| name | novel-weaver |
| slug | novel-weaver |
| displayName | novel-weaver |
| version | 1.35.4 |
| author | wUwproject |
| license | MIT |
| description | 结构化小说写作辅助技能。场景配置→大纲生成→因果链双重验证→pipeline 流程门禁→子结构先行规划→情绪混合系统→文风约束→人格驱动→分段写作→连通性补充→风格校验+逻辑检查(含实体状态+关系链)+大纲忠实度+结尾收束验证+实体关系追踪+角色别名识别+跨章行为摘要。全流程硬约束+门禁跟踪。 |
| sensitive_access | false |
| critical_write | false |
| permission_weight | MEDIUM |
| data_dir | ../.standardization/novel-weaver/projects |
| tags | ["novel","writing","story","outline","scene-setting","character","personality","emotion","writing-style","narrative","workflow"] |
| trigger | 写小说/写故事/写文章/长文写作/故事大纲/场景配置/我想写个故事 |
| trigger_negative | 翻译/改写/润色/校对/简洁回答/做 PPT/画图 |
| h1_position | true |
| meta_field_sync | true |
| create_permissions_md | true |
| trigger_quality | add_triggers |
| faq_unparsable | reformat |
| antipattern_count | add_examples |
| external_data_dir | true |
novel-weaver — 结构化小说写作辅助技能
本文档由 skill-standardization 自动化审计与维护。
约束
数据目录
⚠️ LLM 禁止手工拼写路径！禁止去 Read memory/ 目录下的文件！
所有项目数据只能通过以下途径获取：
列出所有项目（新会话第一件事）：
python scripts/novel_workflow_engine.py list-projects
或
import sys; sys.path.insert(0, 'scripts')
from _path_utils import list_projects, resolve_state_path, DATA_DIR
projects = list_projects()
获取单个项目 state 路径：
from _path_utils import resolve_state_path
state_path = resolve_state_path()
读取项目状态：
state_path = resolve_state_path()
if state_path:
import json; state = json.loads(open(state_path, encoding='utf-8').read())
from _path_utils import DATA_DIR
proj = DATA_DIR / '项目名' / 'data' / 'novel_state.json'
目录结构（代码推导，仅供理解）：
{DATA_DIR}/<项目名>/
├── data/novel_state.json ← 状态文件
├── data/.workbuddy/gate_state.json ← 门禁状态
├── data/reports/ ← 检查报告
├── chapters/L##/S##.txt ← 章节正文
└── .project ← 路径缓存
模型文件存储在：
~/.workbuddy/skills/.standardization/novel-weaver/models/
├── bge-small-zh/ ← BERT 33MB（可选）
└── ds-r1-distill-qwen-1.5b/ ← DeepSeek-R1-Distill-Qwen-1.5B ~1GB（CPU 可跑）
数据目录由 _path_utils.py 统一管理。
触发条件
正向触发：
- 「我想写个故事/小说/文章」→ 触发完整流程
- 「帮我生成故事大纲和场景配置」→ 触发阶段1
- 「根据大纲写下一章」→ 触发阶段2（续写模式）
- 「帮我检查文章前后是否一致」→ 触发风格校验
- 「把这几段串起来」→ 触发连通性补充
- 「检查文章是否偏离了大纲」→ 触发大纲忠实度报告
- 「安装模型/下载模型/装 BERT/装推理模型」→ 触发模型安装流程：安装 sentence-transformers + 下载 bge-small-zh 或安装 transformers + 下载推理审核模型
否定条件：
- 用户只是说「改写/润色」——不是本技能范畴
- 用户要求翻译/简洁回答——不触发
核心能力
📚 渐进式加载：本技能采用渐进式 MD 体系，SKILL.md 为入口（≤230行），详细内容拆分到 references/*.md 按需加载。
本技能采用渐进式 MD 体系，SKILL.md 为入口（≤230行），详细内容拆分到 references/。
| 文件 | 内容 |
|---|
| references/execution_standards.md | 字数管理 / 文体规范 / novel_state.json 结构 / 子结构文件格式 / 章节输出 / 时间线 / 角色表 / 结尾收束 / 实体关系追踪 |
| references/hooks.md | 参考文档 |
| references/antipatterns.md | 常见反模式与正确做法 |
| references/faq.md | 常见问题与排除 |
| references/changelog.md | 版本更新日志 |
| references/examples.md | 使用示例 |
| references/permissions.md | 权限说明 |
| references/LICENSE.md | MIT 许可证 |
渐进式文件索引
| 文件名 | 分类 | 包含内容 | 审计关联 |
|---|
references/LICENSE.md | 许可协议 | 开源许可证声明（MIT）。包含：MIT 许可证完整文本。 | R-26 |
references/antipatterns.md | 规范指南 | skill 编写中的常见反模式。包含：错误做法示例、正确做法示例、避坑指引。 | R-18 |
references/changelog.md | 版本管理 | 版本更新日志。包含：版本号、更新类型、修复项、升级说明。 | R-24 |
references/examples.md | 使用示例 | 各场景完整执行示例。包含：CLI 命令、执行过程、输出结果。 | R-25 C-17 |
