小说分平台评估
概述
对用户提交的小说作品（整本、若干章或开篇）做五层漏斗式全面体检，判定其合规性、AI风险、内容质量、目标平台适配度、编辑签约决策，并输出可留档的评估报告与 Excel 评分表。适合投稿前自检、签约判断、平台选择。
核心原则
- 漏斗式判定：先查"会不会死"（合规/AI）→再查"写得好不好"（内容质量）→"平台吃不吃"（平台适配）→最后以编辑视角查"值不值得签/能不能推起来"（编辑决策）。前层不通过，后层不必展开。
- 证据定位：任何问题都要落到章节+段落+原文摘录，不做模糊评价。
- 区分三层问题严重度：致命（影响上架/封禁）→ 严重（影响签约/数据）→ 建议（优化项）。
评估工作流
第 1 步：确定评估范围、类型文与目标平台
- 确认用户提供的内容范围（整本 / 前N章 / 开篇3000字），并预估篇幅
- 按
references/genre-adaptation.md确定类型文（性向/题材/形态/商业型），校准后续评估侧重 - 询问或确认目标平台（番茄/七猫/起点/晋江/书旗），默认评估"最适合投哪个平台"
- 若用户未明确平台，评估完成后按 platform-comparison.md 给出平台推荐结论
第 2 步：加载对应参考文件
按需读取以下 references 文件（不要一次性全读，只读当前层需要的）：
- 第一层合规：读取
references/compliance-check.md+ 目标平台的platform-*.md - 第二层AI检测：读取
references/ai-detection.md - 第三层内容质量：读取
references/content-quality.md - 第四层平台适配：读取目标平台的
platform-*.md+references/platform-comparison.md
第 3 步：第一层合规审查（一票否决）
按 references/compliance-check.md 全文扫描：
1. 国家红线6类（涉政/涉黄/暴力/赌博毒品/教唆/迷信/民族宗教）
2. 未成年人保护、伦理题材禁忌
3. 书名/简介/文案红线
4. 版权与原创风险
5. AI使用合规
任一命中 → 总判定为"红"，输出问题清单后终止后续评估（除非用户要求"假设删掉问题内容后继续评估"）。
第 4 步：第二层 AI 痕迹与文字质量
先用 scripts/detect_text.py 对文本做数值化检测（句长方差/段落方差/对话占比/比喻密度/感叹号省略号/AI词密度/重复用词），再按 references/ai-detection.md 综合研判：
1. AI含量预判（结合脚本数值 + 结构指纹）
2. 结构指纹（模板化、章节循环、复述、提纲式）
3. 文字硬伤（错别字/病句/标点/排版）
4. 文风一致性
输出脚本数值 + 是否触发平台AI拒稿红线的预判。
第 5 步：第三层内容质量评分
按 references/content-quality.md 九大板块、60+ 检查项逐项细评（1-10分），评估前先按 references/genre-adaptation.md 确定类型文以校准侧重：
- 一、剧情与结构(17%)：主线/剧情弧光/发展阶段/结构完整性/节奏/信息增量/支线/开局收尾
- 二、冲突与高潮(11%)：矛盾冲突/转折反转/大高潮/小高潮/危机紧张感
- 三、悬念钩子伏笔(14%)：钩子/悬念/伏笔类型/植入/回收/坑清理/承诺兑现/期待感
- 四、叙事衔接连贯(9%)：章节衔接/场景过渡/因果链/时间线/视角切换/情绪连贯/人物行动/信息呼应/多线拼合/上下文逻辑
- 五、人物塑造(16%)：主角设定/人物弧光/动机/OOC/立体度/语言/配角/反派/关系网/共情
- 六、文笔与语言(9%)：规范/词汇/句式/描写/对话/画面感/修辞/视角
- 七、世界观体系(6%)：设定/时空地理/社会结构/设定结合/逻辑自洽
- 八、风格情感商业(7%)：风格定位/匹配/基调/氛围/叙述者/情感/主题/价值冲突/共鸣/题材/创新/读者/付费点/篇幅
- 九、读者体验爽毒点(11%)：爽点设计/毒点扫描/弃书点/代入感/阶段奖励（见 reader-experience.md）
计算加权总分，标出全书最短板（决定"是否值得投"）与最强项（卖点）。得分 ≤6 的检查项须附"章节+段落"证据并进入问题清单。
第 6 步：第四层平台特化适配
按目标平台 platform-*.md 评估：
1. 题材是否在收稿范围
2. 签约门槛能否跨过（字数/大纲/开篇）
