ClawHub

Zaomeng Skill

Other

用于中文小说人物蒸馏、关系抽取、关系图谱导出与角色对话准备；当宿主需要基于小说内容生成结构化人物档案、关系结果或多角色对话上下文时使用。

Install

openclaw skills install zaomeng-skill

zaomeng-skill

项目内容
名称zaomeng-skill
类型ClawHub / Host-managed skill
核心模式LLM-first
适用场景人物蒸馏、人物包物化、关系图谱导出、角色 act / insert / observe
宿主职责调用宿主 LLM，负责最终生成与对话推进
skill 职责准备 prompt payload、物化人物包、导出图谱、校验产物、维护运行状态，并提供角色卡/人物补全/对话建议 helper

1. 定位

  • 这是一个宿主驱动的 prompt-first skill。
  • 宿主负责实际调用 LLM；skill 负责把任务整理成标准输入、标准产物和标准状态。
  • skill 的主路径是 prompts + helper tools + run_manifest.json，不是内嵌 chat CLI。
  • 对话阶段除了宿主直读人物包，也可以调用 skill helper 来生成角色卡、人物字段补全 payload、以及 act / insert / observe 的自动回复建议 payload。

2. 宿主能力契约

宿主侧只需要理解四个标准能力，以及四组对话 helper：

能力入口作用标准成功标记
distilltools/build_prompt_payload.py --mode distill生成蒸馏 payload，等待宿主 LLM 产出 PROFILE.generated.mdcapability status status=ready, success=true
materializetools/materialize_persona_bundle.py把 PROFILE.generated.md 物化为完整人物包ARTIFACT_STATUS.generated.json + capability status
export_graphtools/export_relation_graph.py导出人物关系图谱 HTML / Mermaid / SVG<relations>.status.json + capability status
verify_workflowtools/verify_host_workflow.py校验整条宿主工作流产物是否完整capability status status=complete, success=true

对话 helper：

helper入口作用
self_cardtools/manage_self_card.py创建 / 保存 / 读取 / 删除 self-insert 角色卡，并生成随机角色卡 prompt payload
persona_autofilltools/build_persona_autofill_payload.py为人物校对单字段生成宿主可调用的补全 payload，并解析模型返回
dialogue_suggestiontools/build_dialogue_suggestion_payload.py为 act / insert / observe 生成自动回复建议 payload，并提供压缩重试版本
scene_recommendationtools/build_scene_recommendation_payload.py为当前会话生成下一幕场景推荐、转场提示、多拍链路建议，以及可直接用于自动起拍的 opening cue

所有能力都应该满足：

  • 有明确输入
  • 有 JSON 输出
  • 有 sidecar status 文件
  • 有 success 布尔值
  • 可选更新 run_manifest.json

能力总览集中定义在：

  • references/capability_index.md
  • examples/host_workflow_example.md

distill 默认支持增量蒸馏：

  • 如果 data/characters/<novel_id>/<角色名>/ 已存在人物包，tools/build_prompt_payload.py --mode distill 会自动把已有档案并入 request.existing_profiles
  • request.update_mode 会自动落成 incremental
  • run_manifest.json 的 artifacts.distill_context 会记录本次是 create 还是 incremental，以及命中的已有角色数量

distill 与 relation 现在也默认支持长篇自动分批：

  • 小文本保持单次 payload，不改变既有调用方式
  • 当 excerpt 过长时，payload 会额外给出 chunks[]
  • 宿主按 chunks[] 顺序调用 LLM，收集每块局部草稿
  • 然后再按 merge_payload 做一次合并，得到最终 PROFILE.generated.md 或 RELATION_GRAPH
  • request.chunk_mode、meta.chunk_count、meta.merge_required 会明确告诉宿主当前是否处于分批模式

3. 标准运行状态

宿主如果要跑完整蒸馏链路，先初始化一个 run_manifest.json：

python tools/init_host_run.py --novel <路径> --characters A,B,C --output <run_manifest.json>

run_manifest.json 是宿主侧的统一索引，记录：

  • 当前阶段
  • 已锁定角色
  • 当前正在处理的角色
  • 已完成数量
  • 关系图导出状态
  • 各能力 status 文件
  • 人物目录
  • 关系图 HTML / SVG / Mermaid 路径
  • 最终 workflow 校验结果
  • 增量蒸馏上下文（update_mode、已有档案数量、已有档案目录）
  • 分批执行概览（progress.chunking、summary.chunking）

4. 标准进度阶段

宿主侧统一使用这些阶段名：

  • characters_locked
  • distill_payload_ready
  • relation_payload_ready
  • chunk_started
  • chunk_completed
  • merge_started
  • merge_completed
  • character_started
  • character_completed
  • graph_export_started
  • graph_export_completed
  • workflow_verified

如果宿主要主动播报当前角色和进度，直接调用：

python tools/update_run_progress.py --run-manifest <run_manifest.json> --stage character_started --character 林黛玉 --message "正在蒸馏林黛玉"

