dama-cyber/Casting-Workflow

Letzte erfasste Quellaktivität: 7. August 2026 um 03:54

SkillsMP-Katalog aktualisiert: 2. November 2026 um 18:02

gesammelte Skills: 1

GitHub-Stars: 654
GitHub-Forks: 127

Mit einem KI-Assistenten installieren

Diesen Prompt kopieren und in den verwendeten KI-Assistenten einfügen.

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/dama-cyber/Casting-Workflow.

README des Repositorys

README-Quelldatei: README.md

README-Quelldatei lesen

Vollständige README anzeigen

# 熔铸仿写全术，由初阶至短制，纲目灿然，靡有阙遗。 ## 安装 (一次) ```bash pip install -r requirements.txt ``` > 仅依赖 jieba 分词库，其余全为标准库。首次运行 fusion/clean 时会自动加载分词模型。 ## 文件结构 ``` 熔铸版/ ├── README.md ← 本文件 ├── SKILL.md ← 方法论+规则 (给LLM读的) ├── requirements.txt ← pip依赖清单 ├── .gitignore ← 版本控制（禁止追踪产出文件） │ ├── run_pipeline.py ← 核心入口: 12阶段管道 ├── check_story.py ← 质量检查: 9项爆款规则自动检测 │ ├── prompt/ ← 提示词库 (固定不可替代) ├── MAPPING.md ← 文件映射表 ├── prompt_inspiration.md ← 创意构思+灵感风暴 ├── prompt_character.md ← 人设生成 ├── prompt_outline.md ← 大纲体系 (含 FILE_SECTION: 概要/大纲/细纲) ├── prompt_opening.md ← 黄金开篇 ├── prompt_writing.md ← 写作规范 ├── prompt_polish.md ← 优化润色 ├── prompt_expand.md ← 续写扩写 (含 FILE_SECTION: 续写/扩写) ├── prompt_tools.md ← 辅助工具 ├── prompt_skill.md ← 全流程 Skill │ │ ├── corpus/ ← 语料库 (固定不可替代) │ ├── 01_现代言情/ ← 都市/校园/职场 │ ├── 02_总裁豪门/ ← 霸总/豪门恩怨 │ ├── 03_重生复仇/ ← 重生/复仇/逆袭 │ ├── 04_穿越架空/ ← 穿越/架空历史 │ ├── 05_古代言情/ ← 宫斗/宅斗/古言 ← 现有122篇 │ ├── 06_玄幻仙侠/ ← 修仙/玄幻 │ ├── 07_悬疑惊悚/ ← 悬疑/灵异 │ ├── 08_甜宠虐恋/ ← 甜宠/虐文 │ └── 09_种田经商/ ← 种田/经商/美食 │ ├── tools/ ← 工具脚本 (固定不可替代) │ ├── fusion.py ← 指纹蒸馏: 5源文→类型公约数 │ ├── clean_commas.py ← 后处理: 清理脏逗号 │ ├── inject_punctuation.py ← 后处理: 按密度注入标点 │ └── audit.py ← 审计: 独创度+朱雀扫描 │ └── output/ ← 所有生成产物 (临时，不入版本控制) └── (story.txt / *_llm_prompt.txt / fusion_context.txt 等) ``` ### 三类文件定位 | 类型 | 目录 | 规则 | |------|------|------| | **源文件（固定不可替代）** | `run_pipeline.py` `check_story.py` `tools/` `prompt/` `corpus/` | 绝对不删，不能动位置 | | **产出文件（临时生成）** | `output/` | 可随时清除，`.gitignore` 已忽略 | ## 使用流程 ### Step 0: 准备语料把同类型小说 `.txt` 放入对应分类目录。