Novel Architect

Novel Architect — 商业连载网文创作 Skill

版本 3.0.0。目标是让 Agent 以“脚本状态守卫 + 模型文学判断”的混合方式，稳定完成中文商业连载网文的开书、续写、审校、修稿和长线维护。

0. 总原则

把本 skill 当成可自主执行的工作流，不要把 CLI 命令清单转交给用户。

• 用户负责提供高层创作目标、题材、平台、偏好、限制和重大方向选择。
• Agent 负责读取本 SKILL.md，必要时读取 references/，自行调用 novel_architect CLI，自行读取产物，自行生成 JSON/正文/修稿，并推进到有效停止点。
• Python CLI 是确定性工具层，负责项目状态、索引、账本、门禁、信号、hash 和文件落盘；它不是给用户手动执行的说明书。
• 模型负责文学判断和创作输出：market pack、beat 选择、正文写作、model signal、修稿、反馈诊断。
• 只有在缺少 shell/文件工具、项目路径不明且无法推断、或需要真正的创作方向取舍时，才询问用户。

有效停止点只有这些：章节 gate.passed=true 并已 commit；前三章审校失败需要重写开头或重做 market pack；缺少必要输入导致无法继续；工具权限不足；需要用户在多个重大创作方向中选择。

1. 运行命令约定

在能导入 novel_architect 的工作区执行命令。优先使用项目仓库根目录下的：

uv run python -m novel_architect <command> ...

如果当前环境没有 uv 但包已安装，使用：

python -m novel_architect <command> ...

如果 console script 可用，也可以使用：

novel-architect <command> ...

执行前先确定项目路径：用户给出路径则使用该路径；用户只说“这本书/继续写”时，先检查常见 projects/<书名>/ 目录和 project.json；多个候选项目无法判断时再问用户。

review、save-first3-review 等命令返回非 0 通常表示门禁未过，不代表程序崩溃。此时读取输出 JSON、gate.json 或 repair.json，修复后重试。

2. Agent 自主执行契约

必须自己执行的动作

当任务涉及开书、续写、审校、修稿、改纲、重建、反馈诊断或状态检查时，Agent 必须自己调用 CLI、读取输出、写入文件并继续流程。

不要只回复：

请运行 python -m novel_architect prepare ...

应当实际运行命令，检查产物，再继续下一步。只有环境没有 shell/文件权限时，才给用户命令。

导出的 prompt 都是 Agent 工作项

这些命令会导出 prompt 或 input 文件。Agent 需要读取它们并亲自生成对应 JSON/文本，再调用保存命令或更新文件。

不要让用户把这些 prompt 粘给另一个模型，除非用户明确要求这种人工协作模式。

3. 任务入口速查

gen-prompt 只用于用户明确要求“导出给外部写作模型/Claude Code 的独立提示词”时。普通续写不要用 gen-prompt 替代 prepare → beat → writing_task → review → commit 主流程。

4. 开书流程

开新书时，不要直接开始写第 1 章。先建立市场定位和真相源。

4.1 初始化项目

python -m novel_architect init --project <project_dir> --title <title> --genre <genre> --platform <platform> --premise <premise> --core-hook <core_hook> --protagonist <name>

初始化会生成 project.json、src/、manuscript/、data/、editorial/ 等目录。初始化只提供骨架，不代表开书策划完成。

4.2 生成并保存 market pack

运行 market-open，读取导出的 prompt/input，自行生成严格 JSON，再运行 market-save。

market pack 必须至少包含：

• target_platform
• genre_lane
• target_reader
• reader_desires
• core_sell_points
• anti_sell_points
• title_candidates
• intro_candidates
• first_10_chapter_retention_plan
• platform_notes
• author_constraints

前 10 章计划中每章必须有 chapter、hook、visible_payoff、drop_off_risk。不要写“加强冲突”“提高爽感”这种不可执行空话。

