One Novel Skill

融合级中文小说创作。从零开书到长篇日更，四层反AI防护，12套L2检测，创作宪法/澄清决策/时间线校验，多视角对抗式审查。你说'帮我写个小说'，剩下的我来做。零配置自适应LLM，支持Ollama任意模型/OpenClaw/DeepSeek/OpenAI/Claude/Gemini/通义千问/智谱/月之暗面/百川/自定义端点，安装即用。

全能小说创作 — 零配置自适应引擎

安装即用，零配置。 自动检测环境中所有可用的 LLM——Ollama（任意模型）/ OpenClaw / DeepSeek / OpenAI / Claude / Gemini / 通义千问 / 智谱 / 月之暗面 / 百川 / 自定义 OpenAI-compatible 端点。

CodeBuddy Skill 模式：AI 宿主直接生成，无需任何外部 LLM API。 本地 Python 模式：设置任一 API Key 环境变量，自动发现并使用。

---

模式判断（每轮对话第一步）

1. 检查环境变量 CB_NATIVE_MODE
2. 若 CB_NATIVE_MODE=1 且有外部 LLM 可用 → 本地模式，调用 python run.py
3. 否则 → Skill 模式，AI 直接按下方工作流生成

---

Skill 模式工作流（默认）

一、初始化项目

用户说"帮我写个小说"时：

1. 确认题材、平台、风格（可提供选项让用户选择）
2. 确认完成后，创建项目目录结构：

   text

   书名/
   ├── 设定/  世界观.md / 人物/ / 势力.md / 关系.md
   ├── 大纲/  故事大纲.md / 卷规划.md / 伏笔.md
   ├── 正文/  第NNN章.txt
   ├── 追踪/  角色状态.md / 时间线.md / 上下文.md
   └── state.json
   

3. 用 write_to_file 创建 state.json：

   json

   {
     "version": "1.0.0",
     "meta": {"title": "书名", "platform": "平台", "genre": "题材"},
     "progress": {"written": 0, "total_planned": 10, "last_chapter": 0},
     "characters": {}, "settings": [], "plot": {"hooks": [], "resolved_hooks": [], "arcs": []},
     "timeline": [], "readers": {"阅读率": 1.0, "评论情绪": "neutral", "警告": []},
     "foreshadows": [], "character_states": {}, "global_memory": {}, "payoff_ledger": []
   }
   

4. 生成世界观、人物设定、大纲（写入对应文件）

二、写章节

每章流程：

Step 1: 准备上下文

• 用 read_file 读取 追踪/角色状态.md、追踪/伏笔.md、state.json
• 用 read_file 读取上一章正文（如有）

Step 2: 生成章节（AI 直接生成）

按照以下要求生成正文：

写作规范（P0 必须遵守）：

• 禁用词：不用"毋庸置疑/值得一提的是/总而言之/命运的齿轮/从某种意义上说"
• 禁用句式：不用"不是A而是B"结构、不用"他知道/他感到/她觉得"直接告情绪
• 禁用结尾：不用章末感悟总结、不用"他不知道的是..."
• 身体法则：用具体动作替代抽象情绪。不说"他很生气"，写"他把杯子砸在桌上"
• 拉不说推：用三样具体细节替代结论性评价
• 痒的法则：每章结尾必须是新问题而非旧答案

写作规范（P1 建议遵守）：

• 对话用动作替代"说道/问道"标签
• 感官描写每场景至少 2 种
• 句长有变化，不全部 25-35 字
• 章节字数：番茄 2000-2500 / 起点 3000-5000 / 七猫 2000-3000 / 飞卢 2000-3000

平台差异化：

• 番茄：前三章必出金手指，每章断钩子，节奏极快
• 起点：可慢热，质量优先，世界观可铺垫
• 七猫：情感线优先，女性角色有事业线
• 飞卢：500字内给系统，爽字第一

生成时注入以下资料（从 references/ 读取）：

• 开篇模板（前3章）：references/original/genre-opening-templates.md
• 钩子密度：references/original/hook-density-model.md
• 打脸节奏（爽文）：references/original/face-slapping-rhythm.md

