novel-deconstruct

name novel-deconstruct description 拆书——对网络小说进行深度结构分析。输入番茄小说等平台的链接，自动抓取、解码、分析，输出七步骨架/冲突三层/人物弧光/对话技法/节奏控制等维度的拆书报告。触发词：拆书、拆解、分析这本小说、帮我看看这本书。 Novel Deconstruct — 拆书技能 对网络小说进行系统性的写作技法分析。自动处理字体反爬、章节抓取、定量扫描、场景级深度拆解全流程。 检测流程 用户提供小说链接 ├─ 番茄小说 (fanqienovel.com) → 字体解码 + API抓取 ├─ 其他平台 → 通用网页抓取 └─ 用户直接粘贴文本 → 跳过抓取，直接分析 Step 1: 获取元数据 读取小说主页，提取： 书名、作者、简介、题材标签、总字数、更新状态 完整章节目录（含每章标题） 章节总数 N Step 2: 抓取正文 番茄小说 从主页 HTML ( __INITIAL_STATE__ JSON) 提取 chapterListWithVolume 从 CSS 提取自定义字体 URL (woff2) → tools/decode_font.py 用 fontTools + ddddocr 建 PUA→汉字映射表 按采样策略批量请求 reader API ( fanqienovel.com/reader/{itemId} )，用映射表解码正文 采样策略 范围 策略 用途 Ch 1-10 全文 开局分析（激励事件/人物引入/世界观建立） Ch 11-N 每 N/8 章取1章 结构采样（幕转折/冲突升级/人物弧光） 最后10章 全文 结局分析（高潮/收束/主题落点） 总计约 20-30 章。番茄免费章节通常仅前10章，后续章节可能需要登录 Cookie 或第三方镜像站。 Step 3: 定量扫描（必做，不可跳过） 对每章正文执行以下自动化扫描，输出数据表： 3.1 基础指标 指标 方法 字数 len(re.sub(r'\s', '', body)) 段落数 按换行分割 场景数 按空行/ - / — /视角切换分割 句均长 以 。！？；… 断句，取均值 短句% ≤15字的句子占比 长句% >25字的句子占比 对话% 含对话标记的段落占比 了/段 「了」字总数 ÷ 段落数 3.2 疲劳词扫描（逐词计数，输出单章+总计） 按以下分类，使用 body.count(word) 逐词扫描： 类别 词表 阈值 副词 突然/忽然/猛然/竟然/居然/渐渐/逐渐/依旧/仍然/默默/微微 各≤3次/章 动词模板 露出/陷入/涌起/泛起/浮现/充斥 各≤3次/章 连接词 然而/不过/于是/随即/紧接着/与此同时 各≤4次/章 身体模板 瞳孔一缩/身体一僵/倒吸一口凉气/呼吸一滞 各≤2次/章 含混词 仿佛/宛如/好像/似乎 合计≤2次/500字 「让」字 让/令/使 专项统计 （指南禁止项） 「不是…而是…」 正则 不是.{0,20}而是 ≤3次/章 3.3 情绪标签词扫描 搜索「悲伤/愤怒/恐惧/幸福/美丽/紧张/焦虑/难过/开心/害怕/兴奋/激动/失望/绝望」等词， 区分对话中出现 vs 旁白中出现 。旁白中出现即违规。 3.4 章标题风格聚类 将所有章节标题按风格分为五类： 感官期 ：具象名词（食物名、动作、对话片段） 事件期 ：情节节点（冲突、转折、新信息） 状态期 ：心理/关系状态描述 悬念期 ：省略号、对话片段、抽象概念 收束期 ：短句、意象、情感落点 Step 4: 场景级深度拆解 对 前10章全文 逐章逐场景执行以下分析： 4.1 每章输出 场景切分图（场景1/2/3…字数+POV+内容概要） ↓ 关键段落逐段功能标注（激励事件/世界观渗透/人物引入/弧光推进/钩子） ↓ 鸿沟检查（场景内人物期望 vs 世界实际反应） ↓ 技法点评（冰山对话/以景写情/镜头感/倒叙/详略判断） ↓ 章末钩子质量评估 4.2 场景切分规则 空行、单独成段的 - / — / ... = 场景边界 POV 人物切换 = 场景边界 时间/空间跳跃 = 场景边界 单场景章（如Ch4/Ch7）标记为情感高潮章 4.3 鸿沟检查方法 对每个场景回答三个问题： 人物的期望是什么？ 