4.3 补强真相源

src/ 是人工确认真相源。开书后检查并补强：

• src/blueprint.json：前提、核心钩子、核心冲突、主角目标。
• src/characters.json：角色身份、欲望、恐惧、弱点、弧线、slug。
• src/character_voice_bible.json：角色声纹规则、禁用口吻、行动偏好、情绪泄漏点。结构为 {"schema_version":1,"characters":{"角色名":{...}}}；如果文件还是 skeleton 或角色 needs_completion=true，先补全再正式写正文。
• src/world.json：世界/行业/力量规则，只保留服务冲突和爽点的设定。
• src/taboos.json：绝对不能碰的桥段、AI 味、题材反模式。
• src/volumes.json：卷级目标和滚动章纲。不要一次性把整本每章写死。
• src/genre_config.json：题材打法；内置优先支持玄幻升级、都市逆袭、历史权谋、悬疑破局，其他题材需更依赖 market pack 和自定义 genre_config。

修改真相源后运行：

python -m novel_architect rebuild --project <project_dir>
python -m novel_architect status --project <project_dir>

不要手动修改 data/ 里的账本或派生状态来“修好”剧情；长期语义修正写入 src/ledger_overrides.json 或对应 src/*.json，再重建。

4.4 前十章留存计划

使用 first-10-retention 导出/生成计划；必要时自行细化后用 save-first10-plan 保存。前十章是入口漏斗，规划应具体到每章的 hook、可见收益、弃读风险和不能做什么。

5. 续写下一章标准流程

每章必须走完整闭环。不要直接根据聊天上下文写正文。

5.1 状态检查

先运行：

python -m novel_architect status --project <project_dir>

确定当前完成章数、gate 状态、索引健康和待处理风险。不要依赖聊天记忆判断下一章号。

5.2 PREPARE

python -m novel_architect prepare --project <project_dir> --query "<本章高层创作要求>"

产物：editorial/chXXXX/writing_task.json。这是写作阶段的自包含任务包，必须读取。它包含 writer_brief、narrative_context、叙事槽、商业留存字段、角色声纹、读者承诺、输出格式和硬规则。

第 4 章以后，prepare 会检查前三章专项审校。正常新书不得使用 --force-after-first3-fail；该参数只用于旧项目迁移或调试。

5.3 Beat competition

第 1-10 章必须执行 beat competition；第 10 章以后默认也建议执行，除非用户明确要求快速草稿。

python -m novel_architect beat-candidates --project <project_dir> --chapter <n>

读取导出的 prompt，生成或选择一个策略最强的方案，保存并应用：

python -m novel_architect beat-select --project <project_dir> --chapter <n> --file <selection.json>
python -m novel_architect apply-beat-selection --project <project_dir> --chapter <n>

选择标准：可见爽点最清楚、敌人损失最具体、角色按钮最鲜明、章尾追更理由最强、弃读风险最低。应用后重新读取最新 writing_task.json。

5.4 WRITE

根据 writing_task.json 写正文并保存到 manuscript/第XXX章-标题.md。标题必须有点击感，不要只保存为 第XXX章.md。

正文必须严格遵守 writing_task.output_format.field_template：

1. # 第XXX章-标题
2. ## 章节信息
3. ## 本章大纲
4. ## 正文
5. ## 记忆回写

关键要求：

• 正文不少于 2000 字，目标 2000-2500 字。
• 使用中文弯引号 “”。
• 第一段承接上章钩子；第 1 章则快速建立压迫、主角欲望和可见机会。
• 每章必须有普通读者 5 秒内能复述的可见爽点。
• 专业流程/术语必须转译成钱、权、脸面、身份、关系、秘密、战力、资源或安全得失。
• 角色对白必须体现 character_voice_bible，禁止所有人同一种战略总结口吻。
• 如制造新的读者期待，必须在记忆回写中填写新增读者承诺；如兑现期待，必须填写兑现 ID 和可见证据。