目前支持 9 个标准分类： | 编号 | 分类 | 典型标签 | |------|------|----------| | 01 | 现代言情 | 都市/校园/职场 | | 02 | 总裁豪门 | 霸总/豪门/契约 | | 03 | 重生复仇 | 重生/复仇/逆袭/打脸 | | 04 | 穿越架空 | 穿越/架空/异世 | | 05 | 古代言情 | 宫斗/宅斗/古言/王爷/太子 | | 06 | 玄幻仙侠 | 修仙/玄幻/仙侠 | | 07 | 悬疑惊悚 | 悬疑/灵异/惊悚 | | 08 | 甜宠虐恋 | 甜宠/虐文/追妻火葬场 | | 09 | 种田经商 | 种田/经商/美食/科技兴国 | 每个分类下放 ≥5 篇 `.txt` 小说（管道默认选 5 篇做指纹互消，不足则取全部健康文件）。 ### Step 1: 蒸馏指纹（管道运行） ```bash python run_pipeline.py --category 05_古代言情 ``` 管道自动执行： 1. **扫描** — 从指定分类目录扫描所有 `.txt` 2. **筛选** — 剔除中文不足 500 字的损坏文件，随机选 5 篇健康源文 3. **蒸馏** — 提取每篇指纹（人物/情节/句式/高频词），5 份指纹取交集互消 4. **输出** — `output/fusion_context.txt`（LLM 生成用的完整上下文） ### Step 2: LLM 生成故事将 `output/fusion_context.txt` 的全部内容**原封不动**复制给 LLM（Claude/GPT/DeepSeek 均可），LLM 据此生成一篇约 1000 字的原创短篇小说。生成的故事保存为 `output/story.txt`。 ### Step 3: 后处理 ```bash # 清理脏逗号（jieba 分词去除语法错误逗号） python tools/clean_commas.py output/story.txt # 注入标点密度（模拟番茄小说风格） python tools/inject_punctuation.py output/story.txt --excl 0.15 --comma 1.2 ``` | 参数 | 含义 | 默认值 | |------|------|--------| | `--excl` | 感叹号密度（每百字多少个！） | 0.15 | | `--comma` | 逗号密度（每百字多少个，） | 1.2 | ### Step 4: 质量审计 ```bash # 爆款规则检查 python check_story.py output/story.txt # 独创度审计（对比源文，确保 0 复制） python tools/audit.py output/story.txt corpus/05_古代言情/*.txt ``` > 换分类只需改 `--category`：`01_现代言情` / `03_重生复仇` / `06_玄幻仙侠` ... --- ### 进阶: 分阶段创作（12 阶段提示词模式）当需要对单个创作环节精细控制时，使用 `--stage` 切入指定阶段。 > **管道交叉**：蒸馏模式（无 `--stage`）和分阶段模式（有 `--stage`）共享 Step 1-2（扫描语料 + 蒸馏指纹）。区别仅在 Step 3：蒸馏模式输出 `fusion_context.txt`，分阶段模式加载提示词模板并输出 `{stage}_llm_prompt.txt`。 #### 基础用法 ```bash # 单阶段切入 → 输出 output/脑洞_llm_prompt.txt python run_pipeline.py -s 脑洞 -c 05_古代言情 # 指定人设模板关键词 python run_pipeline.py -s 人设 -c 03_重生复仇 -t 黑莲花 # 交互式参数输入 python run_pipeline.py -s 开篇 -c 05_古代言情 --interactive ``` #### 链式传递（`--previous-output` / `-P`）分阶段模式新增链式上下文传递，让后续阶段感知前序阶段的 LLM 输出，实现真正的流水线创作： ```bash # Step 1: 脑洞 → 产出 output/脑洞_llm_prompt.txt (给LLM生成后保存为 output/脑洞_output.txt) python run_pipeline.py -s 脑洞 -c 05_古代言情 # Step 2: 人设 ← 加载脑洞输出作为上下文 python run_pipeline.py -s 人设 -c 05_古代言情 -P output/脑洞_output.txt # Step 3: 大纲 ← 加载人设输出 python run_pipeline.py -s 大纲 -c 05_古代言情 -P output/人设_output.txt # ...