世界实际给出了什么反应？ 两者之间是否有裂缝（反应 ≠ 期望）？ 无裂缝 → 标记「无效场景」。 4.4 冰山对话检查 摘录每章最核心的对话段落，检查： 人物说出来的话（水上1/8）vs 真正的意图（水下7/8） 是否通过回避/犹豫/沉默/过度否认来传递水下信息 有没有人物直接说出自己的真实意图（= 违规） Step 5: 逐章价值变化追踪 建立 10章 × 6维度 的变化矩阵： 维度 检查方法 处境变化 人物外部处境的正↔负转换（安全↔危险/富有↔贫穷等） 关系变化 人物间关系的正↔负转换（亲近↔疏远/信任↔怀疑等） 认知变化 人物对世界/他人/自己的理解的正↔负转换 情绪方向 本章主导情绪的起→落方向 钩子类型 信息悬念/情感悬念/情境悬念/情感收束 核心规律 每章是否至少一个维度发生可感知变化？ Step 6: 结构层分析 6.1 七步骨架 对照 story-craft-reference.md ，逐步骤标注在正文/章节目录中的对应位置。 6.2 激励事件 定位精确章节/段落 检查是否在故事前四分之一处 验证双欲望设计（自觉+不自觉） 检查是否发生在读者面前（非幕后） 6.3 幕结构切分 基于章节标题和内容转折点，将全书切分为 6-8 幕，每幕标注： 起止章节 + 章节数 核心冲突 + 转折节点 对抗力量等级（对立面/矛盾体/反讽） 6.4 冲突三层缠绕验证 选取关键章节，验证三层冲突是否同时推进且互相缠绕。 Step 7: 输出报告 报告保存到 {用户桌面}/拆书_{书名}/ 或用户指定目录。 报告结构（18章标准模板） 一、作品档案 二、七步骨架分析 三、激励事件分析 四、鸿沟推进机制 五、冲突三层法则 六、对抗力量升级路径 七、叙事视角分析 八、对话分析（冰山对话 + 镜头感） 九、句式与文风分析 十、人物塑造分析（主角面具/真相/弧光 + 群像功能） 十一、节奏分析（节奏图 + 章末钩子检查） 十二、逐章定量扫描（基础指标表 + 疲劳词扫描 + 情绪标签词扫描） 十三、逐章逐场景深度拆解（Ch1-10，每章场景切分+功能标注+鸿沟检查+技法点评） 十四、逐章价值变化追踪（6维矩阵） 十五、八幕结构全景（基于全本章节标题） 十六、章标题风格演变（五阶段聚类） 十七、结构总评（优势 + 可改进） 十八、拆书结论（评分表 + 一句话总结） 评分维度 维度 满分 选题 ★★★★★ 结构 ★★★★★ 人物 ★★★★★ 对话 ★★★★★ 文笔 ★★★★★ 世界观 ★★★★★ 商业性 ★★★★★ 工具脚本 脚本 用途 tools/decode_font.py 番茄字体解码：下载woff2 → fontTools解析cmap → ddddocr OCR识别 → 输出映射JSON tools/fetch_novel.py 批量章节抓取：读取章节列表 → 采样 → 逐章请求+解码 → 保存TXT 依赖 pip install fonttools brotli Pillow ddddocr requests 分析参照 本技能分析时参照以下理论框架： AI写作规范指南 V3.0（麦基《故事》+ 许荣哲《小说课》+ 布兰德《成为作家》） awesome-novel-skill 的 story-craft-reference.md（七步骨架/三番四震/鸿沟机制/人物弧光等） awesome-novel-skill 的 chapter-quality-checklist.md（15项验收标准） awesome-novel-skill 的 common-rules.md（疲劳词阈值/句式规则/镜头感对话/以景写情/活人感）