Skill

作者级角色取名

把姓名依次视为三件事：脱离解释仍成立的口头声音、人物出生时得到的社会事实、被关系和剧情逐渐占有的叙事资产。前一层失败，不得用后一层补救。

目标

产出同时满足以下条件的名字：

• 像剧中取名者在那个年代和家庭里真能取出；
• 听一次能辨认，隔一段时间能复述；
• 不靠生僻字、漂亮寓意或性格标签制造记忆；
• 能自然生长出全名、姓氏、乳名、外号、职称或法号；
• 经过剧情后逐渐只属于这个人物。

真实只是底线。不得用“像真人”掩盖平庸，也不得用“有记忆点”掩盖悬浮。

核心禁令

• 不从“坚韧、温柔、深沉、清醒”等标签直接拼字。
• 不用稀有姓、生僻字、谐音谜语替代人物塑造。
• 不先给二十个名字让用户抽奖。
• 不用字义说明替候选辩护。
• 不把普通自动等同于高级；可无损搬进十部同类剧的名字也要淘汰。
• 不只改主角；必须检查整剧声音、亲属和称呼关系。
• 不为了显示能力而强改已经被剧情占有的名字。
• 不为先生成的名字倒编出生故事。用户没有提供的取名事实只能标作假设，不能拿来证明候选成立。
• 不用来源、寓意和剧情潜力挽救裸看奇怪、裸听含混或必须解释才好记的名字。
• 不把用户要“几个名字”理解为允许盲猜。缺少人物时，先索取一个最能改变结论的事实，再定名。

先选择任务模式

• 单角色新取名：从人物与取名现场建立候选，交付一个首选。
• 现有名字修复：先判断问题在法定名、称呼系统还是剧情使用，不默认换名。
• 整剧姓名系统：先分配姓氏、世代、声音和记忆资源，再处理个人名字。
• 历史/地域校准：先查证姓名邻域，再做创作判断。
• 用户盲测校准：隐藏解释和候选顺序，记录真实选择，不把模型自评当作用户偏好。

工作流程

1. 读到足以认识人物

优先读取完整剧本。材料过长时至少读取：人物表、开场、第一次受压、一次亲密关系场面、一次公开冲突、结尾。

提取：

• 故事年份、地域、城乡、阶层；
• 人物出生年份；
• 取名者、家庭权力与姓氏来源；
• 家人、朋友、对手、陌生人分别怎样称呼他；
• 同剧姓名与声音节奏；
• 人物第一次被叫名、最后一次被叫名的场面。

缺少会改变结论的事实时，只追问最关键的一项。能够安全推断时，标明假设并继续。

若用户只给题材，没有人物、时代、出身或命名制度，不得直接交付“定稿姓名”。先问最关键的一项；用户不补充时，只能给命名方向，不得为候选倒编家庭故事。

2. 还原“取名现场”

在生成候选前回答：

谁在什么年份、什么生活处境下取名？这个人当时知道什么，又不可能知道人物未来的什么？

名字可以来自愿望、排行、宗族、时代风气、方言、登记偶然或家庭旧事，但不能精准预言剧情。

需要详细判断时读取 references/author-naming-method.md。

3. 建立真实底盘

先界定真实可能的姓名范围：常见度、单名或双名、年代审美、地域和家庭来源、本名与其他称呼、姓氏制度。

必要时读取 references/reality-calibration.md，用公开、合规的同年代样本建立姓名邻域。无法查证时，不把个人印象写成统计事实。

4. 找一个“干净异常点”

在真实底盘上，只允许一个主要记忆来源：

• 排行、乳名或地方叫法；
• 家庭成员之间不完全整齐的命名关系；
• 取名登记中的生活偶然；
• 本名与社会称呼的落差；
• 朴素愿望与后来命运形成的自然反差；
• 两三个常见音节组成的少见节奏。

异常点必须能追溯到人物生活。若只能解释为“更有主角感”，删除。

读取 references/naming-mechanism-library.md 选择一个正向机制，再读取 references/memorability-and-ownership.md 设计记忆点、称呼系统与剧情占有。

5. 生成异源候选，不做换字游戏

内部生成 5—7 个候选，每个必须来自不同生活来源，例如家庭愿望、排行、登记偶然、公私双名、年代惯例。不得生成“知夏 / 知微 / 知意”式同源排列。

为每个候选同时写出：

• 户口本上的名字；
• 家庭最常用称呼；
• 社会关系最常用称呼；
• 它唯一的生活来源；
• 最容易失败的地方。

6. 放回声音与关系中试演

先做裸名门：隐藏人物设定、来源、字义和剧情解释，只保留姓名本身。

• 第一眼是否能准确读出；
• 听一遍是否能准确复述，不会稳定误听成负面词或另一个常用词；
• 是否像一个名字，而不是一句作者设计的短语；
• 删除解释后是否仍有清楚、自然、不费力的声音轮廓；
• 候选若需要“其实这个名字是因为……”才能成立，立即淘汰。

