复上述写章节流程

1.5 章节完成判断

• 卷/书完结判断：AI 需要判断是否为某卷完结或本书最后一章
• 章节总结生成：
  • 若是本卷最后一章：结合之前的章节总结，生成该卷总结
  • 若是本书最后一章：完结整个作品
• 阶段性总结：每10章生成一个临时总结，用于后续创作参考

1.6 人物关系管理

• 写作依据：章节写之前查询上章需出现人物的 GraphRAG 人物关系图表
• 知识图谱更新：章节审核通过后交由 GraphRAG 进行入库，返回人物关系图表用于下一章创作

1.7 上下文管理

• 上下文携带：新章节写作时携带人物关系图表、最近一次总结、最近3章内容
• 连贯性保障：确保长期创作的连贯性和一致性

2. LangGraph 工作流节点

工作流节点

• Init Node: 初始化小说项目，生成基本框架和设定
• Retrieve References Node: 检索 Milvus 中的参考资料
• Generate Outline Node: 基于参考生成小说大纲
• Confirm Outline Node: 等待用户确认大纲
• Generate Chapter Node: 生成章节草稿
• Check Consistency Node: 使用 GraphRAG 进行一致性检查
• Review Node: 质量审查
• Confirm Chapter Node: 等待用户确认章节
• Publish Node: 发布章节
• Update Graph Node: 更新知识图谱
• Check Completion Node: 检查是否为卷末/书末
• Summarize Node: 生成章节总结
• Check Milestone Node: 检查是否需要阶段性总结

工作流状态

• novelId: 小说唯一标识符
• chapterNo: 当前章节编号
• createdBy: 创建者标识
• draftId: 草稿ID
• reviewId: 审查记录ID
• decision: 审查决策
• chapterId: 正式章节ID
• chapterVersion: 章节版本号
• outboxEventId: 出箱事件ID
• outlineConfirmed: 大纲是否确认
• consistencyPassed: 一致性检查是否通过
• chapterConfirmed: 章节是否确认
• completionStatus: 完结状态（CONTINUE/VOLUME_END/BOOK_END）
• needsMilestoneSummary: 是否需要里程碑总结

3. AI 代理系统

内容生成代理 (Content Generation Agent)

• 利用大语言模型生成高质量小说章节内容
• 基于前期章节内容、人物关系图谱和大纲指导创作
• 维护故事连贯性和人物一致性
• 结合 Milvus 检索的相关信息进行创作

质量审查代理 (Quality Review Agent)

• 自动审查生成内容的质量
• 检查连贯性、风格一致性和剧情一致性
• 集成 GraphRAG 进行逻辑错误检测
• 提供修改建议和审查报告

4. 知识图谱服务 (GraphRAG)

接口功能

• /graph/extract: 从章节内容中提取实体和关系并存入 Neo4j

  • 支持提取人物、地点、组织、事件等实体
  • 建立实体间的关系网络

• /graph/query: 查询知识图谱信息

  • 支持人物查询（character）- 查询人物及其关系
  • 支持地点查询（location）- 查询地点信息
  • 支持组织查询（organization）- 查询组织信息
  • 支持时间线查询（timeline）- 查询章节时间线事件

• /graph/check-logic: 检查新章节内容是否存在逻辑错误

  • 基于已有知识图谱检测逻辑矛盾
  • 确保人物关系、事件时间线的一致性

5. 向量存储服务 (Milvus Store)

接口功能

• /health: 检查服务健康状态

  • 返回 Milvus 连接状态、集合信息等

• /works/upload: 上传作品文档到向量库

  • 支持多种文档类型：story（故事）、technique（技巧）、notes（笔记）、world_setting（世界观设定）
  • 自动分块处理大文档
  • 生成向量嵌入并存储

• /rag/retrieve: 执行 RAG 检索

  • 基于语义相似性检索相关内容
  • 支持多种过滤条件（作品ID、类型、标签等）

数据模型

核心实体

• Novel: 小说主表，存储作品的基本信息
• Chapter: 正式章节表，存储审核通过的章节内容
• ChapterDraft: 章节草稿表，存储创作过程中的草稿
• ChapterReview: 章节审查记录表，存储审查历史和证据
• OutboxEvent: 出箱事件表，用于可靠异步通知 GraphRAG
• Summary: 总结表，存储章节和卷的总结信息

