list-builder

List Builder：Entropy 列表整理技能

你将为创意随机化构建全面、高质量的列表。这些列表会输入熵工具，为故事创作注入不可预测性。

核心原则

优质熵列表具备三个特性：

1. 规模 — 足够大（50–200+ 项），让人感到真正随机
2. 多样性 — 覆盖完整的可能性空间，而不只是显而易见的例子
3. 具体性 — 足够具体，能激发灵感，而非含糊的类别

LLM 擅长研究、分类和质量控制。脚本擅长存储和随机选择。这项技能将两者结合起来。

数据集成熟度级别

完整标准请参阅 references/dataset-quality-criteria.md。

级别	规模	状态	使用场景
入门级	10-30	快速示例	原型设计、演示
实用级	30-75	可用但有限	个人项目
生产级	75-150	可供日常使用	客户项目、已发布的工具
全面级	150+	参考级质量	权威资源

关键指标：

• 规模： 足够大，确保真正的随机性
• 多样性： 覆盖所有相关维度（见标准文档）
• 具体性： 足够具体，能激发灵感（平均 20-60 个字符）
• 新颖度： >30% 的条目能带来意外（而非第一反应）

当前内置列表处于入门级/实用级。 这项技能旨在将它们提升至生产级。

列表质量标准

优质列表条目的特点

优质：“电梯检修员”（具体、出人意料、引发疑问） 不佳：“办公室职员”（泛泛而谈、意料之中、没有发挥空间）

优质：“午夜时分的自助仓储设施”（时间具体，暗示氛围） 不佳：“建筑物”（过于含糊，无法使用）

优质：“他们在调查完全不同的案件，却使用了相同的证据”（具体的冲突机制） 不佳：“他们碍事了”（没有机制，只有结果）

多样性维度

构建列表时，确保覆盖相关维度：

职业：

• 行业（医疗、法律、建筑、艺术、服务、科技）
• 职级（从入门级到专家）
• 可见度（面向公众与幕后工作）
• 特殊与常见
• 历史、现代与新兴

地点：

• 公共与私人
• 室内与室外
• 城市、乡村与郊区
• 时间带来的影响
• 情绪基调（诡异、平淡、神圣、过渡性）

人物特质：

• 正面、负面与中性
• 显而易见与隐藏
• 自我认知与盲点
• 稳定与情境性的

研究流程

步骤 1：定义列表

• 属于什么类别？
• 用途是什么？
• 什么样的条目有用，什么样的没用？
• 目标规模（至少 50 项，理想情况下 100 项以上）

步骤 2：用显而易见的例子打底

从脑海中立即浮现的 10-20 个条目开始。这些是“现成”的选项——任何人都会想到的条目。它们有效，但还不够。

步骤 3：研究以增加多样性

利用可用来源，扩展显而易见的内容：

Kiwix/Wikipedia：

• 分类页面（例如，“Category:Occupations”）
• 列表文章（例如，“List of unusual deaths”）
• 延伸至意想不到领域的相关文章

模式：按维度扩展

• 选取种子列表中缺少的一个维度
• 针对该维度进行专门研究
• 添加 10-20 个条目以填补空缺

步骤 4：筛选质量

移除以下条目：

• 过于含糊，无法发挥作用
• 与现有条目过于相似
• 具有文化特殊性，却缺乏趣味
• 需要过多解释

步骤 5：设置可用格式

输出为 JSON 数组，以便与 entropy.ts 配合使用：

{
  "list_name": [
    "Item one",
    "Item two",
    "Item three"
  ]
}

可用工具

validate-list.ts

分析列表的质量和多样性。

deno run --allow-read scripts/validate-list.ts list.json

# Check specific list in a file
deno run --allow-read scripts/validate-list.ts data.json professions

报告内容：

• 条目总数
• 重复项检查
• 条目平均长度（过短则含糊，过长则难以处理）
• 多样性评估（如果指定了维度）

merge-lists.ts

合并多个列表来源、去重并格式化。

deno run --allow-read scripts/merge-lists.ts source1.json source2.json --output combined.json

研究提示词

需要研究特定类别时，可以使用以下提示词：

针对职业： “找出 20 种[行业]中大多数人都不知道存在的职业。重点关注能够接触有趣事物、需要专业知识或工作条件不同寻常的岗位。”

针对地点： “找出 20 个可能发生重要对话的具体地点（而非类别）。重点关注自带紧张感、时间压力或意外亲密感的地方。”

针对角色缺陷： “找出 20 种人们对自己抱有的具体错误认知，这些认知并非显而易见的反派特质。重点关注那些看似能提供保护、实际上却会造成限制的信念。”

示例：构建职业列表

初始种子（显而易见的职业）

• 医生、律师、教师、警察、消防员……

维度差距分析

• 缺少：小众技术类工作
• 缺少：拥有特殊接触权限的服务类工作
• 缺少：涉及秘密的工作
• 缺少：大多数人不知道存在的工作

扩展研究

Kiwix 搜索：“职业列表” → 类别页面 → 具体的特殊职业

从研究中添加：

• 电梯检验员（可进入各类建筑）
• 犯罪现场清理员（处理犯罪后的现场，而非犯罪本身）
• 道德黑客（了解系统漏洞）
• 邪教脱离辅导员（了解操控手段）
• 拟音师（凭空创造现实）
• 专利审查员（在创新公开前就能看到它们）

质量筛选

移除：

• “商人”（过于宽泛）
• “TikTok 网红”（过于跟风，容易过时）
• “炼金术士”（时代不符，除非是奇幻题材）

最终检查

• 有 80 个以上条目？✓
• 涵盖多个行业？✓
• 包含不同社会地位的职业？✓
• 有出人意料的选项？✓

与 Entropy 工具集成

使用此技能构建的列表可放入：

• story-sense/data/，用于小说专属列表
• 可通过 entropy.ts --file 加载

命名约定：

• [category]-[specificity].json
• 示例：professions-unusual.json、locations-liminal.json、objects-evidence.json

你要做的事

1. 弄清楚需要什么列表以及列表的用途
2. 用显而易见的示例作为种子
3. 通过研究扩展多样性
4. 筛选质量
5. 格式化为 JSON
6. 使用工具验证
7. 记录列表的预期用途

你不做的事

• 随机生成条目（这是熵脚本的工作）
• 不经研究就创建列表（这会导致条目过于显而易见）
• 纳入需要大量解释的条目
• 重数量轻质量（100 个优质条目 > 500 个平庸条目）

输出持久化

此技能会将主要输出写入文件，以便在不同会话间保留工作成果。

输出位置发现

开始任何其他工作之前：

1. 检查项目中是否存在 context/output-config.md
2. 如果存在，查找此技能对应的条目
3. 如果文件不存在或没有此技能的条目，先询问用户：
   • “这次列表构建会话的输出应保存到哪里？”
   • 建议：熵列表可保存到 data/ 或 story-sense/data/
4. 保存用户的偏好：
   • 如果存在上下文网络，保存到 context/output-config.md
   • 否则保存到项目根目录下的 .list-builder-output.md

主要输出

对于此技能，需持久保存：

• 列表本身 - 采用 JSON 格式，供 entropy.ts 使用
• 研究来源 - 条目来自何处
• 维度分析 - 涵盖了哪些多样性维度
• 使用文档 - 列表的用途

对话与文件

写入文件	保留在对话中
最终列表（JSON）	对列表用途的讨论
研究来源	对条目的迭代
质量分析	实时反馈
文档	类别细化

文件命名

格式：{category}-{specificity}.json 示例：professions-unusual.json