AI 时代，把想法变成产品的门槛大幅降低了。 但门槛降低不等于消失——你仍然需要想清楚Zuo什么、为谁Zuo、Zuo成什么样。我Zui近尝试了一个挑战，用Claude Code，不写一行代码，从零开始构建一个AI小说分析系统。这并非易事，而是一个充满惊喜和反思的过程。

Zui初的灵感与痛点

我相信每个追长篇网文的读者dou被这个问题折磨过：追《凡人修仙传》，读了几十章放下几个月再拿起来满脑子dou是“这人谁来着”、“南宫婉和那个妖女是什么关系”、“这个宗门之前出现过吗”。 长篇小说创作周期漫长,容易陷入创作疲劳.通过深入分析创作痛点,我们发现核心问题集中在三个维度。

后来越想越觉得，这件事 AI 应该Neng干——逐章读完一本小说把人物关系、地点、势力、事件dou提取出来画成图谱。于是年初我给自己定了一个挑战：用 Claude Code，不写一行代码，kankanNeng不Neng从零Zuo出来。

第一版：散乱的需求与无效的代码

先说Zui直观的——你扔一本 TXT 小说进去，AI-Reader会尝试分析章节,幸运的话,你会kan到自动划分好的章节。Ru果格式不规范，可Neng需要使用正则模板Zuo一些手动尝试。

但用起来就知道问题了——功Neng东一块西一块，像是把需求碎片拼在一起，不是一个连贯的产品。原因hen简单：我的需求本身就是散的，AI Zuo出来的东西自然也散。 这是我在整个过程中学到的第一课：AI 的产出质量，上限就是你需求的质量。

BMAD Method：软件工程的Agent化

我开始研究 AI Agent相关的软件工程方案，Zui终找到了 BMad Method 这个敏捷开发 Agent仓库。这是整个项目的真正转折点。

它提供了一套完整的软件工程 workflow——PM、UX 设计师、架构师、开发者，每个角色dou有对应的 AI Skill。我让 Claude Code引入BMAD ，然后重新来过。

BMad 的 UX技Neng ，甚至直接帮我给出了专业的 excalidraw UI交互设计稿

这一次体验完全不同：先让 PM Skill 写了一份正经的 PRD ，功Neng优先级 、用户故事 、验收标准dou列清楚 。然后让 UX Skill Zuo交互设计 ——页面布局 、信息层级 、操作流程 。接着才是架构设计和开发 。

几天之后 ,东西真的跑起来了 。React 前端 、FastAPI 后端 、SQLite存储 ,dou有了 。

突然之间我找到感觉 ：我不是在写代码 ,我是在管一个团队 。

V2：功Neng集成的智Neng平台 核心功Neng

人物关系图谱

: 这是Zui有视觉冲击的功Neng 。AI Neng自动识别 多种关系类型 ，用 种颜色分类标注 。Zui让我满意的是别名合并 ——西游记里孙悟空 、行者 、齐天大圣 、美猴王 、孙大圣 、老孙 、猴王……十几个称呼 ，系统Neng自动识别成同一个角色。 我甚至分析了整部《凡人修仙传》 ，+ 章 ， 万字 ，提炼出个人物 、 条关系 。大量红色线条真实反映了这个小说弱肉强食的主基调 。

时间线

: 源事件聚合 ，情绪标注 ，智Neng降噪 ，可按人物筛选泳道.时间线Ke以选择不同事件类型进行筛选 ,也Ke以通过右侧的泳道 ,选择指定人物的事件 .

智Neng阅读

:实体高亮 、剧本模式 、书签 .

百科全书

: 类实体卡片 ,场景索引 ,世界观概览 .

智Neng问答

:基于 RAG 的原文溯源对话 ,依据结构化数据回答 ,给出章节出处.问答功Neng ,用户设置的 AI 会依据习得的结构化数据进行分析 ,给出答案 .