Step 3: 写入正文

用 write_to_file 写入 正文/第NNN章.txt，纯文本，不含 Markdown 格式。

Step 4: 运行检测（Python 脚本）

bash

python run.py detect --file 正文/第NNN章.txt

若检测结果 ≥ YELLOW：

• 阅读检测报告，识别 Top 3-5 问题
• 用 replace_in_file 修正正文中的问题
• 重新检测，直到 GREEN

Step 5: 更新状态

• 用 replace_in_file 更新 追踪/角色状态.md（角色位置/情绪/关系变化）
• 用 replace_in_file 更新 追踪/伏笔.md（新伏笔/已回收伏笔）
• 用 replace_in_file 更新 state.json 的 progress

三、续写/批量推进

用户说"续写"或"写第X到Y章"时：

1. 读取 state.json 获取当前进度
2. 循环执行 Step 1-5，每章独立完成
3. 每 3 章汇总一次进度

四、去AI味

用户说"太AI了"或"去味"时：

1. 用 read_file 读取正文
2. 用 python run.py detect --file 正文/第NNN章.txt 获取详细问题
3. 逐项修复：
   • 删减法：Filler 短语、空洞修饰、无效铺垫
   • 替换法：路标词→自然过渡，总结腔→直接陈述
   • 打破法：工整句式→长短变化，固定模板→具体描写
   • 具体化：抽象情绪→动作/环境，概括判断→细节支撑
4. 修复后重新检测

五、深度审查

用户说"审查第X章"时：

1. 用 read_file 读取正文
2. 从 5 个视角分析（在回复中输出，不写文件）：
   • 读者视角：阅读体验、爽点/毒点
   • 编辑视角：节奏、逻辑、商业化
   • 毒舌视角：毫不留情的批评
   • 一致性视角：人设/时间线/伏笔
   • AI 检测视角：运行 python run.py detect
3. 输出审查报告

六、导入外部小说

用户说"导入小说"并提供文件路径时：

bash

python run.py import --file 路径

---

本地模式（CB_NATIVE_MODE=1）

零配置自适应。 设置任一 LLM 的 API Key 环境变量即可：

Provider	环境变量	自动检测
Ollama（任意本地模型）	无需（自动检测 ollama list）	✅
OpenClaw Gateway	自动检测 ~/.openclaw/openclaw.json	✅
DeepSeek	DEEPSEEK_API_KEY	✅
通义千问（阿里云）	DASHSCOPE_API_KEY	✅
智谱 GLM	ZHIPU_API_KEY	✅
月之暗面 Kimi	MOONSHOT_API_KEY	✅
百川	BAICHUAN_API_KEY	✅
OpenAI	OPENAI_API_KEY	✅
Claude（Anthropic）	ANTHROPIC_API_KEY	✅
Gemini（Google）	GEMINI_API_KEY	✅
自定义端点	CUSTOM_LLM_BASE + CUSTOM_LLM_MODEL	✅

bash

# 查看自动发现的 provider
python run.py providers

# 生成 5 章（自动选择最优 provider）
python run.py generate --chapters 5

# 检测单章
python run.py detect --file 正文/第001章.txt

# 章节对比（人设漂移/时间线/伏笔/场景衔接）
python run.py compare --chapter 3

# 生成数据报告（字数/角色出场率/钩子密度/P0违规）
python run.py report

# 查看状态
python run.py status

# 回滚
python run.py rollback --chapter 3

---

---

Agent 执行指令（使用指南）

本章节定义了 Agent 在每种场景下应该做什么、调什么脚本、用什么参数。这是操作手册，不是功能列表。

0.1 Agent 职责边界

操作类型	执行方式	说明
项目初始化	Agent LLM	直接生成目录结构和设定文件，用户确认后写入
设定阶段	Agent LLM	世界观/人物/大纲/伏笔，直接生成，用户确认后写入
正文生成（每章）	Agent LLM + 脚本	生成正文写入，调 detect 检测，按报告修订
AI味检测	调脚本	python run.py detect --file
深度审查（5视角）	Agent LLM	直接输出审查报告给用户，不写文件
章节对比	调脚本	python run.py compare --chapter N
状态管理	直接读写文件	state.json + 追踪/ 目录
回滚	调脚本	python run.py rollback --chapter N
数据报告	调脚本	python run.py report
导入外部小说	调脚本	python run.py import --file

0.2 脚本调用速查

bash: python run.py status # 项目状态 python run.py generate --chapters 5 # 生成章节 python run.py detect --file 正文/第001章.txt # AI味检测 python run.py compare --chapter 3 # 章节对比 python run.py report # 数据报告 python run.py rollback --chapter 3 # 回滚 python run.py import --file 作品.txt # 导入小说 python run.py providers # 查看可用LLM

