eternityspring/shuohao-skills

novel-outline

把一本小说改编成短剧大纲五件套:改编说明、人物表、爽点表、分集梗概、资产清单, 产出 outline.json + Markdown + 单页评审报告(KPI 带、关键决策、爽点时间轴、调度矩阵、场景概览、质量门)。 14 道质量门全部由脚本确定性检查(角色分档上限、主场景上限随集数动态、爽点间隔≤3集、每集钩子悬念必填……),不靠模型自觉; 支持体检模式:贴一份现成大纲进来,只跑质量门给诊断。 零依赖、零 API key,用当前会话额度。 Use when asked to 改编大纲、短剧大纲、拆大纲、小说…

Quelltext ansehen
Originales Skill-Dokument

Aus dem Quell-Repository gerendert; Überschriften, Beispiele, Code, Tabellen, Links und Bilder bleiben erhalten.

novel-outline

输入一本小说 + 目标参数,输出短剧改编大纲五件套。四件模型写、一件脚本算(资产清单从分集数据自动汇总)。

{baseDir} = 本文件所在目录。脚本 {baseDir}/scripts/novel-outline.mjs,零依赖,node 直接跑。

边界(不做的事):不写剧本台词、不做分镜、不出图像/TTS 提示词。梗概是叙述体,出现引号对白就是越界——validate 会拦。想从小说拆角色设定(画像/形象提示词/设定图),那是 novel-characters 的活。


Step 0 — 收参数 ⛔ 缺了不开工

一次问完,别轮流盘问。两件必问 + 两件给默认值待确认:

参数处理
总集数 × 单集时长必问,没有合理默认
题材必问,决定爽点类型,猜错整份废
改编幅度默认抽核(忠实 / 抽核 / 借壳),告知即可
已有偏好默认无(想保哪个角色、哪场戏)

平台阈值不同可以带上 params.thresholds 覆盖(默认:主角组 ≤ 5、重要配角 ≤ 10、功能性角色 ≤ 10、爽点间隔 ≤ 3 集)。主场景上限不用配,随集数自动算:4 + ⌈集数/10⌉,夹在 5–15(60 集 → 10)。这是 AI 短剧的数——场景是生成的没有搭景钱,放宽换观赏性;显式给 maxPrimaryScenes 才覆盖。短篇(20–30 集)建议收紧角色档的阈值,默认值是按 60 集以上给的。

人物表从原文拆——大纲是角色设定的上游,characters 块定下的分档、人物线与来源,下游 novel-characters 直接拿去当角色清单,不用再判断一遍谁重要。

例外是用户手上已经有 cast.json(此前单独跑过 novel-characters):那就拿来当人物原料,角色、别名、关系都是现成的,不用重拆原文。分档按 importance 反向映射:protagonist/major → lead,supporting → support,minor → functional

Step 1 — 定位输入

材料优先级,写死:

  1. 用户点名的精读章节
  2. 章节目录 + 简介
  3. 全文分卷摘要(Step 2)

禁止凭书名脑补内容——一切判断基于给到的文本。落地手段:adaptation.keep 的关键取舍要附 evidence(原文逐字片段)。

直接粘正文的先落成 .txt。输出目录:用户指定就用,没指定用原书同级目录。

Step 2 — 分卷摘要(长文本才需要)

这一步是脚手架,不是交付物——分卷摘要是给没读过原文的模型压缩用的。两种情况直接跳到 Step 3:

  • 短篇,单卷装得下
  • 当前会话已经通读过原文——不用再压缩一遍,也不用事后补档

长篇且没读过原文:

bash
node {baseDir}/scripts/novel-outline.mjs chunk <book.txt> <workdir>

按章节标题分卷(默认每卷 15 章,--per-volume 可调),识别不出章节就按字数切。打印 {"volumes": N, ...}truncated: true 就明确告诉用户尾部没扫到,别闷着。

每卷一个子代理(支持并发就同一条消息里全部发出):读 {baseDir}/references/volume-pass.md,读 <workdir>/vol-NN.txt,把卷摘要写到 <workdir>/summary-NN.json,只回一句「done NN」。

Step 3 — 快版骨架 → 用户拍板 ⛔

{baseDir}/references/outline-pass.md{baseDir}/references/schema.md,照着做。产出骨架四块(adaptation / characters / scenes / beats),写成 <workdir>/outline.json

bash
node {baseDir}/scripts/novel-outline.mjs validate <workdir>/outline.json --stage beats

过了 beats 档,把三件事摆给用户拍板:砍了哪条线、合了哪些人、大爆点落在第几集。不点头不进 Step 4——快版错了只损失一轮骨架,分集写完才发现方向错,全废。

Step 4 — 细版骨架

吸收用户意见改骨架,再过一次 validate --stage beats。用户没意见就直接进 Step 5。

Step 5 — 分集梗概(分批)

每批 ≤ 10 集,能并发就并发。每个子代理拿到:拍板后的骨架四块、自己负责的集数区间、区间内的爽点,读 {baseDir}/references/episode-pass.md 照着写,产出写到 <workdir>/eps-NN.json

