agentleFS
qingyabailu-gitqingyabailu-git/webfiction-write/skills/fiction-polish/SKILL.md

fiction-polish

Skill15 starsChanged 4 months agoMITView on GitHub

润色与去 AI 味。对已有正文执行格式规范化、banned-words 扫描替换、 AI 腔检测与人工化改写、文风一致性检查。支持单章和批量范围。 触发方式:/fiction-polish {章号或范围}、「润色」「去AI味」「格式」「标点规范」「这篇太AI了」「帮我顺一下文字」。

The file

Files
SKILL.md

fiction-polish:润色与去 AI 味

独立于 fiction-write 的 Step 4,专门用于用户想单独润色场景。 通常由里程碑提示触发(写 5/10 章后),也可用户主动运行。

执行工序

润色只改变表达、段落和标点,不新增剧情、不改变事实、人物关系、时间线或章纲目标。首次覆盖前保留可恢复副本;用户手工编辑过的正文必须先确认处理范围。

① banned-words 扫描

# 一级词(高概率 AI 腔):"然而""不禁""仿佛""不禁让"等
# 命中 → 直接替换

# 二级词(语境相关):根据相邻文本判断
# 高频出现 → 替换;偶发 → 保留

对照 references/banned-words.md(从 story-* 系列继承)。

② AI 腔模式检测与改写

模式检测方式改写方式
对称句/排比句密度统计每段对称结构数打散为长短交替
"X 是 Y 的"判断句正则匹配改为动作/对话承载
过度修饰副词"突然/竟然/深深地"统计去掉或嵌入动作
模板化开头"就在这时/突然/没想到"直接上动作
标点模板化过多省略号/破折号/感叹号连用简化标点

③ 人工化改写

  • 句子结构打散:长复合句拆短
  • 抽象描写替换:"她感到一阵悲伤" → "她眼泪掉了下来"
  • 对话潜台词化:直白陈述 → "嘴上说不用,手却把杯子推了过来"
  • 信息密度调整:删减无信息承载的填充词

④ 格式规范化

  • 引号风格统一(按项目约定:半角双引号或「」)
  • 段落断句:单段 ≤ 5 行,超长则按动作/信息变换拆分
  • 标点统一:中文标点优先
  • 连续动作按镜号断句

⑤ 文风一致性检查(如有文风档案)

  • 对照 设定集/文风档案.md 的标签逐项核验
  • 偏离过大的段落标注建议

⑥ 确定性检查

润色后运行:

# SCRIPTS_DIR 由安装宿主指向本仓库或已安装的 scripts/ 目录。
python -X utf8 "${SCRIPTS_DIR}/check_prose.py" --check "正文/第{章号}章-{标题}.md"

blocking findings 必须修复;advisory findings 只记录并结合全文判断,不做机械替换。检查通过也不等于独立 reviewer 已审查。

批量运行

fiction-polish 1-10        # 润色第 1-10 章
fiction-polish --all        # 全部已写章节
fiction-polish --volume 1  # 整卷

批量时逐章执行,每章完成输出状态。

写回

在用户允许的范围内写回目标正文,并保留原稿副本或版本记录;不自动级联修改后续章节,不覆盖用户手动编辑的内容。

参考

去 AI 味核心规则和 banned-words 表从 story-* 系列继承。 格式规范从 story-short-write 的 format-and-structure.md 继承。 文风一致性维度由 fiction-conceive 阶段产出的文风档案.md 定义。 本 skill 不内联上述参考文件内容,运行时按需加载。 如果使用外部标点脚本,必须先确认脚本实际存在;本仓库只保证 scripts/check_prose.py 和 scripts/check_encoding.py 两个确定性检查脚本。

与 fiction-write 的关系

fiction-write 的 Step 4 内嵌了相同的润色流程。 fiction-polish 是独立的外置版本,用于单独调用。 两者执行效果一致,不应出现同一内容两个不同结果。 如果 fiction-write 时已执行过 Step 4,再次跑 fiction-polish 不会重复修改。 (但如果用户手动改过正文,fiction-polish 会基于最新版本再次处理。)

致谢

本 skill 的开发参考了以下开源项目的思路与实现:

感谢原作者的开源贡献。

Download now (ZIP)

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
What did you use it for? e.g. Reviewing pull requests in a Rails app

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.