网文拆书分析助手

概述

专注爆款网文拆书分析，输出结构化拆书报告

可独立使用，也可与「AI创作天团」(multi-role-novel-iteration) 握手配合

运行环境依赖

🗣️ 触发词（说什么可以启动本工具）

说出以下任何一种表述，AI 就会启动拆书分析或问题诊断。

更多触发说法：拆书、网文拆解、拆解、爆款分析、结构拆解、网文拆书

🆕 M22 新能力：整稿解构器（draft_deconstructor）

本工具现在不仅能「拆别人的书」，还能「拆自己写的稿」——被 multi-role-novel-iteration 在 Phase4 ③ 步内置调用，把 mri 刚润色好的草稿反向解构，形成「生成 ↔ 解构」真闭环。

• 入口脚本：scripts/draft_deconstructor.py
• 输入：草稿文本/路径 + 写作模式（+ 可选 DNA 卡路径）
• 输出（确定性 JSON，离线零联网）：
  • human_score(0-100) + p_ai=(100-hs)/100（与 mri REMOTE_AIGC 同 P 尺度）
  • dimensions：五维分量（不完美性/感官密度/节奏噪点=脚本代理；情绪非对称/视角偏见=需 LLM 回填）
  • dna_deviation：对照文风 DNA 卡可量化区间的偏差
  • problems：低分维度 → problem_matcher 命中的「根因 + 方案」
• 铁律：脚本零联网、不硬 import 检测器；human_score 在 LLM 两维缺失时为代理分（partial=True），由 agent 在自检步回填后重算。

⚡ 30秒上手

第一次用？只需两步——剩下的 AI 自动搞定。无需安装任何软件，也不需要 API Key。

1. 告诉 AI 你的项目目录和类型：帮我拆一下都市修仙类，文件存到 D:my_novel
2. AI 自动路由类型 → 搜索素材 → 填充9章节报告 → 校验，输出到 {项目目录}/deconstruction_report/report.md
3. 如需写小说：接着说"基于这个报告写一本"即可自动加载 AI创作天团

🚨 避坑速查

遇到问题先看这里，秒解常见坑。

📋 Skill 定位

🚀 快速使用

⚠️ 项目目录规则（强制）

本 Skill 生成的所有文件（拆书报告、会话数据等）必须写入用户指定的项目目录，禁止写入 Skill 自身目录。

使用前必须遵守以下规则：

1. 首次使用时必须询问用户：项目文件保存在哪个目录？用户未指定则不可继续——--project 已改为必需参数，脚本不会接受空值或默认到 cwd
2. 所有脚本调用传入 --project {项目目录}：session_tracker.py 等写磁盘脚本通过此参数确定输出路径
3. AI 生成报告落盘到 {项目目录}/deconstruction_report/report.md：不要写到 Skill 安装目录下
4. 项目目录不存在时自动创建
5. 文件路径构造必须跨平台：禁止字符串拼接路径，必须使用 pathlib.Path 或 os.path.join()

脚本参数说明：

• session_tracker.py：--project {项目目录}（必需；所有子命令 init/add/get/list/diff 均需传入）

新手最小化启动（2步即可）

1. 告诉 AI 你的项目目录："帮我把文件存到 D:my_novel"
2. 说你要拆什么："帮我拆一下都市修仙类"

AI 会自动运行 type_router 路由类型 → 搜索素材 → 填充报告 → 校验 → 输出到你的目录。

基本用法

用户说：帮我拆一下"都市修仙"类

指定作品分析

用户说：帮我分析《斗破苍穹》的开篇结构和爽点节奏

配合 multi-role 完整闭环

用户说：拆一下都市修仙类，然后帮我写一本2万字的

📐 握手协议

与 multi-role-novel-iteration 的协作约定：

协议规范

握手协议完整定义见 scripts/handshake_schema.json（含 type_router_output / report_yaml_meta / parser_output 三段）。关键约定：

• 报告输出路径：{项目目录}/deconstruction_report/report.md，格式严格遵循 references/report-template.md
• 注入方式：multi-role 启动时检测路径，注入正典 [DECONSTRUCTION] 章节
• 引用标记：各角色使用 [拆书参考] 或 [拆书参考-九1] 标签引用
• 拆书报告为可选依赖——multi-role 不强制依赖