如果是长篇自动分批流程，也可以写入当前块进度：

python tools/update_run_progress.py --run-manifest <run_manifest.json> --stage chunk_started --message "正在执行第 1 块" --chunk-capability distill --chunk-mode chunked --chunk-count 6 --current-chunk 1 --chunk-label 前段-1 --chunk-status running --merge-required --merge-status pending

写入后，宿主可直接从 run_manifest.json 读取：

  • progress.chunking.distill.current_chunk
  • progress.chunking.distill.chunk_count
  • progress.chunking.distill.current_label
  • summary.chunking.distill

5. 标准流程

  1. 初始化 run_manifest.json
  2. 运行 distill 能力，生成蒸馏 payload
  3. 如果 payload 含 chunks[]，宿主先逐块生成局部草稿，再执行 merge_payload
  4. 否则直接为每个角色生成 PROFILE.generated.md
  5. 每个角色生成后立刻运行 materialize
  6. 如果 relation payload 含 chunks[]，也先逐块抽取，再执行 merge_payload
  7. 宿主 LLM 生成关系结果后运行 export_graph
  8. 运行 verify_workflow
  9. 宿主向用户展示：
    • 人物目录
    • 关系图 HTML / SVG
    • 状态摘要
    • 可进入 act / insert / observe

6. 推荐宿主串联方式

A. 初始化运行

python tools/init_host_run.py --novel <路径> --characters A,B --output <run_manifest.json>

B. 准备 distill payload

python tools/build_prompt_payload.py --mode distill --novel <路径> --characters A,B --output <distill_payload.json> --run-manifest <run_manifest.json>

如果小说较长，输出 JSON 会自动包含：

  • chunks[]：每一块都已经是可直接交给宿主 LLM 的局部 payload
  • merge_payload：宿主把所有 chunk 草稿结果塞回 request.chunk_drafts 后，再调用一次用于最终合并
  • host_plan：宿主串联建议，包括 single_pass 或 sequential_chunks_then_merge

如果宿主要显式指定已有角色目录，或强制切换创建 / 增量模式，可加：

python tools/build_prompt_payload.py --mode distill --novel <路径> --characters A,B --characters-root <data/characters 或 data/characters/<novel_id>> --update-mode auto|create|incremental --output <distill_payload.json> --run-manifest <run_manifest.json>

C. 角色开始 / 完成进度

python tools/update_run_progress.py --run-manifest <run_manifest.json> --stage character_started --character A
python tools/update_run_progress.py --run-manifest <run_manifest.json> --stage character_completed --character A

D. 物化人物包

python tools/materialize_persona_bundle.py --profile-file <character-dir/PROFILE.generated.md> --run-manifest <run_manifest.json>

E. 导出关系图谱

python tools/export_relation_graph.py --relations-file <relations.md> --run-manifest <run_manifest.json>

F. 校验工作流

python tools/verify_host_workflow.py --characters-root <characters/<novel_id>> --relations-file <relations.md> --run-manifest <run_manifest.json>

7. 最终产物

完整 run 结束后，宿主应该直接拿到：

  • run_manifest.json
  • 每个角色的人物目录
  • distill 增量上下文：
    • artifacts.distill_context.update_mode
    • artifacts.distill_context.existing_character_count
    • artifacts.distill_context.existing_profile_paths
  • 每个角色的 ARTIFACT_STATUS.generated.json
  • 关系图：
    • *_relations.html
    • *_relations.svg
    • *_relations.mermaid.md
    • *.status.json
  • workflow 校验 JSON

8. 对话接管

当人物包和关系图准备完成后，宿主即可进入：

  • act：指定角色代入发言，既可单聊，也可直接参与多人群聊
  • insert：用户以“自己”的身份进入小说场景，角色按人设与场景身份回应用户；首次进入应建立轻量身份卡
  • observe：进入群聊模式，但用户不代入具体角色，只观察多角色对话推进

这里的对话由宿主直接驱动，skill 不提供单独的 chat CLI 能力。宿主应直接使用：

  • 人物包目录
  • PROFILE.md / 拆分人格文件 / MEMORY.md
  • 关系图谱及关系 markdown
  • run_manifest.json
  • references/output_schema.md、references/style_differ.md、references/logic_constraint.md

如果宿主需要角色卡、人物字段补全、对话建议或下一幕推荐 helper，可直接调用：

  • python tools/manage_self_card.py --mode blank|list|get|save|delete|build-random-payload|parse-random-response
  • python tools/build_persona_autofill_payload.py --persona-dir <角色目录> --field <字段名> --strategy auto|model_knowledge
  • python tools/build_dialogue_suggestion_payload.py --context-file <context.json>
  • python tools/build_scene_recommendation_payload.py --context-file <context.json>

其中 scene_recommendation 的上下文字段可直接参考：

  • examples/scene_recommendation_context.example.json

宿主结束提示建议直接说清楚：

  • 人物档案已完成
  • 关系图谱已生成
  • 可以查看图谱
  • 可以进入 act
  • 可以进入 insert
  • 可以进入 observe