3. 核心数据指标预判（完读率/留存率/追读/收藏/测试等级）
4. 平台明显禁忌是否踩中
5. 商业模式是否匹配
若目标平台不适配，按 references/platform-comparison.md 给出更优平台。
第 7 步：编辑决策层评估（编辑视角）
读取 references/editor-decision.md，按 E1-E10 逐项以编辑审稿心智评估：
1. E1 开篇生死线（30秒/300字/七行钩子）
2. E2 一句话核心卖点
3. E3 市场商业价值
4. E4 营销三件套（书名/简介/封面）
5. E5 数据潜力预测（对照平台数据线）
6. E6 签约决策（签不签/合同/档位/改稿要求）
7. E7 推荐与爆款潜力
8. E8 作者风险评估
9. E9 反模板疲劳检测
10. E10 平台编辑审稿侧重
输出编辑视角结论：可签约 / 改稿后可签 / 不建议签 + 合同模式与档位 + 数据潜力预估 + 爆款概率。
> 分工：E10 平台审稿侧重仅聚焦"编辑主观第一眼侧重"，用于复核第四层结论，不重复平台规则细节。
> 联网项：E3 市场商业价值、E5 数据潜力预测、题材热度、竞品对标，需用 search 工具联网查询最新市场信息后判定，不得凭过时印象。
第 8 步：生成报告与 Excel 评分表
- 总判定按以下合成规则表执行（先决条件优先）：
- 红：任一合规命中 / AI检测率≥40% / 内容质量加权总分<55 / 编辑决策"不建议签"
- 黄：内容质量55-69 / 编辑决策"改稿后可签" / 平台适配存在卡点（题材、门槛）
- 绿：合规通过 / AI<20% / 内容质量≥70 / 编辑决策"可签约" / 平台适配无硬伤
- 多条冲突时取更严档；先决条件（合规/AI）恒优先。 - 用
scripts/generate_report.py生成评分表，包含五层各维度得分 - 组装最终评估报告（结构见下）
评估报告输出格式
# 《书名》分平台评估报告
## 〇、样本信息
作品名 / 类型文定位（性向·题材·形态·商业型）/ 评估范围（字数·章节）/ 目标平台 / 评估依据与数据来源 / 评估日期
## 一、总判定
绿/黄/红 + 一句话结论 + 最适合平台
## 二、第一层合规审查
通过/不通过 + 命中项（章节定位+原文+修改方向）
## 三、第二层AI检测
各项数值 + 拒稿预判 + 高风险项改写建议
## 四、第三层内容质量
九大板块（60+检查项）评分表 + 全书最短板/最强项分析
## 五、第四层平台适配
目标平台匹配结论 + 核心卡点 + 数据预判
## 六、第五层编辑决策
签约结论 + 合同模式与档位 + 数据潜力预估 + 爆款概率 + 作者风险评估
## 七、修改优先级路线图
致命→严重→建议 三级排序，标出先改什么
报告在对话中直接输出；Excel 评分表用 generate_report.py 生成并分享给用户。
资源
scripts/generate_report.py
生成小说评估的 Excel 评分表（五层得分 + 维度明细 + 备注）。评估完成后运行，接收评估数据，输出 .xlsx 文件到工作区。
scripts/detect_text.py
对小说文本做数值化体检（句长方差/段落方差/对话占比/比喻密度/感叹号省略号/AI词密度/重复用词），为第二层 AI 检测提供硬证据。用法：python detect_text.py <小说.txt> [输出.json] [输出.xlsx]。
references/
compliance-check.md— 第一层合规红线清单（国家/未成年/伦理/书名/版权/AI合规）ai-detection.md— 第二层 AI 痕迹与文字质量检测指标content-quality.md— 第三层内容质量九大板块（60+检查项）评分细则platform-fanqie.md/platform-qimao.md/platform-qidian.md/platform-jinjiang.md/platform-shuqi.md— 五平台特化标准platform-comparison.md— 平台对比速查表与平台推荐editor-decision.md— 第五层编辑决策层（开篇生死线/卖点/市场/营销/数据/签约/推荐/作者风险/反模板/平台侧重）reader-experience.md— 第三层板块九：读者体验与爽毒点（爽点/毒点/弃书点/代入感/阶段奖励）genre-adaptation.md— 类型向与形态评估侧重（男频/女频/长短篇校准）
