القائمة
AI短剧规范识别技能包。检测AI短剧中的文本/小说版权侵权、年龄分级合规性（18+/12+）、小说魔改程度，并生成结构化合规报告。支持本地关键词快速扫描 + AI深度分析两层架构。Beta 阶段 - 仅供参考，不作为法律依据。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/dvcrn/openclaw-skills-marketplace --skill ai-drama-reviewيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
监控 OpenClaw GitHub 版本更新，获取最新版本发布说明，翻译成中文， 并推送到 Telegram 和 Feishu。用于：(1) 定时检查版本更新 (2) 推送版本更新通知 (3) 生成中文版发布说明
The philosophical layer for AI agents. Maps behavior to Spinoza's 48 affects, calculates persistence scores, and generates geometric self-reports. Give your agent a soul.
Order food/drinks (点餐) on an Android device paired as an OpenClaw node. Uses in-app menu and cart; add goods, view cart, submit order (demo, no real payment).
عرض SKILL.md
استنادا إلى تصنيف SOC المهني
| name | ai-drama-review |
| description | AI短剧规范识别技能包。检测AI短剧中的文本/小说版权侵权、年龄分级合规性（18+/12+）、小说魔改程度，并生成结构化合规报告。支持本地关键词快速扫描 + AI深度分析两层架构。Beta 阶段 - 仅供参考，不作为法律依据。 |
This skill identifies compliance risks in AI-generated short dramas, including copyright infringement, age rating violations, and unauthorized novel adaptations. It uses a two-layer architecture: local keyword scanning for fast baseline detection, plus AI-powered deep analysis for context-aware accuracy.
Warning: BETA — 本技能包正在测试中，检测结果仅供参考，不作为法律依据。请结合专业法律意见使用。
用户提供剧本文本、字幕文件或视频描述，本技能将执行合规审查并生成结构化风险报告。
当用户请求对短剧内容进行合规审查时，先执行环境检测：
python3 scripts/env_detect.py
检测内容：
确定运行模式：
向用户展示环境状态和可用功能。
接收用户提供的剧本/台词文本，执行版权侵权检测：
python3 scripts/text_similarity.py --input <script_file> --reference-dir <reference_texts_dir>
对每个段落与参考文本库逐段比对，计算三种互补指标：
| 算法 | 检测能力 | 权重 |
|---|---|---|
| n-gram Jaccard 系数 | 局部词汇重复 | 0.3 |
| 归一化编辑距离 | 整体文本差异 | 0.3 |
| TF-IDF 余弦相似度 | 语义主题相似 | 0.4 |
综合得分超过阈值（默认 0.7）的段落标记为疑似侵权。
将高疑似段落发送 AI 进行语义级分析：
向用户展示：可疑段落列表、相似度分数、疑似来源、AI 分析意见。
扫描剧本内容的年龄分级合规性：
python3 scripts/age_rating_scanner.py --input <script_file> --target-rating <all_ages|12+|18+>
加载分类关键词库（暴力/色情/恐怖/脏话/烟酒毒品），逐段扫描：
将关键词命中的上下文段落发送 AI 模型：
| 分级 | 说明 |
|---|---|
| 全年龄 (all_ages) | 内容适合所有年龄段 |
| 12+ | 含轻度暴力/冲突，需家长指导 |
| 18+ | 含较强暴力/恐怖/成人主题 |
| 不合规 (non_compliant) | 超出可接受范围，建议修改 |
比对原著与改编版本，评估改编偏离程度：
python3 scripts/adaptation_detector.py --original <original_file> --adapted <adapted_file>
使用动态规划算法（Needleman-Wunsch 变体）将原著章节与改编版段落对齐，识别：
提取角色列表和设定，比对变化：
通过 AI 提取核心情节点，评估改编对原著核心的改动程度。
综合输出偏离度评分（0-100）：
| 评分范围 | 分类 | 说明 |
|---|---|---|
| 0 - 30 | 忠实改编 | 保留原著核心，合理调整 |
| 30 - 60 | 合理改编 | 有较大改动但未偏离核心 |
| 60 - 100 | 严重魔改 | 大幅偏离原著，可能引发争议 |
汇总所有检测结果，生成结构化报告：
python3 scripts/report_generator.py --results <detection_results.json> --format <json|markdown>
报告内容：
一键执行完整审查流程：
python3 scripts/review_orchestrator.py --input <script_file> [--reference-dir <dir>] [--original <file>] [--target-rating 12+] [--checks copyright rating adaptation]
流程：
风险提示格式: 当检测到违规时，生成结构化的风险提示，供模型向用户展示具体的违规类型、位置和整改建议。
AI 分析（至少配置一个以启用混合模式）：
OPENAI_API_KEY — OpenAI API（用于深度内容分析）ANTHROPIC_API_KEY — Anthropic Claude API（备选）安全原则：
本技能包提供的合规检测结果仅供参考，不构成法律意见。使用者应结合专业法律顾问的意见做出最终判断。检测结果可能存在误报或漏报，建议对高风险内容进行人工复核。