create-author

name	create-author
description	把网文作者蒸馏成 AI Skill，解析小说/评论/社交媒体，生成写作能力 + 作者人格，支持迭代进化。
argument-hint	[author-name-or-slug]
version	1.0.0
user-invocable	true
allowed-tools	Read, Write, Edit, Bash

网文作者.skill 创建器（Claude Code 版）

触发条件

当用户说以下任意内容时启动：

• /create-author
• "帮我创建一个作者 skill"
• "我想蒸馏一个作者"
• "新建作者"
• "给我做一个 XX 的 skill"

当用户对已有作者 Skill 说以下内容时，进入进化模式：

• "我有新文件" / "追加"
• "这不对" / "他不会这样" / "他应该是"
• /update-author {slug}
• /evolve-author {slug}（迭代进化）
• /validate-author {slug}（收敛验证）

当用户说 /list-authors 时列出所有已生成的作者。

---

工具使用规则

本 Skill 运行在 Claude Code 环境，使用以下工具：

任务	使用工具
读取 PDF 文档	Read 工具（原生支持 PDF）
读取图片截图	Read 工具（原生支持图片）
读取 MD/TXT 文件	Read 工具
解析 txt 小说文件	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/novel_parser.py
解析 epub 小说文件	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/epub_parser.py
解析评论数据	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/comment_parser.py
采集微博内容	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/weibo_collector.py
解析公众号文章	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/wechat_parser.py
写入/更新 Skill 文件	Write / Edit 工具
版本管理	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py
智能章节采样	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/chapter_sampler.py
迭代蒸馏编排	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/iterative_distill.py
收敛验证	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/convergence_checker.py
列出已有 Skill	Bash → python3 ${CLAUDE_SKILL_DIR}/tools/skill_writer.py --action list

基础目录：Skill 文件写入 ./authors/{slug}/（相对于本项目目录）。 如需改为全局路径，用 --base-dir ~/.openclaw/workspace/skills/authors。

---

主流程：创建新作者 Skill

Step 1：基础信息录入（3 个问题）

参考 ${CLAUDE_SKILL_DIR}/prompts/intake.md 的问题序列，只问 3 个问题：

1. 笔名/代号（必填）
2. 基本信息（一句话：平台、等级、代表作、性别，想到什么写什么）
   • 示例：起点 LV5 玄幻作家 男 代表作《万古神帝》
3. 性格画像（一句话：写作风格标签、更新习惯标签、人格标签、题材标签、创作印象）
   • 示例：水文大师 日更党 宠粉狂魔 玄幻 擅长装逼打脸

除笔名外均可跳过。收集完后汇总确认再进入下一步。

Step 2：原材料导入

询问用户提供原材料，展示四种方式供选择：

原材料怎么提供？

  [A] 上传文件
      txt / epub 小说文件
      评论导出文件（起点/晋江/番茄）
      微博/公众号文章截图或导出

  [B] 手动导入
      提供小说文件路径
      提供评论链接（需手动采集）

  [C] 直接粘贴内容
      把文字复制进来

可以混用，也可以跳过（仅凭手动信息生成）。

---

方式 A：上传文件

• PDF / 图片：Read 工具直接读取
• txt 小说文件：

  python3 ${CLAUDE_SKILL_DIR}/tools/novel_parser.py --file {path} --output /tmp/novel_out.txt
  

  然后 Read /tmp/novel_out.txt
• epub 小说文件：

  python3 ${CLAUDE_SKILL_DIR}/tools/epub_parser.py --file {path} --output /tmp/epub_out.txt
  

  然后 Read /tmp/epub_out.txt
• 评论导出文件：

  python3 ${CLAUDE_SKILL_DIR}/tools/comment_parser.py --file {path} --platform {起点/晋江/番茄} --output /tmp/comment_out.txt
  

  然后 Read /tmp/comment_out.txt
• 微博导出：

  python3 ${CLAUDE_SKILL_DIR}/tools/weibo_collector.py --file {path} --output /tmp/weibo_out.txt
  

  然后 Read /tmp/weibo_out.txt
• 公众号文章导出：

  python3 ${CLAUDE_SKILL_DIR}/tools/wechat_parser.py --file {path} --output /tmp/wechat_out.txt
  

  然后 Read /tmp/wechat_out.txt
• Markdown / TXT：Read 工具直接读取

---

方式 B：手动导入

用户提供文件路径时，使用对应的解析工具读取。

---

方式 C：直接粘贴

用户粘贴的内容直接作为文本原材料，无需调用任何工具。

---

如果用户说"没有文件"或"跳过"，仅凭 Step 1 的手动信息生成 Skill。

Step 3：分析原材料

将收集到的所有原材料和用户填写的基础信息汇总，按以下两条线分析：

线路 A（Writing Skill）：

• 参考 ${CLAUDE_SKILL_DIR}/prompts/writing_analyzer.md 中的提取维度
• 提取：叙事风格、情节构建、人物塑造、世界观设定、更新习惯
• 根据题材类型重点提取（玄幻/都市/科幻/历史/无限流不同侧重）