🔬 详细工作流说明

Phase -1：写作问题诊断

当用户描述写作问题（如"节奏太慢""开篇没人看"）时，直接进入诊断流程。

Step -1 → 症状匹配（🔧 problem_matcher.py）

调用 python scripts/problem_matcher.py "{用户描述的问题}"，输出：匹配结果+置信度、可能根因（2-3个）、解决方案。未匹配则引导用户更具体描述症状后重试。

Step -2 → 根因分析

基于 problem_matcher 输出逐项排查：读取素材文件获取诊断清单 → 让用户回答排查问题 → 缩小根因范围。

Step -3 → 输出方案

技法调整建议 + 市场对标数据（如有拆书报告则引用） + 优先级排序（快速见效→长期改进）→ 可选转入 Phase 0 深入分析。

Phase 0：拆书分析

Step 1 → 意图诊断 + 类型路由（一步完成）

原 Step 1（intent_mapper）和 Step 2（type_router）已合并。type_router.py 内部 _map_intent() 函数（原 intent_mapper 逻辑已内联），一次输出同时包含类型路由配置和意图策略。

用户输入形式：

• 按类型："都市修仙"、"悬疑推理短篇"、"番茄热榜上的重生类"
• 按作品："分析《斗破苍穹》的开篇结构"、"拆解《诡秘之主》的世界观设定"
• 按平台+榜单："起点月票榜前10的玄幻文"、"番茄男频阅读榜"

AI 行动：

1️⃣ 一次调用完成意图+路由 — 调用 python scripts/type_router.py "{用户输入}"

输出包含：

• 类型路由：大类/小类/子类匹配 → 维度权重 + 素材引用 + 节奏特征 + 开篇推荐 + 爽点侧重 + 写作模式
• 意图策略：intent.intent_id（A~F）→ 侧重维度 + 报告章节聚焦 + 额外产出
• 权重合并：当意图为非"全面分析"时，intent.analysis_weight_shift 逐 key 覆盖大类默认权重

用户说："末世种马种田"
  ↓
python scripts/type_router.py "末世种马种田"
  ↓
输出：
  类型路由：末世/废土大类 → 权重{节奏:5,金手指:5,...}
  意图策略：F(全面分析) → 标准9章节
  素材引用：[素材-爽点库.md, 素材-问题诊断.md, ...]

2️⃣ 意图澄清（仅当用户未明确意图时，AI 可反问"你想从拆书分析中得到什么？"并给出 A~F 六个选项，对应关系见下方映射表）

3️⃣ 交叉类型识别 — 检查 type_router 输出的 cross_type_info 是否非空：

用户说："末世言情"
  ↓ type_router 返回 cross_type_info: {primary: 末世, secondary: 言情}
  ↓ 同时分析两个大类的特征
  ↓ 在报告中增加"交叉地带专项分析"章节

意图 → 分析策略映射：

输出：路由配置 + 意图策略 → 直接传递给 Step 2

Step 2 → 情报搜集（联网）

使用 web 搜索能力，按 [搜索策略SOP.md](references/搜索策略SOP.md) 执行：

1. 第一轮搜索：类型+平台定位 → 确定热门作品候选池
2. 第二轮搜索：对标作品深挖 → 获取每本的简介/热度/读者评论
3. 第三轮搜索：写作技法补充 → 开篇结构/常见雷区等

核心规则：

• 确定 3-5 本最具代表性的对标作品
• 每本按「最低信息标准」判定达标（详见 SOP 第3节）
• 无法获取正文时，使用 passage_extractor.py --mode infer 处理搜索片段
• 搜索失败时使用内置知识库降级

输出：对标作品清单（每本含简介+热度数据）

Step 3 → 逐本深度拆解（类型自适应）

根据 Step 1 类型路由确定的维度权重，对每本对标作品进行针对性分析。

通用6维度（所有类型的基础分析框架）：

• A 结构分析：黄金三章结构 / 全篇章节分布（Act 1/2/3）/ 章节字数范围
• B 爽点节奏：类型自适应爽点类型统计 / 爽点密度 / 情绪曲线
• C 人物体系：类型自适应主角原型 / 配角类型 / 人物关系网
• D 金手指/核心设定：金手指类型 / 升级体系 / 世界观规则
• E 开篇钩子：类型自适应开篇公式 / 前300字钩子 / 第一章结尾悬念
• F 风险识别：读者差评 / 常见逻辑漏洞 / 写作雷区