裸名门是前置否决，不参与综合权衡。通过后，才允许放回人物关系中试演。

至少试演：长辈日常、亲密低声、对手喊全名、陌生人正式称呼。再检查：

• 不看文字，只听声音能否与其他角色区分；
• 哪一种称呼会成为观众最常复述的名字；
• 全名、简称、乳名之间是否自然，不是作者硬造。

整剧核心人物超过 3 人，或用户明确关心听感时，运行普通话语音检查：

python3 scripts/voice_audit.py 姓名1 姓名2 姓名3

首次使用时运行 python3 scripts/install_voice_dependency.py，把固定版本安装到 Skill 自己的 .voice-venv，不得修改系统 Python。多音字或特殊读音必须用 --pronunciation 姓名=pin1,yin1 人工覆盖。语音工具只提示声母、韵母、声调和同音风险，不判断文学质量。

对单个核心候选，也要主动写出一个最可能被误听的词或名字；存在明显风险时，把两者一起送入语音检查。完全同音且误听含义会抢走注意力时，直接淘汰，不靠文字展示补救。

7. 设计名字被剧情占有的过程

为主角至少确定：

1. 第一次出现姓名的方式；
2. 谁拥有最私密的叫法；
3. 谁故意不用他的名字；
4. 哪次冲突必须喊全名；
5. 结尾时同一个名字是否获得新含义。

名字不能只在人物表里好看。没有叫名场面的主角名，视为尚未完成。

8. 隐藏理由，进行候选盲选

隐藏所有寓意和取名解释，只保留人物事实、姓名、称呼和对白。执行两两淘汰：

1. 哪个更像真实存在的人？
2. 哪个十分钟后更容易复述？
3. 哪个更难无损搬进另一部剧？
4. 哪个在四种关系里产生的称呼最自然？

真实性和记忆性不能落在同一个候选上时，继续重取，不做折中拼字。读取 references/candidate-selection.md 执行盲选。

用户反复反馈“太普通、太网文、记不住”或需要比较候选时，读取 references/human-evaluation.md。用 scripts/blind_test.py 隐藏解释、随机候选顺序并把反馈保存为本地 JSONL；未经用户允许不得上传或纳入公开样本。

9. 通过五关后才交付

读取 references/anti-ai-audit.md，逐项给出“通过 / 存疑 / 不通过”：

1. 出生关：取名者真能取出；
2. 开口关：不同关系自然叫出；
3. 辨认关：与同剧人物一耳朵分开；
4. 复述关：十分钟后仍能复述；
5. 占有关：剧情和关系会让它逐渐只属于此人。

任一项不通过，不得定稿。两项存疑，必须重取。五关之前先过裸名门；裸名门失败属于硬淘汰，即使出生关和占有关能够写出漂亮解释，也不得定稿。

输出契约

默认只交付 1 个首选；只有两种方向确实改变人物来源时，才给最多 2 个备选。

内部必须完成完整工作卡，默认对用户精简输出：

1. 定稿姓名；
2. 一句来源：谁为什么会这样取；
3. 称呼系统：最重要的两三种叫法；
4. 一句试演；
5. 最大风险。

用户要求深度报告、整剧审查或比较候选时，再展开：

1. 定稿姓名；
2. 取名现场：谁为什么会取出；
3. 干净异常点：记忆从哪里来；
4. 称呼系统：不同关系怎样叫；
5. 四句试演；
6. 名字的首次出现与结尾回收；
7. 五关结果；
8. 最大风险：主动说明它最可能失败在哪里。

材料不足时输出“当前首选”，明确缺哪一个事实会改变定稿，不制造虚假精确。

只有题材而没有人物事实时，不输出“当前首选”，改为追问一个关键事实。

整剧审查

先给整套姓名系统结论，再逐个标记“保留 / 加强称呼设计 / 建议更换 / 必须更换”。检查亲属逻辑、年代层次、声音距离、名字长度分布和主次角色记忆资源是否失衡。

需要机械检查时运行：

python3 scripts/name_audit.py 姓名1 姓名2 姓名3

脚本只提示重复、共享字和模板化风险，不负责文学判断。

需要积累用户审美时，不直接总结成“用户喜欢某些字”。优先记录失败原因、称呼偏好和盲选结果；只有跨多个案例稳定出现时，才把它升级为个人偏好规则。