技术栈

技术上多说几句 。说实话这些技术选型我自己也不算真正「懂」 ——dou是 Claude Code建议的 ,但我至少知道它们各自在干什么 ,这里用人话解释一下 ：

前端是一整套现代 Web 技术栈。 React + TypeScript负责页面逻辑 ,Tailwind CSS + shadcn/ui 管样式和组件 ,Zustand Zuo状态管理 。可视化是这个项目Zui重的部分 ——人物关系图谱用的 react -force -graph -2d ،世界地图用了 D3 .js + SVG Zuo手绘风格渲染 ،现实地理坐标匹配则用 react -leaflet （就是你kan地图 App 时那种可缩放拖拽的地图) 。整个前端用 Vite 打包构建 ،开发时热geng新秒级生效 。

后端是 Python + FastAPI。 全异步架构 ،数据库用 SQLite ،每章的分析结果 存成 JSON ——人物 、,关系 、,地点 、,事件dou在里面 ,,实体档案在需要时才聚合 ,,不单独建表 。向量检索用 ChromaDB + BGE 中文 embedding 模型 ,,让智Neng问答NengZuo语义搜索 。中文分词用了 jieba ,,主要用在分析前的实体预扫描 ——先统计高频词 ,,再让 LLM 分类 ,,这样正式分析时实体识别的准确率会高hen多 。

桌面端用 Tauri 打包。 Tauri 是用 Rust写的桌面应用框架 ,,比 Electron 轻hen多 。Python 后端被 PyInstaller 打成一个独立的二进制文件 ,,Tauri启动时自动拉起,,用户完全无感 ——双击安装包就Neng用,,不需要装 Python 也需要配环境 .macOS DMG约 MB,,Windows EXE约 MB.

从文本提取地点和空间关系,,自动生成手绘风格地图 。现实背景小说自动匹配真实地理坐标.这个功Neng是项目中花费时间Zui多的 ——让 AI 理解并描绘小说的空间世界是件极其复杂的事情,,目前效果离游戏地图还有差距 .这似乎也是一个学术难题,,Ru果大家有好的思路,,欢迎一起探讨.

.对于像《神秘岛》包含大量现实世界的地名,,,我的这个工具会调用现实世界地图来展示小说中提到的地点.

.对于像《平凡的世界》这种在现实基础上虚构的地名,,,AI -Reader也Neng画出感觉像那么回事的地图.

.多层级世界地图

.地图质量hen难自动保证.空间关系在小说里经常模糊甚至矛盾,需要大量后处理——冲突检测、层级修正、约束求解.

,LLM灵活度拉满。

本地跑Ollama的话默认用qwen3 :8b .,8G显存就Neng跑 .,但我这个 M1 的macbook pro.,Ollama本地模型分析西游记一个章节差不多要半小时 ;想要geng好的效果Ke以接云端 API .,DeepSeek .,MiniMax .,通义千问 .,Moonshot .,智谱 .,SiliconFlow .,零一万物 .,OpenAI.,Gemini.,Anthropic.,家供应商dou支持 。,在设置里填个 API Key就Neng切换 . 分析质量主要kan模型Neng力 ——本地小模型够用但粗糙 .,云端大模型明显geng准 . 系统还会根据模型的上下文窗口大小自动调整截断长度 。,摘要限制 。,超时时间这些参数 。,不用手动改配置 . 我目前主力分析模型MiniMax.,主要是速度够快且便宜 ., 分析西游记一个章节 -分钟即可.

Zui近在帮朋友解决一个实际问题 :原创小说频繁被搬运到盗版网站 .添加时间维度分析功Neng :,可查kan某部作品被侵权的历史趋势 ..作为技术爱好者 :,我尝试用AI搭建了一个盗版内容检测系统 ;,整个过程在

通过深度学习模型,.AI系统Ke以分析大量的文学作品 :,从中学习如何构建一个引人入胜的故事 ..需求分析 :与客户沟通 :,明确他们对小说创作的具体需求 :,包括文体 、,字数 、,主题等..

,智Neng解决方案:. AI如何重塑创作流程 ..创作实战:.四步打造完整小说作品 ..进阶功Neng:.打造专业级创作系统 ..

,这是我在整个过程中学到的第一课 ： AI 的产出质量 ,,上限就是你需求的质量.

,核心是找到一种方法把你的需求结构化地表达出来 ;;然后交给 AI 执行..

,本文将深入探讨 AI_NovelGenerator 的系统架构设计 ;,核心模块实现原理以及性Neng优化策略 ;,帮助开发者理解怎样构建 一个完整的 AI辅助写作平台 ...表现层::基于 PyQt 构建图形用户界面 ::提供直观的操作体验业务逻辑层::处理小說生成的核心算法和流程控制数据访问层::管理向量数据库和本地文件存储基础设施层::提供API 连接 ;;配置管理等基础服务 ..

,项目开源 ::github .com /mouseart202….

---