supreme-ultimate 对比审核技能
必读
../../references/00-first-principles.md— 第一性原则（可拍性、留存性、一致性、可验证性）../../references/03-script-writing-standard.md— 剧本写作标准（对话比、视觉标记、网文感、节奏控制）../../references/04-review-gates.md— 审核门槛（PASS/FAIL标准、回改流程）
功能
对比生成剧本与参考的爆款剧本，从多个维度进行分析，防止AI味，确保剧本质量。
对比维度
1. 节奏对比
统计指标：
- 场景数（scene_count）
- 冲突密度（conflict_density）= 冲突次数 / 总字数
- 平均场景时长（avg_scene_duration）
- 时长方差（duration_variance）
- 情绪强度（emotion_intensity）
对比方法：
# 统计生成剧本
generated = analyze_rhythm(generated_script)
# 统计参考剧本（5个的平均值）
reference = average([analyze_rhythm(ref) for ref in reference_scripts])
# 对比
rhythm_score = compare_metrics(generated, reference)
判断标准：
- 场景数：±2个场景内为PASS
- 冲突密度：±0.01内为PASS
- 情绪强度：±0.01内为PASS
2. 对话风格对比
统计指标：
- 平均句长（avg_sentence_length）
- 对话比（dialogue_ratio）= 对话字数 / 总字数
- 视觉标记密度（visual_markers_per_100）
- 短句比例（short_sentence_ratio）< 10字符的句子占比
- 网文感关键词密度（wanwen_keywords_per_100）
网文感关键词：
wanwen_keywords = [
'冷笑', '嗤笑', '冷哼', '冷声', '冷冷',
'眼神一冷', '眸光一沉', '嘴角勾起',
'不屑', '轻蔑', '讥讽', '嘲讽',
'霸气', '强势', '凌厉', '锐利'
]
判断标准：
- 句长：12±3字符为PASS
- 对话比：70%±10%为PASS
- 视觉标记：3-5个/100字为PASS
3. 情绪冲击力对比
统计指标：
- 情绪词汇密度（emotion_word_density）
- 情感极性摆动（emotion_polarity_swing）
- 高潮点数量（climax_count）
- 悬念设置（suspense_count）
情绪词汇：
emotion_words = {
'愤怒': ['愤怒', '暴怒', '怒火', '气愤', '恼怒'],
'悲伤': ['悲伤', '难过', '伤心', '痛苦', '绝望'],
'惊讶': ['惊讶', '震惊', '惊愕', '愕然', '惊呆'],
'恐惧': ['恐惧', '害怕', '惊恐', '畏惧', '胆寒'],
'喜悦': ['喜悦', '高兴', '欣喜', '愉悦', '兴奋']
}
判断标准：
- 情绪词汇：1.5-2.5个/100字为PASS
- 情感摆动：至少2次明显摆动为PASS
- 高潮点：至少1个为PASS
4. 框架结构对比
结构要素：
- 开局（hook）：前10%是否有强钩子
- 发展（development）：中间60%是否有持续冲突
- 高潮（climax）：是否有明显高潮点
- 反转（twist）：是否有意外反转
- 结局（ending）：是否有强悬念/钩子
判断标准：
- 5个要素至少满足4个为PASS
5. 跨集内容重复检查
检查对象：当前集与前一集的内容对比
检查项：
- 场景重复：当前集与前一集是否有相同的场景
- 剧情点重复：当前集与前一集是否有相同的剧情点
- 对话重复：当前集与前一集是否有相似的对话
- 事件重复：当前集与前一集是否是同一个事件
判断标准：
- 发现任何重复内容，必须 FAIL
- 必须指出具体的重复位置
- 必须要求删除或重写重复内容
示例：
# 检查场景重复
ep01_scenes = extract_scenes(ep01_script)
ep02_scenes = extract_scenes(ep02_script)
duplicate_scenes = find_duplicates(ep01_scenes, ep02_scenes)
if duplicate_scenes:
feedback.append({
'dimension': '跨集内容重复',
'issue': '发现重复场景',
'location': f'第{N}集与第{N-1}集',
'duplicates': duplicate_scenes,
'suggestion': '删除重复场景，或改为新的场景'
})
6. 事件完整性检查
检查对象：当前集的事件结构
检查项：
- 事件完整性：当前集是否是一个完整的事件（有开始、发展、结束）
- 剧情线完整性：当前集是否有未完成的剧情线
- 逻辑连贯性：当前集与下一集的规划是否有逻辑断层
判断标准：
- 事件不完整（如只有开始没有结束），必须 FAIL
- 有未完成的剧情线，必须 FAIL
- 与下一集的规划有逻辑断层，必须 FAIL
示例：
# 检查事件完整性
event_structure = analyze_event_structure(script)
if not event_structure['has_beginning']:
feedback.append({
'dimension': '事件完整性',
'issue': '事件缺少开始',
'suggestion': '添加事件的触发点'
})
if not event_structure['has_ending']:
feedback.append({
'dimension': '事件完整性',
'issue': '事件缺少结束',
'suggestion': '添加事件的结果或转折'
})
执行流程
Step 1: 加载剧本
# 加载生成剧本
with open(generated_script_path, 'r') as f:
generated_script = f.read()
# 加载参考剧本（之前检索的Top 5）
reference_scripts = []
for ref_path in reference_paths:
with open(ref_path, 'r') as f:
reference_scripts.append(f.read())
Step 2: 统计指标
# 生成剧本指标
gen_rhythm = analyze_rhythm(generated_script)
gen_style = analyze_style(generated_script)
gen_emotion = analyze_emotion(generated_script)
