notnotype novel-genre-research：题材与竞品调研
围绕「榜单选题 → 对标发现 → 拿到文本 → 拆书分析 → 结论落地」的完整调研流程。每一步都基于真实数据或已导入素材，做不到的部分向用户明确说明并给替代路径，不要伪造数据。
1. 榜单选题（NovelScope）
先读取 novel-data Skill，从 SkillCatalog 取得它的绝对 root 并记为 <novel-data-root>。在第一次运行 CLI 或 node_modules 缺失时，先按该 Skill 的依赖门执行 frozen install；安装成功后再通过 bash 调用只读 CLI：
bun "<novel-data-root>/scripts/novel-data.ts" rankings --platform qidian --board yuepiao
bun "<novel-data-root>/scripts/novel-data.ts" book-detail --platform qidian --book-id 123456
rankings查询最新保存的榜单快照。起点榜单键为yuepiao、hotsales、recom、collect；番茄榜单键形如0_1_1139。book-detail按榜单条目的externalBookId查询简介、分类、状态和字数。- 先拉一至两个相关榜单，再补充头部作品详情，最后归纳题材分布、书名与简介钩子、连载状态和字数区间。
数据边界（必须向用户交代）：
- 数据来自本地 NovelScope 缓存，不是实时抓取：榜单是最近一次采集的快照，书籍详情缓存 TTL 3 小时。
- 回答必须带榜单的
fetchedAt；详情的stale=true必须原样向用户说明数据可能过期。 - 起点榜单条目当前没有数值 metrics（字体反爬导致数字无法还原），只有书名、作者、书号；不要编造阅读量或销量。
- 榜单没有快照或服务未启动时，引导用户按 sibling 仓
../novel-api的 README 启动服务。默认地址是http://localhost:3000，也可通过 CLI--base-url或NOVEL_DATA_BASE_URL覆盖；不要伪造榜单内容顶替。
2. 对标发现 → 拿到文本
榜单/讨论中锁定对标作品后，引导用户拿到全文文本：
- 番茄免费作品：让用户用 Tomato Novel Downloader（Web UI 搜索、首次下载）拿到 epub 或下载目录，细节见
novel-import-tomato-referenceskill 的serve封装。 - 用户已有 epub / 下载目录时跳过下载，直接进导入。
3. 导入（novel-import-tomato-reference）
用 novel-import-tomato-reference skill 把文本导入当前小说 Project Workspace 的 reference/tomato/{book}/（生成 metadata.json、chapters/、full.md）。不写入 manuscript/，外部素材不混进原创正文。
4. 拆书分析（book-deconstruct workflow）
对已导入的书用 run_workflow 跑 book-deconstruct 拆书：
- 参数：
book= 导入目录（如reference/tomato/{book}）、maxChapters= 拆解章数上限、focus= 本次拆书关注点（如「开篇钩子与承诺」「节奏与爽点分布」）。 - workflow 默认走后台任务，结果会以后续消息回流；不要空转轮询。
- 在拆书产出上做人工分析：钩子设计、节奏、承诺兑现、爽点分布、人设卖点，并结合当前项目定位给可执行结论。
5. 结论落地
- 分析结论整理成短文档，经用户确认后写入
lorebook/note/genre-research/（独立调研节点）或lorebook/note/project-positioning/（直接影响定位时），供novel-setup/novel-writing消费。 - 未经确认前，调研产物只在对话里呈现，不落 lorebook。
边界
- 不伪造榜单数据、销量、读者评论；工具拿不到的数据如实说拿不到。
- 题材惯例讨论可以基于模型知识，但要明确告知这是经验性讨论，不是实时市场数据。
- 调研产物是参考资料，不直接改写用户的定位与设定；结论经用户确认后才写入 lorebook。