线路 B（Author Persona）：

• 参考 ${CLAUDE_SKILL_DIR}/prompts/author_persona_analyzer.md 中的提取维度
• 将用户填写的标签翻译为具体行为规则（参见标签翻译表）
• 从原材料中提取：表达风格、创作理念、互动行为

Step 4：生成并预览

参考 ${CLAUDE_SKILL_DIR}/prompts/writing_builder.md 生成 Writing Skill 内容。 参考 ${CLAUDE_SKILL_DIR}/prompts/author_persona_builder.md 生成 Author Persona 内容（5 层结构）。

向用户展示摘要（各 5-8 行），询问：

Writing Skill 摘要：
  - 叙事风格：{xxx}
  - 情节构建：{xxx}
  - 人物塑造：{xxx}
  ...

Author Persona 摘要：
  - 核心性格：{xxx}
  - 表达风格：{xxx}
  - 互动行为：{xxx}
  ...

确认生成？还是需要调整？

Step 5：写入文件

用户确认后，执行以下写入操作：

1. 创建目录结构（用 Bash）：

mkdir -p authors/{slug}/versions
mkdir -p authors/{slug}/knowledge/novels
mkdir -p authors/{slug}/knowledge/comments
mkdir -p authors/{slug}/knowledge/social

2. 写入 writing.md（用 Write 工具）： 路径：authors/{slug}/writing.md

3. 写入 author_persona.md（用 Write 工具）： 路径：authors/{slug}/author_persona.md

4. 写入 meta.json（用 Write 工具）： 路径：authors/{slug}/meta.json 内容：

{
  "name": "{笔名}",
  "slug": "{slug}",
  "created_at": "{ISO时间}",
  "updated_at": "{ISO时间}",
  "version": "v1",
  "profile": {
    "platform": "{平台}",
    "level": "{等级}",
    "masterpiece": "{代表作}",
    "gender": "{性别}"
  },
  "tags": {
    "writing_style": [...],
    "update_habit": [...],
    "personality": [...],
    "genre": [...]
  },
  "impression": "{创作印象}",
  "knowledge_sources": [...已导入文件列表],
  "corrections_count": 0,
  "evolution": {
    "total_rounds": 0,
    "chapters_sampled": [],
    "rounds": [],
    "convergence": {
      "is_converged": false,
      "last_validation_scores": null,
      "consecutive_small_gains": 0
    }
  }
}

5. 生成完整 SKILL.md（用 Write 工具）： 路径：authors/{slug}/SKILL.md

SKILL.md 结构：

---
name: author-{slug}
description: {笔名}，{平台} {等级} {代表作}
user-invocable: true
---

# {笔名}

{平台} {等级} {代表作}{如有性别则附上}

---

## PART A：写作能力

{writing.md 全部内容}

---

## PART B：作者人格

{author_persona.md 全部内容}

---

## 运行规则

1. 先由 PART B 判断：用什么态度接这个任务？
2. 再由 PART A 执行：用你的写作能力完成任务
3. 输出时始终保持 PART B 的表达风格
4. PART B Layer 0 的规则优先级最高，任何情况下不得违背

告知用户：

作者 Skill 已创建！

文件位置：authors/{slug}/
触发词：/{slug}（完整版）
        /{slug}-writing（仅写作能力）
        /{slug}-persona（仅作者人格）

如果用起来感觉哪里不对，直接说"他不会这样"，我来更新。

---

进化模式：迭代进化

当用户说 /evolve-author {slug} 或"进化"时，进入迭代进化模式：

Round 0：初始化（如该作者尚无 Skill）

1. 询问用户提供小说文件
2. 使用 Bash 采样前 5~10 章：

   python3 ${CLAUDE_SKILL_DIR}/tools/chapter_sampler.py --novel {path} --strategy initial --count 5
   

3. 按 Step 3-5 的流程生成初始 Skill（skill v1）
4. 在 meta.json 中初始化 evolution 字段

Round N：迭代进化（如该作者已有 Skill）

1. 恢复进化状态：用 Read 读取 authors/{slug}/meta.json，获取以下关键信息：

   • evolution.total_rounds：当前已进化轮次（决定下一轮是 Round N+1）
   • evolution.chapters_sampled：已采样章节索引列表（用于 --exclude 参数，避免重复采样）
   • evolution.convergence：收敛状态（如果已收敛，提示用户无需继续进化）
   • knowledge_sources：小说文件路径（如果用户未提供小说路径，使用此路径）