gen_structure = analyze_structure(generated_script)
# 参考剧本平均指标
ref_rhythm = average([analyze_rhythm(ref) for ref in reference_scripts])
ref_style = average([analyze_style(ref) for ref in reference_scripts])
ref_emotion = average([analyze_emotion(ref) for ref in reference_scripts])
ref_structure = average([analyze_structure(ref) for ref in reference_scripts])
Step 3: 对比分析
feedback = []
# 节奏对比
if abs(gen_rhythm['scene_count'] - ref_rhythm['scene_count']) > 2:
feedback.append({
'dimension': '节奏',
'issue': f"场景数偏{'少' if gen_rhythm['scene_count'] < ref_rhythm['scene_count'] else '多'}",
'generated': gen_rhythm['scene_count'],
'reference': ref_rhythm['scene_count'],
'suggestion': f"建议调整为{ref_rhythm['scene_count']}个场景"
})
# 对话风格对比
if gen_style['dialogue_ratio'] < 0.6:
feedback.append({
'dimension': '对话风格',
'issue': '对话比偏低',
'generated': f"{gen_style['dialogue_ratio']:.1%}",
'reference': f"{ref_style['dialogue_ratio']:.1%}",
'suggestion': '增加对话，减少叙述性文字'
})
# 跨集内容重复检查
if previous_script:
duplicate_scenes = find_duplicate_scenes(generated_script, previous_script)
if duplicate_scenes:
feedback.append({
'dimension': '跨集内容重复',
'issue': '发现重复场景',
'location': f'第{N}集与第{N-1}集',
'duplicates': duplicate_scenes,
'suggestion': '删除重复场景，或改为新的场景',
'severity': 'CRITICAL' # 必须修复
})
# 事件完整性检查
event_structure = analyze_event_structure(generated_script)
if not event_structure['is_complete']:
feedback.append({
'dimension': '事件完整性',
'issue': event_structure['issue'],
'suggestion': event_structure['suggestion'],
'severity': 'CRITICAL' # 必须修复
})
# ... 其他维度对比
Step 4: 生成审核报告
report = {
'verdict': 'PASS' if len(feedback) == 0 else 'FAIL',
'overall_score': calculate_overall_score(gen, ref),
'dimensions': {
'rhythm': rhythm_score,
'style': style_score,
'emotion': emotion_score,
'structure': structure_score
},
'feedback': feedback,
'reference_examples': find_best_examples(feedback, reference_scripts)
}
输出格式
【综合审核报告】
判定：FAIL
综合得分：72/100
## 维度得分
- 节奏：65/100 ⚠️
- 对话风格：70/100 ⚠️
- 情绪冲击力：80/100 ✓
- 框架结构：85/100 ✓
- 跨集内容重复：FAIL ❌
- 事件完整性：FAIL ❌
## 详细反馈
### 跨集内容重复问题（CRITICAL）
1. 发现重复场景
- 位置：第2集与第1集
- 重复内容：搜身 + 签字 + 离开
- 建议：删除第2集的重复内容，改为新的场景（如拍卖会、修炼等）
### 事件完整性问题（CRITICAL）
1. 事件不完整
- 位置：第2集
- 问题：第2集重复了第1集的事件，没有新的完整事件
- 建议：第2集应该是一个新的完整事件，如"拍卖会展示实力"（入场 → 竞拍 → 展示 → 震惊）
### 节奏问题
1. 场景数偏少
- 生成剧本：6个场景
- 参考平均：8.5个场景
- 建议：增加2个过渡场景，建议在第3场景后和第5场景后各增加一个
2. 冲突密度偏低
- 生成剧本：0.015
- 参考平均：0.035
- 建议：在第3、5场景增加对抗情节
### 对话风格问题
1. 对话比偏低
- 生成剧本：45%
- 参考平均：72%
- 建议：增加对话，减少叙述。将叙述性文字改为对话形式
2. 句长偏长
- 生成剧本：18字符
- 参考平均：12字符
- 建议：拆分长句，增加短句比例
3. 视觉标记不足
- 生成剧本：1个/100字
- 参考平均：4个/100字
- 建议：增加视觉标记（冷笑、嗤笑、冷哼等）
## 参考示例
请参考以下爆款剧本的处理方式：
1. 《封总的复仇娇妻》第15集
- 对抗场景结构：先铺垫→冲突爆发→反转→钩子
- 对话节奏：短句+高密度+情绪化
2. 《霸总的替身新娘》第8集
- 打脸场景：层层递进，每次打脸都有新信息
- 视觉标记：冷笑、嗤笑、眼神一冷等高频使用
## 修改建议
优先级1（必须修改 - CRITICAL）：
- **删除第2集的重复内容，改为新的完整事件**
- **确保每集是一个独立的故事单元**
优先级2（必须修改）：
- 增加2个过渡场景
- 提高对话比到70%以上
优先级3（建议修改）：
- 拆分长句
- 增加视觉标记
优先级4（可选优化）：
- 增强情绪词汇密度
- 优化悬念设置
成功标准
- 综合得分 ≥ 80分为PASS
- 4个维度得分均 ≥ 70分
- 无优先级1的问题
- 跨集内容重复检查：PASS（无重复内容）
- 事件完整性检查：PASS（事件完整、无逻辑断层）
注意事项
- 对比基准：使用检索到的Top 5爆款剧本作为基准
- 动态调整：根据实际效果调整判断标准
- 具体建议：必须引用具体的参考剧本示例
- 可操作性：建议必须具体、可执行