novel-analysis
Skill3 starsChanged 11 days agoMITView on GitHub
做小说分析、拆书学习、作品评阅、模拟读者团试读、平台合规体检、起名(角色名/地名/组织名/功法/书名/章节名)时使用。六类任务的标准流程与输出格式。
In this repository17 other files it gives its agents.
- novel-ai-lexiconSkill
- novel-ai-structureSkill
- novel-chapter-planSkill
- novel-continuitySkill
- novel-craftSkill
- novel-human-touchSkill
- novel-plottingSkill
- novel-profilesSkill
- novel-projectSkill
- novel-prose-standardsSkill
- novel-revisionSkill
- novel-style-hotbloodSkill
- novel-style-lightnovelSkill
- novel-style-mysterySkill
- novel-style-romanceSkill
- novel-style-scifiSkill
- novel-style-xianxiaSkill
The file
Files
分析、评阅与包装任务
一、小说分析
分析小说文本(用户提供或用户指定的作品片段)时输出:
## 主题与题材
(核心主题、题材类型、对标作品)
## 结构分析
(叙事结构、主线支线、节奏分布、钩子设置)
## 人物分析
(主要人物的欲望/恐惧/弧光、关系网络)
## 文笔与风格
(叙述距离、句式节奏、对话风格、描写习惯)
## 亮点与短板
(各 3 条,引用原文佐证)
## 可借鉴点
(对用户自己作品适用的做法)要求:结论必须有原文引用佐证;不做泛泛而谈的文学评论。
二、拆书学习
拆解爆款/优秀作品时聚焦四个层面,产出“可复用的结构”而不是情节复述:
- 结构层:开篇钩子怎么设、爽点周期多长、每章钩子类型分布。
- 节奏层:压爽比(铺垫与释放的篇幅比例)、章节字数分布、高潮间隔、缓冲章怎么写。
- 人物层:主角欲望与恐惧、配角功能定位、反派行为逻辑是否自洽、人物出场方式。
- 文风层:叙述距离、对话密度、描写习惯(可回流给文风卡——按《novel-profiles》的文风卡格式更新)。
输出格式:每层一节,先结论后原文证据,最后给“迁移清单”——哪些做法可以用到什么类型的书上。
三、作品评阅(结构化评分制)
评阅作者稿件时扮演资深网文金牌编辑——犀利直接、说网文圈行话、目标是帮作者赚钱(爆款逻辑),不写学院派文学评论。
评分维度(每维含:查什么 / 扣分点 / 诊断示例):
- 钩子(开篇留存):查前 300 字有无异常/危机/金手指、前 1000 字有无第一次冲突或强悬念、章尾钩子是否成立。扣:开局写日常、慢热铺垫、环境铺陈开局、钩子靠抒情不靠事件。
- 爽点(情绪节奏):查每章有无情绪点、压→转→爽→钩是否闭环、爽点释放是否具体可感。扣:连续多章无爽点、爽点过夜不释放、写“他变强了”式空泛释放。
- 人设(代入感):查主角欲望与行动力、配角功能明确、反派动机自洽。扣:主角被动/圣母/降智、系统代打、反派无脑送人头。
- 信息与连贯:查设定交代方式(拆碎进剧情 vs 大段灌输)、前后文一致、伏笔有铺设有回收。扣:开章设定灌输、前后矛盾、吃设定。
- 文笔与排版:查对话占比与口语度、长短句节奏、段落呼吸感、AI 味(对照《novel-prose-standards》铁律)。扣:书面腔对话、句式均匀无变化、堆砌形容。
- 人味(活人感专项):查角色说话是否像真人(有口癖/停顿/答非所问)、情绪是否有来处、反应是否多样。扣:人均情绪稳定发言、问答完美对齐、反应模板化。
输出格式:
## 总评
【段位】+ 分数(100 制)+ 一句话核心诊断
(段位:≤35 扑街稿 / 36-50 修修能看 / 51-75 过稿线 / 76-90 精品 / 91-100 爆款相)
## 分项扒皮
(按六个维度逐项:得分 + 直接点问题——缺啥、水了几字、哪句人设崩了,引用原文位置)
## 改稿示范
只选全文最烂的一段,按爆款硬指标改写:加冲突、删废话、融一个贴合剧情的网络热梗(自然不硬塞)。
改后与原文等长,并逐条说明改了什么、为什么。纪律:改稿示范只聚焦最烂一段(集中火力);总评控制在 2000 字内;按番茄爆款公式定制标准,其他平台(起点/晋江)按平台调性微调权重。
章节评分与取名(成稿后的标配收尾,源自市场最高均热品类):对单章成稿执行一体化收尾——
- 评分:按上文六维打分(百分制 + 段位)。
- 毒点分析:对照《novel-plotting》毒点防火墙逐条检查本章。
- 章节名:生成 7 个适配本章内容的候选章节名(悬念型/爽点型/反差型/直白型分布),各配一句点击率理由,标出推荐。
- 修改建议:按严重度列 3-5 条,每条附具体改法与示例句(原文 → 改后)。 输出顺序:评分 → 毒点 → 章节名 → 修改建议。
四、模拟读者团试读
组织多位典型读者读完章节,给真实读者视角反馈。你不是编辑——编辑看技术,读者看爽不爽、追不追。完全代入读者视角,说糙话,不打官腔。
读者团成员(默认取前 4 个,可按题材加第 5 个):
- 快节奏白嫖党:三行没爽点就退出去;说话直接:“这段磨叽了”“这里爽到了”。
- 付费老书虫:同题材追过几十本,套路全见过,最烦注水和降智;会拿别的书对比。
- 题材新读者:前情不熟,会问“这人是谁”“这设定啥意思”——前情不清就是问题。
- 逻辑挑刺型:专抓人物降智、前后矛盾、行为不合理;说话不客气但说的都是实的。 5.(可加)女性向/男性向读者:按题材选择。
输出格式:
## 读者反馈
(每位读者一小节:【身份】+ 三五句大白话反馈,标出【爽点】【想弃书处】【看不懂处】【追更意愿:追/弃/观望】,引用到段落)
## 汇总
(最该改的 3 个问题,按严重度排序,各配一句修改方向;最后一句“会不会追更”的总体判断)五、平台合规体检
按中文网文平台内容规范审查稿件,目标是帮作者顺利过审同时保住剧情张力——给“怎么改能过”的方案,不是一刀切删除。
检查类别:
- 色情低俗:露骨性描写、过度身体细节(平台尺度差异:晋江/番茄严,起点/纵横相对宽松)。
- 暴力血腥:酷刑/虐杀的过程细节、血腥渲染过度。
- 涉政涉敏:真实政治人物/事件/机构的影射与讨论、敏感历史评价。
- 违法细节教学:可被模仿的作案、制毒、自杀等具体方法与步骤。
- 价值观风险:美化犯罪、宣扬仇恨、歧视性言论。
- 未成年人相关:未成年角色涉性涉暴内容。
- 侵权风险:真实人名/品牌/作品的不当使用、高度模仿知名桥段。
输出格式:
## 风险清单
(每条:【位置】【类型】【等级:高/中/低】【修改建议】;按等级排序。无风险的类别不列;全文无风险时明确写“未发现明显风险,可正常发布”)
## 整体结论
(一句话:可发布 / 建议修改后发布 / 有封禁风险必须修改)
## 合规改写版(用户要求时)
(保留剧情张力与信息量的前提下,把风险表达模糊化、艺术化或替代;附逐处改写说明)六、起名
为角色/地点/组织/功法/法宝/书名/章节名起名时:
- 先收集约束:题材与世界观基调、已有命名的风格惯例(音节长度、中外感、文白程度)、避讳名单。
- 批量生成(默认 8-12 个),分组呈现,每组标注思路。
- 检查:与已有名字是否混淆(读音/字形)、是否撞名知名作品、生僻字是否影响阅读。
- 书名另加:题材关键词 + 爽点暗示 + 平台检索友好度分析;给一句话简介配套。
输出格式:分组列表 + 每个名字一行“名字 — 思路/寓意”,最后给 2-3 个推荐组合。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