0.3 标准工作流（每章循环）

1. Agent 准备上下文: 读取 state.json + 追踪/*.md + 上一章正文
2. Agent 生成正文 -> 写入 正文/第NNN章.txt
3. 执行: python run.py detect --file 正文/第NNN章.txt
4. GREEN -> 步骤5; YELLOW -> 修订后重测; RED -> 重写（最多2轮）
5. 更新: 角色状态.md + 伏笔.md + 时间线.md + state.json
6. 报告完成 -> 下一章

0.4 检测结果解析

输出JSON含: status(GREEN/YELLOW/RED), issues[], score GREEN=通过, YELLOW=修订后通过, RED=必须重写

0.5 错误恢复协议

脚本失败: 确认路径 -> pip install -> 降级手动检测 检测门禁2轮仍失败: 标记为需人工介入

写作铁律（写每章前必读）

P0 — 绝对禁止

类别	内容
禁用词	毋庸置疑、不可否认、值得一提的是、总而言之、众所周知、命运的齿轮、从某种意义上说、由此可见、综上所述
禁用句式	"不是A，而是B"结构、"仿佛/犹如/宛若……一般"、"眼中闪过一丝/嘴角勾起一抹"、"他知道/她感到/她觉得"
禁用结尾	章末感悟总结、"他不知道的是……"、"总的来说/总而言之"式收尾
标点	连续 !!! 或 ?? 堆砌

P1 — 强烈建议避免

类别	内容
句式	"与此同时/紧接着/就在这时"开头、"随着……"段首、连续3句以上相同结构
副词	"缓缓/慢慢/轻轻/悄悄" 每千字 ≤4 次
对话	所有角色说话方式一样、对话标签超过50%用"说道/问道"
情感	直接告知情绪，缺少动作/环境展示

---

章节契约系统

每章正文写作前，先生成章节契约，用户确认后再动笔。

契约格式：

• 章节编号
• 必达节拍（3-5项，本章必须完成的情节推进）
• 禁止事项（本章禁止的操作）
• 目标情绪（读者读完后应有的情绪）
• 章末钩子（结尾钩子目标）
• 张力曲线（上升/下降/峰值/低谷）
• 风险等级（低/中/高）及说明

流程：

1. Agent 根据细纲和当前状态生成契约
2. 用户确认或修改
3. 确认后开始正文写作
4. 写作完成后契约归档到 追踪/章节契约/ 目录

---

写前分析预览

每章正文写作前，生成写前分析预览展示给用户确认。

预览内容：

• 前文摘要（上一章关键进展）
• 角色状态快照（主角/配角当前实力、位置、情绪）
• 活跃伏笔（当前未回收的伏笔清单）
• 本章风险标记（契约中标注的风险）
• 完成标准（达到什么状态可以交付）

流程：

1. 读取 追踪/ 目录下的所有文件
2. 生成写前分析预览
3. 用户确认或调整提示词
4. 确认后进入正文生成

---

L2-L4 语义层审查

python run.py detect 完成 L1 机械层后，Agent 执行以下三层审查：

L2 风格一致性

• 叙述视角一致（无POV跳跃）
• 角色语音统一（遮名辨人）
• 句长方差 >= 8

L3 内容质量

• 情节逻辑自洽（六条连续性法则）
• 角色弧光推进
• 世界观一致
• 伏笔管理追踪
• 无连续500字纯描写

L4 阅读体验

• 温度感：具体 > 抽象
• 独特性：只有本书才有的表达
• 翻页驱动力：章末有追问冲动
• 人味：像真人写的

六条连续性法则

1. 角色伤势、情绪、关系、秘密、能力随身记
2. 世界规则限制和代价不随意突破
3. 每章伏笔新增/推进/回收
4. 以弱胜强需铺垫、计谋或代价
5. 主角升级需过程、风险或瓶颈
6. 反派有目标、资源和行动逻辑

---

短故事模式

用户请求短故事时自动切换，不走长篇流程。

三阶段流程

SS0 平台识别与选题：目标平台、类型、字数、核心反转确认 SS1 人物与大纲：主角锚点>=2，三至五幕结构 SS2 正文生成与平台适配：生成->检测->平台格式校验->定稿

字数体系

• 微小说：500-1000字（小红书、头条）
• 超短篇：1000-3000字（小红书、知乎）
• 标准短篇：6000-15000字（番茄、七猫）
• 知乎盐选：8000-30000字

