- 前期先全部采用icl/prompt_engineering的方法，基本机构构建后，后期采用sft方法
- 在这个架构里面有：writer, reminder, evaluator, revisor, controller, thinker（可能还会加）
- writer: 故事主笔，相比thinker，其更注重“写”
- reminder: 为writer记录故事大纲、人物设定、处理铺垫，以及writer向reminder提出查询细节后，返回writer特定内容的
- evaluator: 评估当前章节的生成优劣以及向reminder提出查询故事大纲、人物设定、处理铺垫的合理性检验
- revisor: 接收evaluator的评估结果，进行当前章节的润色
- thinker: 章节创意提供者，和writer交互，但是受到evaluator限制
- controller: 见下
- 为了处理100w+的超长上下文，我创新给出“小说的树折叠结构”---writing_tree，用一颗树来支配整部小说的章节内容，在writer生成一个章节后，reminder都会记录下故事大纲、人物设定、处理铺垫（发挥概括功能）作为一个新的叶子节点加入到writing_tree里面，并且根据writing_tree的controller评估，向上增加父节点进行分裂（类似于B+树）。在树的节点和节点之间，有链将人物情节连在一起，以展现其变化特征。
- 树上的每一个节点，都由"人物/背景/情节"三维组成，相互关联，reminder的访问，将会向controler访问。
novel-ai-system/
├── agents/ # 智能体核心模块
│ ├── writer/ # 写作者智能体
│ │ ├── writer.py # 主逻辑
│ │ ├── prompts/ # 提示词模板
│ │ │ ├── main.md # 主提示词
│ │ │ ├── action_scene.md # 动作场景模板
│ │ │ └── dialogue.md # 对话模板
│ │ └── utils.py # 专用工具函数
│ ├── reminder/ # 记忆管理智能体
│ │ ├── reminder.py
│ │ ├── prompts/
│ │ │ └── summary.md # 摘要生成提示词
│ │ └── memory_cache.py # 记忆缓存系统
│ ├── evaluator/ # 评估智能体
│ │ ├── evaluator.py
│ │ ├── metrics/ # 评估指标体系
│ │ │ ├── consistency.py # 一致性指标
│ │ │ └── engagement.py # 读者参与度指标
│ │ └── prompts/
│ │ └── evaluation.md
│ ├── revisor/ # 修订智能体
│ │ ├── revisor.py
│ │ └── prompts/
│ │ └── revision.md
│ ├── thinker/ # 创意生成智能体
│ │ ├── thinker.py
│ │ └── prompts/
│ │ ├── plot_twist.md # 情节转折模板
│ │ └── character_dev.md # 角色发展模板
│ └── controller/ # 树结构控制器
│ ├── controller.py
│ ├── tree_operations.py # 树操作专用方法
│ └── entropy_calculator.py # 叙事熵计算器
├── tree/ # 树结构核心模块
│ ├── tree.py # 树结构实现
│ ├── node.py # 树节点定义
│ ├── chain.py # 节点间关系链
│ ├── serialization.py # 树序列化/反序列化
| └── test_version/ # 树测试版本
├── fictions/ # 小说项目存储
│ └── <fiction_name>/ # 单部小说项目
│ ├── chapters/ # 章节存储
│ │ ├── chapter_001.md # 按章节存储
│ │ └── chapter_002.md
│ ├── current/ # 当前工作区
│ │ ├── draft.md # 当前草稿
│ │ └── feedback.json # 评估反馈
│ └── tree_data/ # 树结构数据库
│ ├── nodes/ # 节点数据(LevelDB)
│ ├── relations/ # 关系数据(LevelDB)
│ └── metadata.json # 树元数据
├── core/ # 核心系统模块
│ ├── orchestration.py # 工作流编排引擎
│ ├── state_manager.py # 状态管理器
│ └── api_client.py # 统一AI API客户端
├── config/ # 配置文件
│ ├── agents.yaml # 智能体配置
│ ├── tree_config.yaml # 树结构参数
│ └── api_keys.env # API密钥管理
├── tests/ # 测试套件
│ ├── unit/ # 单元测试
│ │ ├── test_tree_ops.py
│ │ └── test_agent_writer.py
│ └── integration/ # 集成测试
│ └── test_full_workflow.py
├── scripts/ # 实用脚本
│ ├── new_fiction.py # 创建新小说项目
│ ├── generate_chapter.py # 生成单章
│ └── visualize_tree.py # 树结构可视化
├── docs/ # 项目文档
│ ├── ARCHITECTURE.md # 系统架构说明
│ └── WORKFLOW.md # 工作流程详解
├── requirements.txt # Python依赖
├── .gitignore
└── main.py # 主入口
- coding with Deepseek-V3
- 完成
树测试版本。
针对目前AI难以处理超长文字处理（例如小说等），100w级别，我给出“树折叠结构”---writing_tree，用一颗树来支配所有内容，每次读入一个新的章节后，reminder都会记录下这段文字多维上面的描述，（假如是小说，就记录故事大纲、人物设定、处理铺垫）（发挥概括功能）作为一个新的叶子节点加入到writing_tree里面，并且根据writing_tree的controller评估，向上传递添加的内容，每上升一层，其概括的内容增加，如果父节点的存储大小超过设定大小，就对父节点进行分裂（类似于B+树），依次往上。在树的节点和节点之间，有链将相关信息连在一起，以展现其变化特征。 其中reminder和controller都是一个agent。