# Novel Genre Research

> 题材分析、竞品分析与写作调研。通过 novel-data Skill 查询本地 NovelScope 缓存的起点、番茄榜单与书籍详情做选题；对标作品经 Tomato Novel Downloader 和 novel-import-tomato-reference 导入后，用 book-deconstruct workflow 拆书分析。用于分析题材惯例与读者期待、拆解对标作品、为选题或转型提供参考。

- Skill: `notnotype/novel-genre-research` (Agent Skill)
- Install (CLI): `npx skillmds@latest add notnotype/novel-genre-research`
- Raw SKILL.md: https://api.skillmd.com/api/skills/notnotype/novel-genre-research/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: notnotype (https://skillmd.com/u/notnotype)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/notnotype/novel-genre-research

---


# 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：

```bash
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-reference` skill 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。