额外维度（根据类型路由选择性开启）：

额外维度完整映射表见 [genre-taxonomy.md](references/genre-taxonomy.md)「额外维度映射」章节，权威数据源为 taxonomy_data.py TAXONOMY 各子类节点的 extra_dimensions 字段。

分析维度权重分配规则：

总分析资源 = 100%
  通用6维度：    占 60%（各维度按类型权重表分配）
  额外维度：     占 20%（按类型路由开启的维度数均分）
  范文段落精析： 占 10%（原文引用 + 技法标注）
  创新点发现：   占 10%（该作品区别于同类的独特之处）

范文段落精析：使用 scripts/passage_extractor.py 提取对标作品关键段落（开篇/高潮/金手指首次展示），做原文引用+技法标注。无法获取原文时用 --mode infer 从搜索片段推断，报告中必须附加 ⚠️推断·置信度 标注。

脚本工具：scripts/passage_extractor.py 可对提取的段落做自动化分析

输出：每本作品的类型自适应拆解笔记

Step 4 → 交叉对比提炼

将 Step 3 的多本分析结果进行对比：

1. 共性提取：哪些结构/节奏/人物模式在多部作品中出现 → 形成类型模板
2. 差异分析：各作品的差异化创新点是什么 → 提供创作灵感
3. 趋势判断：近期新作在哪些方面有变化 → 把握市场方向
4. 最佳实践：哪种处理方式最受读者认可 → 形成推荐方案

输出：交叉对比结论 + 类型模式模板

Step 5 → 生成报告

分两步执行：

第 1 步：AI 读取模板直接填充

1. 读取 references/report-template.md 获取9章节结构和必含字段要求
2. 基于 Step 3/4 的拆解分析笔记，AI 逐一填充 一~九 节的分析内容
3. 确保填充内容与 Step 1 路由输出的维度权重、意图策略一致
4. 按模板要求写入 YAML 元信息头（含 适用写作模式，由 type_router 的 writing_mode 字段确定）

第 2 步：完整性校验

1. 调用 python scripts/report_validator.py "{项目目录}/deconstruction_report/report.md"
2. 检查输出：
   • valid: true → 校验通过，报告完成
   • valid: false → 根据校验报告中的错误/警告逐项修复
3. 修复后再次校验，直到通过（⚠️ 最多重试 3 次；3 次仍未通过时，将校验报告的未通过项整理为清单供用户手动处理，不要无限循环）

输出：最终拆书报告 deconstruction_report/report.md

⚠️ 必须告知用户文件位置：报告生成后，必须向用户明确说明文件的保存路径和文件名，例如：

📄 拆书报告已生成，保存在：{项目目录}/deconstruction_report/report.md

如用户未指定项目目录，则说明默认路径。

🎯 报告输出规范

文件位置

{项目目录}/deconstruction_report/report.md

章节要求

报告必须包含以下 9 个章节（顺序固定），章节结构与必含字段详见 [report-template.md](references/report-template.md)。

文风DNA卡规范（第九章核心产出，M2 升级）

从多本对标交叉对比中，提炼目标类型的结构化文风DNA卡（4 维）与一张文风模板卡。4 维每维采用「定义 / 量化区间 / 创作提示 / 示例」结构：

🧬 结构化 DNA 卡（4 维）
  句法 syntax：平均句长 X–Y 字；长短句比；标点密度；从句嵌套度
  用词 word-choice：感官密度（视/听/嗅/触/味具体描写占比）；动词/名词比；抽象词占比；AI味词命中数
  节奏 rhythm：快慢、密度、张弛、紧缓（可桥接 RHYTHM_PROFILE_MAP）
  情绪曲线 emotion-curve：峰值位置、非对称性、波浪/爬升/断崖形态、转折密度（桥接 Ch3 情绪曲线 + 人类味"情绪非对称"）

🃏 文风模板卡（供 multi-role 的 Writer 直接套用）
  默认启用句式 / 禁用句式 / 情绪曲线模板 / 用词密度指示 / 节奏基调

详细 schema 见 [report-template.md](references/report-template.md) 第九章结构规范。文风模板卡将被 multi-role-novel-iteration 在 Phase 1 注入 canon.md 的 ## [STYLE_DNA] 章节，供 Writer（内容填充师）直接遵守——这是"风格蒸馏前置到生成端"的关键闭环。无样本文本时引用 [默认-DNA卡.md](references/默认-DNA卡.md) 作为兜底。

