长篇生成小说一致性审计
> 适用：AI 批量生成的长篇小说/剧本（数百章、分卷、带 KB 设定库）。
> 目标：在不动原文的前提下，定位可复核的逻辑/衔接/关系硬伤，产出带章节证据的审计报告。
工作流（固定 5 步）
1. 盘点结构
- 找正文根目录（常是
chapters/或正文/），glob所有第XXX章*/*.md|*.txt。 - 解析章节号、标题、所属卷；统计每卷文件数，推断实际卷区（文件名最可靠，优先于 KB）。
- 跳过
_backup/备份/temp目录。
2. 建立权威基准（KB）
读取设定库里的"可核查事实"文件，例如：
- 人物出场表 / 角色关系图（谁在哪一章出场、关系）
- 年谱 / 重大事件时间线（关键节点年份）
- 写作追踪：伏笔追踪、冲突记录、state_tracking
- 写作规范：红线（如"X 前用吾、X 后用朕""古装线禁称 Y"）
重点：记录 KB 内部是否自相矛盾（卷区、登基节点、死亡章、人物关系各文档说法不一）。
3. 脚本化全量扫描（核心）
用 Python 解析全部章节，产出可定位清单：
- 角色出场分布：每个关键人物的"首章-末章-出现章列表"（用最长/最具体子串匹配）。
- 禁用词红线：古装线是否出现被禁称呼（如 简中残痕/OpenClaw/小简）。
- 自称红线：登基/称帝节点之前是否出现 朕（需排除：其他皇帝自称、AI 视角输出）。
- 死亡/出场矛盾：A 角色"死/崩/薨"描述所在章；该角色在此之后是否仍被当作活体对话。
- 姓名异体：同一人物是否有两种写法（如 刘縯 vs 刘演、纟/氵 偏旁混用），用多个候选串分别计数定位。
- 中英文混排：[汉字]\s*[A-Za-z]{2,} 抓脏数据姓名（如 王 Duarte）。
- 时间词：提取 始建国/地皇/天凤/居摄/公元/CE/前1年 与章首年代，按卷区映射检查是否倒退/压缩。
- 卷接缝：dump 每卷首末章的开头 200 字 + 结尾 200 字，查年代是否倒挂、是否误标"全书完"、上一卷末角色在下一卷是否"复活"。
4. 精读核查疑点
对扫描命中的每一处，抽上下文（前后 100–120 字）判定真违规 vs 误报：
- "朕"在登基前 → 看说话人是不是皇帝本人或 AI。
- 角色"死后出现" → 看是追述/转述还是活体对话。
- 早期出场的重要人物 → 看是情报转述（"听说有个人叫X"）还是真实登场。
- 姓名异体 → 确认是否同一人（关系/情节一致）。
5. 产出报告（Markdown）
按严重度排序，每条含：问题 / 章节证据 / 性质 / 修复建议。分四节对应四维：
1. 人物关系混乱（称谓差辈、异体名、关系与 KB 冲突）
2. 逻辑漏洞（时间线倒挂/压缩、死亡节点错、红线违例）
3. 上下文衔接（卷接缝年代回退、伪"全书完"、雷同开头、双"本文完"）
4. 故事连贯性（支线 Early-drop/悬空伏笔、未生成区间）
末附"已排除误报"清单（增强可信度）与"KB 规划层冲突"提示。
关键经验
- 文件名 > KB：实际卷区/登基节点以生成文件为准，KB 常滞后或自相矛盾。
- 先排除误报再下结论：自称、死后提及、早期情报转述极易误判，必须看上下文。
- 年代映射要落到具体章：把 KB 年谱的"CE年→章节"映射写成字典，再用章首年代反查，倒挂一眼可见。
- 输出报告后用
present_files交付，并把结论要点记入项目.workbuddy/memory/YYYY-MM-DD.md。
参考脚本骨架（按项目改角色表即可）
见同目录 scan_template.py（把 CHARACTERS / FORBIDDEN / DEATH_MARKERS / YEAR_MAP 换成本项目设定后跑）。