审查证据来源

• Chroma 命中片段: 向量检索发现的相关内容
• GraphRAG 发现: 知识图谱中发现的实体关系和逻辑矛盾

集成接口

Feign 客户端

• GraphRagClient: 与 GraphRAG 服务通信
• MilvusStoreClient: 与 Milvus 向量存储服务通信

配置参数

# GraphRAG 知识图谱服务配置
graph:
  rag:
    service:
      url: http://127.0.0.1:8000

# Milvus 向量存储服务配置  
milvus:
  store:
    service:
      url: http://127.0.0.1:8001

小说创作流程详解

1. 初始化阶段:

   • 创建新的小说项目
   • 生成基础设定和大纲

2. 参考资料检索阶段:

   • 从 Milvus 检索相关写作理论和参考小说
   • 为大纲生成提供素材

3. 大纲生成与确认阶段:

   • AI 结合检索结果生成小说大纲
   • 用户确认大纲后进入写作阶段

4. 章节写作阶段:

   • 基于前期内容和人物关系图谱生成章节
   • 每章完成后进行一致性检查和质量审查
   • 用户确认后发布章节

5. 知识图谱更新阶段:

   • 章节发布后更新 GraphRAG 知识图谱
   • 维护人物关系和事件关系

6. 阶段性总结阶段:

   • 每10章生成阶段性总结
   • 卷末生成卷总结
   • 书末完结作品

技术栈

• Java App: Spring Boot, LangGraph4j, LangChain4j, MyBatis-Plus, OpenFeign
• GraphRAG: FastAPI, Neo4j, OpenAI API
• Milvus Store: FastAPI, Milvus, Sentence Transformers
• 前端: Vue.js (可选)

部署说明

环境要求

• Java 21+
• Maven 3.8+
• Docker (用于运行 Neo4j 和 Milvus)
• Python 3.9+ (用于运行 Python 服务)

部署步骤

1. 启动 Java 应用:

   cd java_app
   mvn spring-boot:run
   

2. 启动 GraphRAG 服务:

   cd graph_rag_neo4j
   python3.13 -m venv venv
   source ./venv/bin/activate
   pip install -r requirements.txt
   nohup python3.13 -m uvicorn app.main:app --host 0.0.0.0 --port 8000 > graph_rag_neo4j.log 2>&1 &
   

3. 启动 Milvus Store 服务:

   cd milvus_store
   python3.13 -m venv venv
   source ./venv/bin/activate
   pip install -r requirements.txt
   nohup python3.13 -m uvicorn app.main:app --host 0.0.0.0 --port 8001 > milvus_store.log 2>&1 &
   

## API 示例

### 基础 API
#### 创建新小说
```bash
curl -X POST "http://localhost:8080/novel/init"

生成并审查章节

curl -X POST "http://localhost:8080/novel/{novelId}/chapter/{chapterNo}/run?createdBy=user"

完整创作流程 API

创建小说（完整流程）

curl -X POST "http://localhost:8080/novel-workflow/create-full" \
  -H "Content-Type: application/json" \
  -d '{
    "novelType": "玄幻",
    "referenceNovelId": "ref_novel_001",
    "referenceNovelStyle": "东方玄幻，修仙题材"
  }'

写作章节（带完整检查流程）

curl -X POST "http://localhost:8080/novel-workflow/{novelId}/chapter/{chapterNo}/write-full?createdBy=user"

优势特性

1. 智能创作: 利用 AI 模型生成高质量内容
2. 质量保证: 多层次质量审查机制，包括 AI 审查和用户确认
3. 一致性维护: GraphRAG 确保故事连贯性，Milvus 提供语义参考
4. 可扩展性: 微服务架构，易于扩展
5. 自动化流程: LangGraph 实现全自动化工作流
6. 语义检索: 向量存储支持智能内容检索
7. 用户参与: 关键节点提供用户确认机制
8. 长期连贯: 阶段性总结确保长篇创作的一致性

应用场景

• 自动生成长篇小说内容
• 辅助作家进行创作
• 游戏剧情生成
• 个性化故事定制
• 内容审核和质量评估