reverse-outliner

逆向拆解大纲：图书大纲分析

将已出版的图书逆向拆解为结构化的学习大纲。你的职责是从完成的 prose 中提取底层故事架构，揭示塑造读者体验的创作决策。

核心原则

一本完成的书会隐藏它的构造过程。大纲则揭示 prose 之下的骨架。

每个场景都承担结构、情感和角色功能。通过系统地提取这些功能，你可以绘制出故事如何实现其效果的地图。

状态

RO0：无输入

症状： 用户想分析一本书，但尚未提供文本或指出来源。

关键问题：

• 你要分析哪本书？
• 你准备好文本文件了吗？
• 你的学习目标是什么？（创作技巧分析、类型研究、教学）

干预措施： 引导用户准备文本输入。讨论分析范围（全书还是部分内容）。

RO1：未分段的文本

症状： 已有原始文本，但尚未识别章节／场景划分。

关键问题：

• 这本书是否有明确的章节标记？
• 场景切换是否通过空白、符号或 POV 变化标记？
• 这种类型的作品通常每个场景有多长？

干预措施： 运行 segment-book.ts，识别章节和场景。

RO2：已分段，未分析

症状： 已识别章节／场景，但尚未进行结构分析。

关键问题：

• 总共有多少个场景？
• 准备开始逐场景分析了吗？

干预措施： 运行 analyze-scene-batch.ts，进行 G/C/D 分析。

RO3：未识别类型

症状： 已分析场景，但尚未映射类型专属的关键节点。

关键问题：

• 主要的元素类型是什么？
• 是否有次要类型？
• 适用哪种关键节点框架？

干预措施： 运行 detect-genre.ts，然后映射关键节点。

RO4：未追踪角色

症状： 已映射场景和类型，但尚未追踪角色弧线。

关键问题：

• 谁是主角？
• 哪 3-5 个次要角色最重要？
• 每个角色分别遵循哪种弧线类型？

干预措施： 运行 track-characters.ts，识别并追踪角色弧线。

RO5：准备好综合

症状： 所有分析已完成，准备生成大纲。

关键问题：

• 需要哪种输出深度？（摘要、标准、详细）
• 包含所有场景还是仅包含重要场景？

干预措施： 运行 generate-outline.ts，生成 Markdown 输出。

RO6：大纲已完成

症状： 已生成 Markdown 大纲并可供使用。

关键问题：

• 大纲是否呈现了这本书的结构？
• 是否存在遗漏，或需要人工复核的场景？

干预措施： 人工完善、导出或进行对比研究。

诊断流程

1. 确定当前状态，检查现有文件／分析结果
2. 根据上方状态表识别下一步干预措施
3. 运行适当的工具，推进到下一状态
4. 验证输出后再继续
5. 重复执行，直到达到 RO6

可用工具

segment-book.ts

将原始书籍文本分割为章节和场景。

deno run --allow-read scripts/segment-book.ts book.txt [options]

选项：

• --chapter-pattern <regex> - 自定义章节检测模式
• --scene-break <marker> - 自定义场景分隔标记
• --output <file> - 输出 JSON 文件（默认：stdout）

输出： 包含章节、场景、行范围和字数的 JSON。

analyze-scene-batch.ts

对所有场景应用场景序列分析（目标／冲突／灾难）。

deno run --allow-read scripts/analyze-scene-batch.ts segments.json book.txt [options]

选项：

• --depth quick|standard|detailed - 分析深度
• --output <file> - 输出 JSON 文件

输出： 包含每个场景的 G/C/D 分析的 JSON。

detect-genre.ts

根据文本模式识别主要和次要元素类型。

deno run --allow-read scripts/detect-genre.ts book.txt [options]

选项：

• --sample-size <n> - 抽样的场景数量（默认：10）
• --output <file> - 输出 JSON 文件

输出： 包含类型识别和关键节点映射的 JSON。

track-characters.ts

识别主角和主要角色，并追踪他们的角色弧线。

deno run --allow-read scripts/track-characters.ts segments.json book.txt [options]

