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 キュレーション済みスキル 品質 優秀 · 90 v1.0.0

取得

https://deepseekmodel.com/api/download.php?id=eternityspring-shuohao-skills-skills-novel-outline-skill-md&format=skill
ダウンロード .skill 標準形式。system_prompt と model_config を収録し、任意の Agent で利用可能
.skill ファイルの system_prompt フィールドの実際の内容。
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。
このスキルを起動するキーワード。クリックでコピーできます。

このスキルにはトリガーワードがありません。

ダウンロードした .skill に含まれるフィールド。
フィールド 説明
formatフォーマット識別子(skill/v1)
skill_idスキル固有 ID
nameスキル名
versionバージョン
description説明
categoryカテゴリ(配列)
trigger_wordsトリガーワード
tagsタグ
sourceソース
source_urlソース URL(本ページ)
exported_atエクスポート日時(ダウンロード毎)
system_promptシステムプロンプト本文
model_configモデル設定:provider / model / temperature / max_tokens / top_p
examplesサンプル
install_guide各プラットフォームの導入説明(Coze / Dify / Claude / カスタム)
同じスキルを各プラットフォーム形式で出力できます。
.skill 標準形式。system_prompt と model_config を収録し、任意の Agent で利用可能 ダウンロード
.skillpro 拡張形式。scripts / tools / dependencies / hooks を含む ダウンロード
.json 純粋な JSON 出力。system_prompt とモデル設定のみ ダウンロード
Coze frontmatter 付き Markdown。Coze へのインポート用 ダウンロード
Dify Dify DSL。アプリ作成後にそのままインポート ダウンロード

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。

验证码 --

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。