红线

• 开篇200字未进核心冲突 -> 重写开头
• 中段无情绪推进 -> 插入爆点
• 结尾无反转或无情绪落点 -> 重写结尾

---

叙事结构增强

反直觉追问法（每章规划时）

1. 本章最想让读者意外的是什么？
2. 读者读完应有什么情绪？
3. 本章推进了谁的成长弧光？

八段式章节结构

1. 本章目标 -> 2. 有利出现 -> 3. 困难降临
2. 积极应对 -> 5. 突发转折 -> 6. 认知颠覆
3. 本章高潮 -> 8. 悬念留钩

升番逻辑

信息揭露逐级升级：基础揭示 -> 进阶揭示 -> 出乎意料

情绪生理反应置换表

• 愤怒 -> 手背青筋暴起、一拳砸在桌上
• 恐惧 -> 后背发凉、牙齿打颤
• 悲伤 -> 喉咙发紧、眼眶发酸
• 紧张 -> 手心出汗、反复检查
• 放松 -> 肩膀垮下来、长出一口气

---

记忆与学习系统

触发学习

• 用户显式纠正（不要这样写、改回之前的风格）
• 同一修正出现三次
• 用户说记住这个

四层记忆消歧

宪法记忆（全书设定、世界观法则）优先级最高 结构治理记忆（总纲、卷规划）次之 项目运行记忆（任务日志、伏笔、时间线）再次 会话工作记忆（本章目标、场景链）最低

原则：宪法级设定不能被日常写作中的临时决策覆盖。

---

平台文章模式

两阶段流程

A0 选题与结构：平台、文章类型、核心观点、大纲确认 A1 正文生成与平台排版：生成->原创性检查->平台格式校验->定稿

文章字数体系

• 小红书笔记：300-1000字
• 知乎回答：500-3000字
• 头条资讯：800-2000字
• 公众号文章：1500-5000字

---

多智能体协作模式（长篇）

项目配置中设置协作模式：

串行：单个智能体顺序写作（中短篇） 并行：多个子智能体并行写作（中长篇，速度优先） 团队：协调者->架构师->写手->编辑（百万字史诗）

团队模式角色：

• 协调者：分配任务、追踪进度、解决冲突
• 架构师：维护章节契约和世界观一致性
• 写手：按契约生成章节草稿
• 编辑：执行质量审查

文件功能清单

文件/目录	功能
state.json	全书状态（进度/角色/伏笔）
正文/第NNN章.txt	章节正文（纯文本）
追踪/	角色状态、时间线、伏笔追踪
设定/	世界观、人物设定、势力关系
大纲/	故事大纲、卷规划
run.py	CLI 入口（status/detect/generate/rollback）
detectors/	6 套 AI 检测引擎（纯 Python，不依赖 LLM）
engine/	生成管线引擎（本地模式使用）
references/	写作技法参考资料库（150+ 篇）
engine/chapter_compare.py	章节对比引擎（人设漂移/时间线/伏笔/场景）
engine/rolling_planner.py	指南针+视野滚动规划（长篇不一次规划全部）
engine/session_state.py	WAL协议+三文件进度系统（防上下文丢失）
engine/character_cognition.py	角色认知信息差模型（防穿帮）
engine/prompt_registry.py	Prompt 统一注册中心（10个内置Prompt）
engine/user_preferences.py	用户偏好持久化系统（跨会话学习）
engine/soul_skill.py	角色灵魂系统（20个核心原型）

---

已知局限

1. Skill 模式：AI 直接生成的文本质量取决于宿主 AI 模型能力
2. 检测覆盖：Python 检测脚本独立于 LLM，可检测禁用词/句式/结构，但无法做语义级分析
3. 本地模式：需至少一个外部 LLM provider 可用

---

核心引擎清单

引擎	功能	灵感来源
generator.py	12 provider 零配置自适应 LLM	—
pipeline.py	5 阶段生成管线	—
quality_gate.py	多引擎质量门禁 + 自动修正	—
rolling_planner.py	指南针+视野滚动规划	ainovel-cli
session_state.py	WAL 协议 + 三文件进度系统	planning-with-files + proactive-agent
character_cognition.py	角色认知信息差模型（防穿帮）	QMAI SoulSkill
chapter_compare.py	5 维度章节对比	—
l2_modules.py	12 套反 AI 痕迹模块	humanizer / Humanizer-zh
detectors/	6 套 AI 检测引擎	QMAI
reference_engine.py	150+ 篇资料索引 + pipeline 注入	—