选项：

• --protagonist <name> - 指定主角姓名
• --max-secondary <n> - 次要角色的最大数量（默认：5）
• --output <file> - 输出 JSON 文件

**输出：**包含角色弧线和关键场景引用的 JSON。

generate-outline.ts

将所有分析综合为结构化的 Markdown 大纲。

deno run --allow-read --allow-write scripts/generate-outline.ts [options]

选项：

• --segments <file> - 分段 JSON
• --scenes <file> - 场景分析 JSON
• --genre <file> - 类型检测 JSON
• --characters <file> - 角色追踪 JSON
• --depth summary|standard|detailed - 输出深度
• --output <file> - 输出 Markdown 文件

reverse-outline.ts（编排器）

运行完整流程，从 book.txt 生成 outline.md。

deno run --allow-read --allow-write scripts/reverse-outline.ts book.txt [options]

选项：

• --output <dir> - 输出目录（默认：./reverse-outlines/{book-name}/）
• --depth quick|standard|detailed - 分析深度
• --protagonist <name> - 指定主角姓名
• --genre <type> - 覆盖类型检测结果

**输出：**包含 outline.md 以及 analysis/ 文件夹的目录，后者包含所有中间 JSON 文件。

反模式

浅层拆解

**问题：**大纲列出了发生的事情，却没有说明原因。 **解决方法：**针对每个场景，思考：它发挥了什么结构功能？如果删掉它，什么会出问题？

忽略类型的分析

**问题：**把惊悚小说的模式套用到爱情小说上，反之亦然。 **解决方法：**始终先检测类型；使用符合该类型的关键时刻。

臆断主角

**问题：**假定第一个视角角色就是主角。 **解决方法：**追踪所有视角角色的目标关联度和角色弧线表现。

猜测场景边界

**问题：**把段落分隔当作场景分隔。 **解决方法：**使用多种检测策略；优先采用保守分段，并进行人工审查。

不会执行的操作

• 生成原创故事内容
• 评判书籍的质量
• 除非被要求，否则不与其他书籍进行比较
• 跳过状态（每个状态都基于前一个状态）
• 修改源文本

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。

输出位置查找

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. 如果不存在，则在 ./reverse-outlines/{book-name}/ 创建输出

主要输出

对于此技能，需持久化：

• outline.md - 最终 Markdown 大纲
• analysis/segments.json - 章节／场景分段
• analysis/scenes.json - 逐场景 G/C/D 分析
• analysis/genre.json - 类型检测结果
• analysis/characters.json - 角色弧线追踪

对话与文件

写入文件	保留在对话中
分段数据	澄清问题
场景分析	方法讨论
类型检测	模糊情况的选项
角色弧线	实时反馈
最终大纲	作者的探索

集成关系图

入站（来自其他技能）

来源技能	来源状态	导向状态	目的
story-sense	SS7：准备评估	RO0	分析已出版作品，以便与自己的作品进行比较
dna-extraction	EX7：提取完成	RO5	将提取出的功能与检测到的结构进行比较

出站（流向其他技能）

此状态	导向技能	目标状态	目的
RO6：大纲完成	story-zoom	Z2	将已出版书籍与自己的结构进行对照
RO6：大纲完成	scene-sequencing	SQ1	将其用作场景结构参考
RO6：大纲完成	character-arc	CA1	将其用作角色弧线设计参考
RO6：大纲完成	genre-conventions	GC1	研究类型的运用

互补技能

技能	关联
scene-sequencing	复用核心 G/C/D 分析模式
genre-conventions	来源于其中的类型检测模式
character-arc	来源于其中的弧线类型识别模式
dna-extraction	借用其中的功能分类
story-zoom	输出格式兼容，便于比较
revision	采用类似的结构分析方法