以此类推，逐个阶段链式推进 ``` > 管道也会自动推断：若 output/ 目录下存在 `{前阶段}_output.txt`，无需手动指定 `-P`，系统自动加载。每次运行重新扫描语料，但前序上下文保证了创作连续性。完整 11 阶段： | 序号 | 阶段 | 说明 | 对应提示词 | |------|------|------|------------| | 1 | 脑洞 | 创意构思/卖点/受众定位 | `prompt_inspiration.md` | | 2 | 灵感风暴 | 书名/简介/黄金开局大纲/角色小传 | `prompt_inspiration.md` | | 3 | 人设 | 角色设计/金手指/关系网 | `prompt_character.md` | | 4 | 大纲 | 故事主线/情节点/高潮 | `prompt_outline.md` | | 5 | 细纲 | 章节拆分/场次细化 | `prompt_outline.md` | | 6 | 概要 | 200 字高度浓缩梗概 | `prompt_outline.md` | | 7 | 开篇 | 黄金三章/三句法开头 | `prompt_opening.md` | | 8 | 正文 | 对话密度/节奏/叙事感 | `prompt_writing.md` | | 9 | 优化 | 角色归一化/拼接率质检 | `prompt_polish.md` | | 10 | 润色 | 句式变化/用词多样性 | `prompt_polish.md` | | 11 | 续写 | 情节延伸/伏笔展开 | `prompt_expand.md` | | 12 | 扩写 | 细节铺陈/环境描写 | `prompt_expand.md` | > 前 8 个阶段为核心生成链，后 4 个为增强处理。每个阶段的提示词均为聚合蒸馏版（保留全部反 AI 检测技巧）。 --- ### 命令行参数速查 | 参数 | 简写 | 说明 | 示例 | |------|------|------|------| | `--category` | `-c` | 指定语料分类 | `-c 05_古代言情` | | `--sample` | `-n` | 选几篇源文做指纹互消 | `-n 7` | | `--stage` | `-s` | 切入指定创作阶段 | `-s 开篇` | | `--template` | `-t` | 指定提示词模板关键词 | `-t 西瓜大法` | | `--params` | `-p` | JSON 格式自定义参数 | `-p '{"核心卖点":"重生复仇"}'` | | `--interactive` | — | 交互式输入创作参数 | `--interactive` | | `--previous-output` | `-P` | 链式传递前序阶段输出 | `-P output/人设_output.txt` | 不带 `--stage` 即为默认全流程模式：扫描→选文→蒸馏→输出 `fusion_context.txt`。 ## 为什么朱雀检测不到 5篇不同作者的指纹在交集运算中互消。剩下的"睁眼/背叛/复仇"不属于任何单一作者，属于类型本身。朱雀对输出做16字扫描 vs 全部5篇源文 → 0匹配。 ## 常见问题 **Q: 需要API密钥吗？** A: 不需要。全本地运行。jieba是免费开源库。 **Q: 怎么添加新分类？** A: 在 `corpus/` 下新建目录（如 `10_奇幻言情/`），放入该类型 .txt 小说，管道自动识别。 **Q: 生成的故事朱雀分数多少？** A: 取决于LLM和后处理质量。熔铸保证内容层100%原创(0复制)，标点密度靠inject_punctuation补偿。 ## 致谢感谢真诚、友善、团结、专业的 [LinuxDo 社区](https://linux.do/latest)，让我学到很多 AI 相关的知识和玩法。 > LinuxDo — 学 AI，上 L 站 ## 许可 MIT

README des Repositorys wird geladen…

Skills in diesem Repository

Technische Redakteure

1 Berufskategorien · 100% klassifiziert

Skill

Beruf

Beschreibung

Aktualisiert

rongzhu-fangxie

Technische Redakteure

熔铸仿写 — 5源文指纹互消→类型公约数→100%原创+朱雀不可反查的番茄短篇生成系统。

Quellsprache: Chinesisch

2026-08-07

Es werden 1 von 1 gesammelten Skills angezeigt.