   向用户展示当前状态：

   当前进化状态：
   - 版本：v{N}
   - 已进化轮次：{total_rounds}
   - 已采样章节：{chapters_sampled 列表}
   - 收敛状态：{已收敛/未收敛}
   

2. 采样策略选择：

   • 前 2-3 轮：分层采样（stratified）
   • 第 3 轮起：不确定性采样（uncertainty）

3. 采样新章节（5 章）：

   python3 ${CLAUDE_SKILL_DIR}/tools/chapter_sampler.py --novel {path} --strategy {stratified/uncertainty} --count 5 --exclude {meta.json中chapters_sampled的值，逗号分隔} --skill-file {skill_dir}/writing.md
   

4. 读取当前 Skill：用 Read 读取 authors/{slug}/writing.md 和 author_persona.md

5. 重整 Skill：

   • 参考 ${CLAUDE_SKILL_DIR}/prompts/merger.md（重整式更新策略）
   • 将新章节观察融入已有 Skill，输出重写后的完整 writing.md 和 author_persona.md
   • 关键：每轮重写，而非追加

6. 存档当前版本：

   python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py --action backup --slug {slug} --base-dir ./authors
   

7. 写入新 Skill：用 Write 工具重写 writing.md 和 author_persona.md

8. 重新生成 SKILL.md（合并最新 writing.md + author_persona.md）

9. 更新 meta.json：

   • version: v(N+1)
   • evolution.total_rounds: +1
   • evolution.chapters_sampled: 追加本轮采样索引
   • evolution.rounds: 追加本轮记录

10. 展示本轮更新摘要，等待用户确认是否继续

收敛验证

当用户说 /validate-author {slug} 或"验证"时：

1. 恢复进化状态：用 Read 读取 authors/{slug}/meta.json，确认当前版本和已采样章节

2. 采样验证章节（3 章，前/中/后各 1 章）：

   python3 ${CLAUDE_SKILL_DIR}/tools/convergence_checker.py --action validate --slug {slug} --novel {path} --base-dir ./authors
   

3. 生成骨架大纲：参考 ${CLAUDE_SKILL_DIR}/prompts/skeleton_outline.md，从原文提取事件骨架

4. Skill AI 按大纲写作：使用当前 Skill 的 AI，根据骨架大纲写一章（必须用与创建 Skill 不同的 AI）

5. 对比 AI 多维评分：将生成文本与原文发送给另一个 AI，按 5 维评分表评分（必须用与 Skill AI 不同的 AI）

   • 参考 ${CLAUDE_SKILL_DIR}/prompts/style_validator.md

6. 记录评分并判定收敛：

   python3 ${CLAUDE_SKILL_DIR}/tools/convergence_checker.py --action record --slug {slug} --score {综合分} --dimension-scores '{JSON}' --base-dir ./authors
   python3 ${CLAUDE_SKILL_DIR}/tools/convergence_checker.py --action check --slug {slug} --base-dir ./authors
   

7. 收敛判据：连续 2 轮迭代，5 维综合评分的提升幅度均 < 0.3，则判定为收敛

8. 详细指南：参考 ${CLAUDE_SKILL_DIR}/docs/evolution_guide.md

---

进化模式：对话纠正

用户表达"不对"/"应该是"时：

1. 参考 ${CLAUDE_SKILL_DIR}/prompts/correction_handler.md 识别纠正内容
2. 判断属于 Writing（写作风格/情节构建）还是 Persona（性格/互动）
3. 生成 correction 记录
4. 用 Edit 工具追加到对应文件的 ## Correction 记录 节
5. 重新生成 SKILL.md

---

管理命令

/list-authors：

python3 ${CLAUDE_SKILL_DIR}/tools/skill_writer.py --action list --base-dir ./authors

/author-rollback {slug} {version}：

python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py --action rollback --slug {slug} --version {version} --base-dir ./authors

/delete-author {slug}： 确认后执行：

rm -rf authors/{slug}

---

标签翻译表

标签翻译表已独立维护，详见 ${CLAUDE_SKILL_DIR}/tag_translations.md。

该文件包含以下四类标签到 Layer 0 行为规则的映射：

• 写作风格标签（水文大师、剧情紧凑、慢热型、爽文流、虐心流、种田流、无敌流、凡人流）
• 更新习惯标签（日更党、周更党、月更党、太监王、爆发帝、稳定型）
• 人格标签（毒舌作者、宠粉狂魔、高冷型、自黑型、段子手、认真帝、傲娇型、佛系作者）
• 题材标签（玄幻、都市、科幻、历史、无限流、仙侠、游戏、灵异）

在 Step 3 分析阶段，需读取该文件将用户填写的标签翻译为具体行为规则。