Novel weaver
一个包含agent和skill的集合：RAG、技能审查、周报生成、项目管理、质量监控...及技术方案/内部设计文档
npx -y skills add Ldxs001/workbuddy-skills --skill novel-weaverAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- 2 stars2 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
What its author says it does
Copied from the file, not written here
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。
The file declares its own license as MIT. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.
SKILL.md
12.6 KB, as published. Nobody here has run it
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
- [强制] 新会话第一步：查看项目 — 不要猜路径，先运行以下命令查看已有的项目：
如果无项目则创建新项目，有项目则记录 state_path 供后续命令使用。python scripts/novel_workflow_engine.py list-projects - [强制] 流程门禁系统 — 在阶段转换时自动 require 前置门禁：→writing 检查 outline_causality + sub_causality；→stage3_ready 检查 fidelity + ending_verify。门禁状态查看：
python novel_pipeline_gate.py status <state_path> - [强制] 核心规划字段保护 + 串行阻断 —
novel_state_manager.py对核心字段做 MD5 指纹校验，LLM 不可更新。context_loader 检测上一子结构是否为 completed，否则 HOOK-BLOCK 阻断。串行写入，一次只改一个子结构 - [强制] 串行阻断 — context_loader 加载子结构上下文时检测上一子结构 state 是否为 completed。若为 pending 则输出 HOOK-BLOCK 并给出 write-sub 修复命令，强制走管道完成标记后才能继续。子结构写作必须串行
- [必须] 先确认+规划再写作 — 场景配置和大纲必须经用户确认，每章先
plan-chapter（含必填 writing_prompt + 情绪 tone + 可选 emotions）→ 因果链验证 → 通过串行阻断检查，才可开始写作 - [必须] 写作规范 — 每段 ≤200行（自然段落结束），atomic write 逐行 fsync，正文禁止
L##S##标记行（会被阻断） - [强制] 写作中登记 — 新角色出场时
novel_state_manager.py add-char。plan-chapter 已加硬阻断：sub_structures 中出现未登记角色名时 HOOK-BLOCK，必须先 add-char 才能写入。 - [强制] 每章六检 + 自动完结 — 写完所有子结构后 write-sub 自动触发 finalize-chapter（不再需手动执行）：章内连通性 → 跨章承诺链 → 风格校验 → 逻辑检查 → 语义检查 → 推理审核 → 聚合硬性问题并阻断。通过后自动推进 phase。
- [必须] 全文三检 — 全文完成后必须：
novel_fidelity.py（大纲忠实度）+verify-ending（结尾收束验证）+set-phase stage3_ready
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()
# DATA_DIR = ~/.workbuddy/skills/.standardization/novel-weaver/projects/
获取单个项目 state 路径：
from _path_utils import resolve_state_path
state_path = resolve_state_path() # 自动从 .project 缓存读取
# 或传入项目名: resolve_state_path("赛博搏杀记")
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：
# 1. 装 transformers + torch + accelerate
pip install transformers torch accelerate -i https://mirrors.aliyun.com/pypi/simple/
# 2. 下载 DeepSeek-R1-Distill-Qwen-1.5B 模型（~3.7GB，hf-mirror）
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)"