5.5 REVIEW 第一轮

python -m novel_architect review --project <project_dir> --chapter <n>

如果返回非 0，读取 editorial/chXXXX/gate.json 和 repair.json，不要跳过。

5.6 模型信号评估

导出信号 prompt：

python -m novel_architect export-signal-prompts --project <project_dir> --chapter <n>

前 10 章、卷首、卷末、高潮、转折、发布前章节：12 个 signal 都要生成并保存 model signal。

稳定期最低也要覆盖：

• reader_pull
• visible_payoff
• blockbuster
• title_hook
• character_voice
• domain_translation
• story_logic
• state_guard

保存每个模型信号：

python -m novel_architect save-model-signal --project <project_dir> --chapter <n> --signal <signal_type> --file <signal.json>

模型信号必须输出严格 JSON。若评分低于 7，不得写 pass。模型 pass 不能覆盖 heuristic warn/fail；最终采用 strictest merge。

5.7 REVIEW 第二轮与修稿循环

保存 model signals 后重新运行：

python -m novel_architect review --project <project_dir> --chapter <n>

只有 gate.json 中 passed=true 才能提交。若 passed=false，读取 repair.json，改正文后重复 review/model-signal/review，直到通过或到达有效停止点。

5.8 COMMIT

python -m novel_architect commit --project <project_dir> --chapter <n>

只在 gate 通过后执行。commit 会推进状态、重建索引、更新账本、处理 reader promise 创建/兑现/逾期。不要跳章提交；不要手动改 gate.json 或 signals 来强行通过。

6. 前三章专项门禁

新书第 1-3 章是试生产阶段。第 1、2、3 章分别完成 prepare → beat → write → review → model signals → review → commit 后，必须执行：

python -m novel_architect first3-review --project <project_dir>

读取 data/reviews/first3_review_prompt.md 和 first3_review_input.json，生成 verdict JSON，再保存：

python -m novel_architect save-first3-review --project <project_dir> --file <first3_verdict.json>

允许继续第 4 章必须同时满足：

• verdict == "continue"
• bulk_continue_allowed == true
• 原样包含当前 review_input_hash
• 8 个评分全部存在：title_intro_click_score、first_chapter_hook_score、protagonist_desire_score、conflict_speed_score、first_payoff_speed_score、enemy_or_pressure_score、setting_clarity_score、continuation_score
• 所有评分都是 1-10 数字，且全部 >= 7

如果结果是 rewrite_opening，先修前三章；如果是 redo_market_pack，先重做 market pack、书名/简介/前十章计划。不要用 --force-after-first3-fail 正常推进新书。

前三章正文、market pack 或入口输入变化后，旧 first3_review 会因 hash 过期而阻断第 4 章以后生产，必须重新运行 first3-review 并保存新 verdict。

7. 门禁与 12 个信号

review 生成 12 个信号、verdict、gate、repair。每次 review 都重新运行 heuristic signal；新鲜 model signal 保存为 .model.json 变体参与 strictest merge；final signal 取更严格结果。

简单规则：只看 gate.passed。passed=true 才能 commit；passed=false 就修。

8. 长线维护

• 每章：完整执行 prepare → beat → write → review → model signals → review → repair → commit。
• 每 3 章：运行 status，检查 active/overdue reader promises、gate 变化、索引健康。
• 每 5 章：运行 batch-review --start <a> --end <b>，检查连续弱项和重复模式。
• 每 10 章或关键节点：运行 volume-review、benchmark，滚动更新 volumes.json 和后续 5-10 章规划。
• 每卷结束：检查卷目标、敌人损失、读者承诺兑现、下一卷钩子。
• 发布后：用 save-feedback 记录数据和评论，用 feedback-diagnose 转成下一轮实验建议。样本很小时不要过拟合单条评论。