合并时按 ep 排序拼进 outline.json 的 episodes

Step 6 — 校验 ⛔ 不能跳

bash
node {baseDir}/scripts/novel-outline.mjs validate <输出目录>/<书名>-outline.json

14 道质量门全部是代码,不是给你读的清单:主角组 1–5 人、重要配角 ≤ 10、功能性角色 ≤ 10、主场景不超上限(随集数动态,60 集 → 10)、叙事道具 ≤ 8 件、一次性场景有规避方案、爽点间隔 ≤ 3 集无真空、第 1 集有钩子、大爆点不压最后一集、每集三栏齐全、三人同框有拆解、生成难点进预警、引用完整无失业角色无空转场景无零集道具、叙述体无对白。

有违规逐条修,改完重跑,直到通过。

Step 7 — 输出与汇报

bash
cd <输出目录>
node {baseDir}/scripts/novel-outline.mjs render <书名>-outline.json --md   > <书名>-outline.md
node {baseDir}/scripts/novel-outline.mjs render <书名>-outline.json --html > outline-report.html

报告界面默认中文;用户要英文界面就加 --lang en(或在 outline.json 顶层写 lang 字段,--lang 优先)。只翻译界面文案,数据内容(爽点类型、梗概、质量门文案)原样出。

report 里自带:KPI 带、关键决策(拍板三件事,大爆点列表和角色位统计自动算)、爽点时间轴(空档标在轴上,超阈值变红)、每集调度矩阵、场景概览卡、资产量折算、质量门(✓/✗ 烘进页面,未过弹病灶横幅)、导出 JSON 按钮(下载的就是 outline.json 原样)。

汇报一句话说清:几集、几个角色几个场景、爽点分布、报告路径;被截断或有没过的门要明说。

最终落地:

<输出目录>/
├── <书名>-outline.json
├── <书名>-outline.md
└── outline-report.html            ← 双击就能开

体检模式

用户贴一份已有大纲只想要诊断:转成 outline.json(缺的字段问用户或标注缺失),然后:

bash
node {baseDir}/scripts/novel-outline.mjs checkup <outline.json>   # 终端 ✓/✗
node {baseDir}/scripts/novel-outline.mjs render <outline.json> --html > outline-report.html

质量门面板就是诊断书。未过的门不阻止渲染——要的就是把病灶摆出来看。

联动更新

用户改了上游就跑一次 validate,报错会点名下游哪里断了:合并人物后哪些集还引用着被删的 ID、砍场景后哪些集空转、爽点挪动后哪里出现真空区。不要靠记忆提示联动,靠校验器。

边界

  • 单次上限 60 卷(每卷 15 章约 900 章)。超了明确报 truncated,不静默截断
  • 阈值是参数不是圣旨:平台不同就用 params.thresholds 覆盖,别改代码
  • 报告界面内置中英(--lang,默认中文、或跟 outline.json 的 lang 字段):界面文案与质量门标签翻译,数据内容(爽点类型、梗概、人名)与门的失败详情保持原文
  • 五件套的第五件(资产清单)永远是算出来的,模型手写必漏

自测

bash
node {baseDir}/scripts/selftest.mjs

249 项断言,不调模型、不花额度。14 道质量门每一道都有击穿用例——证明它真的会拦。改完脚本先跑这个。

自带样例

{baseDir}/examples/渡口-outline.json:把短故事《渡口》(novel-characters 的自带样例)改编成 6 集 × 2 分钟的微型大纲,四角色三场景四爽点,全部质量门通过。当质量基准,也是自测夹具。

aus demselben Repository

Weitere Skills

Alle Skills
eternityspring
Community

novel-art

给 AI 短剧出美术设定集(场景 + 叙事道具):场景的设计意图、一致性锚点、光照时段变体、 空景提示词;道具的戏剧功能、状态变体、尺度参照、白底无手提示词。 产出 art.json + Markdown + 单页评审报告(含导出 JSON)。 为 AI 生成而设计,不是实拍——环境和道具都是生成资产,交付的是让它们跨集长一样的一致性方案; 11 道质量门全部由脚本确定性检查(锚点 3–5、无人无手、白底可抠、尺度短语、提示词英文……)。 有 novel-outline 的 outline.json 就用 seed 预填场景清单与出现集;出图走 codex 内置 $imagegen(可选)。 零依赖、零 API key,用当前会话额度。 Use when asked to 场景设定、出场景、环境设定集、场景一致性、scene bibles for AI short drama。

Installationen
1
GitHub Stars
2891
Aktualisiert
26. Aug.
eternityspring
Community

novel-script

给 AI 短剧写剧本:把 novel-outline 的分集梗概落成结构化的场次 + 节拍流(动作节拍与台词行交替), 台词逐句带说话人与语气,时长逐集按语速确定性折算。产出 script.json + Markdown + 单页评审报告 (时长仪表 / 分集剧本 / 场次总表 / 按角色聚合的台词本,含导出 JSON)。 剧本管戏,分镜管拍——本 skill 不分镜头、无镜号、不写生成提示词,那些是下一层分镜 skill 的活。 10 道质量门全部由脚本确定性检查(每集时长 ±15%、单句 ≤35 字、说话人合法、钩子悬念落纸、 钩子具象前 3 拍内兑现(hookBeat 认领冷开场)、每场至少一个动作节拍、爽点认领、 角色/场景/光照/道具对账上游……)。 有 outline.json 就用 seed 预填每集骨架;给 --art 连光照状态一起对账。 零依赖、零 API key,用当前会话额度。 Use when asked to 写剧本、出剧本、台词、场次、写戏、screenwriting for AI short drama。

Installationen
1
GitHub Stars
2891
Aktualisiert
26. Aug.