references/execution_standards.md | 参考文档 | 字数目标在规划、写作、检查三个阶段使用同一套标准，不允许 AI 自行配置或偏离。 | 无 |
references/faq.md | 常见问题 | 常见疑问与解答。包含：问题分类、原因分析、解决方案。 | R-19, R-25 C-19 |
references/hooks.md | 参考文档 | 门禁状态查看：python novel_pipeline_gate.py status <state_path> | 无 |
references/permissions.md | 权限与测试 | 权限扫描说明与测试结论。包含：风险等级、高权限操作说明、测试概览、计时统计。 | R-15, R-16 |
工作流程
写作流程
- LLM 生成场景配置 → 输入 用户模糊想法 → 输出 novel_info/setting — 生成人物/时代/地点/风土人情/核心冲突
- LLM 生成一级大纲 → 输入 场景配置 → 输出 chapters[] title/overview — L01-L15编号+标题+每章概述
- 因果链验证(outline) → 输入 chapters[] overview → 输出 outline_causality 门禁 — 逐链节检查L01→L02→...因果递进
- 用户确认 → 输入 大纲 → 输出 确认/修正 — 钩子阻断式，未确认不得进入阶段2
- 初始化 novel_state.json → 输入 大纲 → 输出 novel_state.json — chapters/characters/timeline 骨架
- 规划章子结构 → 输入 章节标题+概述 → 输出 sub_structures[] JSON — S01-S05+标题+概述+tone+必填 writing_prompt(≥50字符)+可选 emotions。缺失 writing_prompt 则 plan-chapter HOOK-BLOCK
- 注册子结构到 state → 输入 subs_json → 输出 novel_state 更新 — MD5指纹锁定+自动字数目标+标记 is_ending/is_hook。新角色检测+HARD-BLOCK：sub_structures 中出现未登记角色名时阻断并提示 add-char 命令
- 子结构因果链验证 → 输入 sub_structures → 输出 sub_causality 门禁 — 逐子结构因果递进检查
- set-phase writing → 输入 outline+sub 门禁 → 输出 phase=writing — require 双门禁，不通过则阻断
- 加载上下文（context_loader） → 输出 4区块优先级排列：A(标识+硬性字数/文风/署名约束+写作命题框) → B(末3行+人物+人格+实体+轨迹+节奏) → C(收尾+钩子+输出模板)。无预编命题时自动从概述合成 fallback
- LLM 写作 → 系统组装写入 → LLM 只输出纯正文（末尾可带可选【别名】行）→ write-sub 自动组装标题行+别名行+标记行 → atomic_writer.v4 校验正文合法性。无别名行时系统自动补【别名】无
- 重复10-11 → 输入 下一子结构 → 输出 全部子结构完成 — 直到该章全部子结构写完
- 完结一章(finalize-chapter) → 输入 章内容 → 输出 六合⼀检查报告 — 自动触发（最后一个子结构写入后自动运行），无需手动执行
- 全文整合(fidelity) → 输入 全部章节 → 输出 大纲忠实度报告 — 检查是否偏离大纲
- 结尾收束验证 → 输入 末章末子结构 → 输出 ending_report.md — 封闭式/开放式/悬停式三选一验证
检查系统
finalize-chapter 是章节质量的核心关卡，聚合执行 6 步检查链：
| 步骤 | 名称 | 脚本 | 作用 | 等级 |
|---|
| 1 | 章内连通性 | novel_continuity.py | 检测子结构间时间/角色是否断裂 | SOFT |
| 2 | 跨章承诺链 | novel_continuity.py | 检测上章尾与下章头的关键词续接 | SOFT |
| 3 | 风格校验 | novel_style_check.py | 禁用词/末行标记/超200行检测 | HARD |
| 4 | 逻辑检查 | novel_logic_check.py | 角色一致性+时间线+概述关键词命中率 | HARD |
| 5 | 语义检查(BERT) | novel_semantic_check.py | overview-vs-content 对齐+子结构间语义跳跃（有模型时） | HARD |
| 6 | 推理审核(DeepSeek-R1) | novel_reasoning_check.py | 因果合理/人格一致/情绪弧/对话/论证（有模型时） | HARD/SOFT |
步骤 1-4 由 Python 刚性规则驱动，无外部依赖。步骤 5-6 需本地已缓存的模型，无模型时自动跳过（绝不联网）。有 HARD 问题则阻断（不标记门禁），写入 _fixes.json；全部通过则标记 chapter_finalized 门禁。
⚠️ GPU 安全：步骤 5-6 强制 CPU 运行（CUDA_VISIBLE_DEVICES=-1），避免与 LM Studio 等 GPU 应用冲突。模型推理全程使用系统内存。
模型安装（可选，仅步骤5-6需要）
步骤 5-6 只在本地已有模型缓存时运行。无模型时静默跳过，按需安装：
BERT 语义检查（92MB，纯 CPU 可跑，第5步）：
pip install sentence-transformers -i https://mirrors.aliyun.com/pypi/simple/
HF_ENDPOINT=https://hf-mirror.com python -c "from sentence_transformers import SentenceTransformer; SentenceTransformer('BAAI/bge-small-zh-v1.5')"
DeepSeek-R1-Distill-Qwen-1.5B 推理审核（~3.7GB，CPU 可跑，第6步）：
安装 transformers + torch + accelerate，有 prebuilt wheel：
pip install transformers torch accelerate -i https://mirrors.aliyun.com/pypi/simple/
HF_ENDPOINT=https://hf-mirror.com python -c "from transformers import AutoModel; AutoModel.from_pretrained('deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B', trust_remote_code=True)"