量化指标卡规范

每个分析章节（二/三/四/五/六/七）末尾必须附量化指标卡：

📊 **量化指标卡**
| 指标 | 数值 | 健康阈值 | 状态 |
|------|------|----------|:----:|
| 爽点密度 | 每4.2章一次 | 前20章每3章≥1次 | ✅ |

各章节对应指标见 [report-template.md](references/report-template.md) 第4节。

可视化图谱规范

报告必须包含 3 类一级图谱（Mermaid格式），推荐包含 2 类二级图谱。详见 [report-template.md](references/report-template.md) 第5节。

推断透明度规范

基于 web 搜索片段而非完整正文的分析，必须标注：

• ⚠️推断·置信度：高/中/低
• ⚠️推断·原因：...
• 素材完整度≤60%时，宏观结论必须附加推断标注
• YAML 头必须填写 素材完整度 字段

输出完整性校验（强制）

报告生成后必须由 report_validator.py 脚本校验通过——禁止 AI 自行逐项检查替代脚本校验。AI 额外检查：量化指标卡至少覆盖2个章节 + 至少3类Mermaid图谱 + 第九章含文风DNA卡与文风模板卡。

📖 参考文件

素材引用

type_router 输出的 reference_files 字段自动指定当前类型需要的素材文件，AI 按该列表加载即可。素材文件自包含，不依赖外部知识库。

⚙️ 脚本工具集

本 Skill 包含 14 个确定性脚本（含12个CLI脚本 + 1个数据模块 + 1个共享工具模块），用于替代 AI 不需要"思考"的固定逻辑：

脚本调用流程

• 拆书流程：用户输入 → type_router.py → 路由配置JSON → 4个查表脚本按需手动调用 → AI填充模板 → report_validator.py 校验
• 问题诊断流程：用户描述问题 → problem_matcher.py → 匹配症状→根因→方案 → AI排查
• ⚠️ 查表脚本（thrillpoint_lookup/opening_formula/outline_generator/character_template）为独立CLI，按需手动调用，非由 type_router.py 自动触发

❓ 常见问题

Q3：支持哪些网文类型？

内置 11 大类 → 45 小类 → 110 子类 三级分类体系，覆盖主流网文类型：

输入不匹配也可以——同义词扩展和交叉类型推断会自动处理（如"末日伪人囤货流"→末世+恐怖双类型）。

Q5：怎么和 multi-role（AI创作天团）配合？

全自动：先用本技能生成报告 → 切到 multi-role 在同一项目目录启动创作 → quick_start.py 自动检测并注入正典。也可手动指定 --deconstruction-report {报告路径}。拆书报告是可选依赖——没有也能正常使用。

Q6：我的类型很冷门/找不到怎么办？

1. 先试同义词：比如"异兽流"可能归属"都市异能"，"灵异文"可能归属"恐怖"→"规则类恐怖"
2. 尝试拆分描述：输入复合类型如"末世+系统流"，type_router 会自动识别交叉类型
3. 如果确实不在分类中：type_router 返回 matched: false 时会附带建议（如"最接近的已有类型"），可按建议选一个相近类型分析，冷门类型的分析精度会偏低

如果某个类型反复匹配不到，欢迎反馈，分类体系会持续扩充。

Q7：搜索不到素材/搜索失败会影响报告吗？

不会导致报告无法生成。素材搜索失败时，AI 会基于 references/ 内置知识库素材进行流程性兜底分析（注：这是 AI 编排层的降级，而非某个脚本内置的自动降级逻辑；脚本层面仅 type_router 在未匹配到类型时返回通用分析模板），报告仍能正常产出，但以下方面可能受影响：

• 章节分析深度降低（缺少具体作品引用和原文片段）
• 推断标注增多，置信度降低
• 开篇钩子和金手指分析趋于通用化（缺少类型特异性的范例）

建议：搜索失败后，可手动提供一部同类型作品的名称或核心设定，AI 会基于内置知识补充分析。

⚠️ 重要原则

1. 诚实标注来源：拆书分析中引用具体作品时，清晰标注来源
2. 不抄袭：分析目的是提炼模式模板，而非鼓励抄袭
3. 尊重版权：只分析公开可见的结构性信息，不搬运原文大段内容
4. 时效性：网文类型热度变化快，标注分析时间
5. 报告可编辑：输出报告后用户可手动修改补充
6. graceful fallback：网络搜索失败时使用内置知识库降级

版本历史