9. 真相源与目录规则

项目结构：

projects/<书名>/
├── project.json
├── src/                  # 真相源，人工确认设定和规划
├── manuscript/           # 正文章节 .md
├── data/                 # 派生状态，可重建，不手动改
├── editorial/            # 每章 brief / writing_task / signals / gate / repair
└── exports/

重要规则：

• src/ 与 manuscript/ 是 truth input。
• data/、editorial/ 是运行时/派生产物；不要手动改它们来绕过门禁。
• 改设定、改卷纲、改角色时修改 src/*.json，再 rebuild。
• 改正文时修改 manuscript/第XXX章-标题.md，再 review。
• 长期人工账本修正写入 src/ledger_overrides.json，再 rebuild。

10. 禁止事项

不要做以下事情：

• 不要把 CLI 工作转交给用户手动执行。
• 不要没有 prepare 就直接写正式章节。
• 不要跳过 beat competition 写前 10 章。
• 不要 gate.passed=false 还 commit 或继续下一章。
• 不要为正常新书使用 --force-after-first3-fail。
• 不要只保存 heuristic review 就认为商业质量足够；关键章节必须做 model signal。
• 不要手动改 gate.json、signals 或 data/ledgers 来制造通过。
• 不要让章节没有标题或只叫 第XXX章.md。
• 不要让记忆回写长期填“无”，尤其是 reader promise。
• 不要把专业流程写成会议纪要、授权记录、复核清单，而不转译成读者可见得失。
• 不要承诺逐字模仿某位作者或某本现成作品的语言风格。

11. 需要读取的参考文件

按需读取，避免把全部资料一次性塞入上下文。

如果实现行为、README 和 references 冲突，以当前 Python CLI 行为为准，并在维护任务中同步文档。

12. 常用命令清单

python -m novel_architect --help
python -m novel_architect init --project <dir> --title <title> --genre <genre> [--platform <platform>] [--premise <text>] [--core-hook <text>] [--protagonist <name>]
python -m novel_architect market-open --project <dir> [--platform <platform>] [--genre-hint <genre>] [--seed-idea <idea>] [--author-intent <intent>] [--constraint <text>] [--stdout]
python -m novel_architect market-save --project <dir> --file <market_pack.json>
python -m novel_architect market-status --project <dir>
python -m novel_architect first-10-retention --project <dir> [--stdout]
python -m novel_architect save-first10-plan --project <dir> --file <first10.json>
python -m novel_architect status --project <dir>
python -m novel_architect prepare --project <dir> [--query <text>]
python -m novel_architect beat-candidates --project <dir> --chapter <n>
python -m novel_architect beat-select --project <dir> --chapter <n> --file <selection.json>
python -m novel_architect apply-beat-selection --project <dir> --chapter <n>
python -m novel_architect review --project <dir> --chapter <n>
python -m novel_architect export-signal-prompts --project <dir> --chapter <n>
python -m novel_architect save-model-signal --project <dir> --chapter <n> --signal <type> --file <signal.json>
python -m novel_architect commit --project <dir> --chapter <n>
python -m novel_architect resume --project <dir> --chapter <n> [--query <text>]
python -m novel_architect first3-review --project <dir>
python -m novel_architect save-first3-review --project <dir> --file <first3_verdict.json>
python -m novel_architect batch-review --project <dir> --start <a> --end <b>
python -m novel_architect volume-review --project <dir> [--volume <n>]
python -m novel_architect benchmark --project <dir>
python -m novel_architect rebuild --project <dir>
python -m novel_architect rebuild-index --project <dir>
python -m novel_architect validate --project <dir> --chapter <n>
python -m novel_architect learn --sample-dir <dir>
python -m novel_architect save-feedback --project <dir> --chapter <n> --file <feedback.json>
python -m novel_architect feedback-diagnose --project <dir> --chapter <n>
python -m novel_architect feedback-summary --project <dir>
python -m novel_architect gen-prompt --project <dir> [--outline-file <path>] [--stdout]