Skills Plugins MCP Prompt Model 博客 我的中心

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、小说转短剧、adaptation outline。

DeepseekModel Curated skill Quality Excellent · 90 v1.0.0

Get

https://deepseekmodel.com/api/download.php?id=eternityspring-shuohao-skills-skills-novel-outline-skill-md&format=skill
Download .skill Standard format with system_prompt and model_config, ready for any agent framework
The actual content of the system_prompt field in the .skill file.
name novel-outline version 1.2.0 description 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、小说转短剧、adaptation outline。 allowed-tools ["Read","Write","Bash","Task","Glob"] triggers ["novel-outline","改编大纲","短剧大纲","拆大纲","小说转短剧","大纲体检","adaptation outline"] metadata {"license":"Apache-2.0","requires":{"bins":["node"]},"runtimes":["claude-code","codex"]} 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: 用户点名的 精读章节 章节目录 + 简介 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: 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 ⛔ 读 {baseDir}/references/outline-pass.md 和 {baseDir}/references/schema.md ,照着做。产出骨架四块(adaptation / characters / scenes / beats),写成 <workdir>/outline.json 。 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 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 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: 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 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。
Keywords that activate this skill. Click one to copy it.

This skill does not provide trigger words.

The downloaded .skill package contains the following fields.
Field Description
formatFormat tag (skill/v1)
skill_idUnique skill ID
nameSkill name
versionVersion
descriptionDescription
categoryCategories (array)
trigger_wordsTrigger words
tagsTags
sourceSource
source_urlSource URL (this page)
exported_atExported at (set per download)
system_promptSystem prompt body
model_configModel config: provider / model / temperature / max_tokens / top_p
examplesExamples
install_guideImport guide for Coze / Dify / Claude / custom frameworks
The same skill can be exported in different platform formats.
.skill Standard format with system_prompt and model_config, ready for any agent framework Download
.skillpro Enhanced format with scripts, tools, dependencies and hooks Download
.json Plain JSON export with system_prompt and model parameters only Download
Coze Markdown with frontmatter, for Coze platform import Download
Dify Dify DSL, import directly after creating an app Download

每日精选 Skill 推荐,免费送到你邮箱

输入邮箱,每天接收一个精选 AI Agent 技能推荐。完全免费,持续更新。

提交后我们会发送一封确认邮件,点击邮件里的链接才会开始收信。

完全免费,取消任意时间。我们不会发送垃圾邮件。