小说分析仿写

触发场景

用户说类似："分析一下这位作者的写作风格" / "整理这批小说看看风格特点" / "检测下有没有代笔" / "金庸和古龙文风有什么不同" / "把这批 TXT 做个风格指纹" / "以某作者风格写一段小说" / "仿写金庸开篇并验证像不像" 时启用。

功能介绍

把"文风赏析"变成可量化、可复现、可解释的特征工程：给技能一批某作者的小说 TXT，它提取 40+ 个文体学指标（句长波动、对话占比、破折号/四字格/复句密度、章节均匀度、格言密度、人称视角、悲情词、章回套语等），生成该作者的"风格指纹"，并据此做三件事：

• 风格分析：输出可视化的风格指纹报告（对照表 + 雷达图 + 逐部明细），让"某文本更像哪位已知作者"这类问题有数据支撑，而非凭感觉。
• 风格仿写：用指纹反推出的"风格配方"驱动 AI 写作，再自动回检贴近度，证明"写像了"——覆盖网文、悬疑、历史、言情、科幻等任意题材，不限于任何特定类型。
• 代笔 / 伪书 / 风格漂移检测：对照已知作者基线，标出在多个核心维度显著偏离"亲笔"均值的作品，辅助识别代笔、伪书或后期风格突变。

技能内置 34 位作者指纹基线（金庸、古龙、猫腻、马伯庸、辰东、priest、会说话的肘子、顾漫等跨题材作者），开箱即可对任意已内置作者仿写 / 回检；要扩更多作者，把语料丢进 --corpus 重跑即自动建库，零改代码。

适合：小说 corpus 整理、作者风格研究、网文代笔检测、AI 写作去味、文学课程素材、个人小说鉴赏与仿写方法论沉淀。

操作使用说明（快速上手）

下面是最佳路径；每个步骤的细项在对应章节。所有路径均用参数或环境变量（NOVEL_CORPUS_ROOT / NOVEL_BASELINE_DIR）传入，不内置任何个人路径。

场景一：分析某作者风格

1. 准备语料：建文件夹 语料根/作者名/*.txt（每部小说一个 txt，支持嵌套子目录与 gb18030/UTF-8 混编码）。
2. 跑分析：
   bash python scripts/style_analyzer.py --corpus /path/to/语料根 --out /path/to/产出
   自动识别每位作者并产出 作者名风格特征_deep.json。
3. 看报告：把 JSON 注入报告模板，得到对照表 / 雷达图 / 逐部明细；判定归属或代笔嫌疑见 references/判定阈值.md。

场景二：仿写某作者风格（分析 → 写 → 回检）

1. 先反问（必做）：接到"以某风格写小说"时，不要直接动笔，先跑题材简报反问（9 题，2 必答）：
   bash python scripts/generate_with_style.py --interview
2. 取配方并生成：依简报给出写作指令；可用 --style <作者id> 取该作者风格配方（gu/jy 或任意已分析作者如 猫腻/辰东）。
3. 回检 + 全检：
   bash python scripts/generate_with_style.py --style jy --check 我的草稿.txt --qa --report
   三级门槛（短篇≥0.25 / 中篇≥0.45 / 长篇≥0.70）达标即"写像了"；--qa 再跑精品度 / 违规 / 简报对齐四道闸。

场景三：代笔 / 伪书检测

• 把疑似伪书放 作者名/待确认/，auto_discover() 自动隔离不污染真品均值；用 待确认 组 summary 与真品均值做跨维度偏离（>2σ 标异常，交人工复核）。

场景四：多作者批量建库 + 维度校准

export NOVEL_CORPUS_ROOT=/path/to/语料根
python scripts/style_analyzer.py --corpus $NOVEL_CORPUS_ROOT --out /path/to/产出
python scripts/calibrate_dimensions.py --indir /path/to/产出   # 维度区分力排名 + 多作者对照表

把产出的 *风格特征_deep.json 放进 examples/ 或设 NOVEL_BASELINE_DIR / --baselines 即可扩充仿写 / 回检基线库，零改代码。

核心目标

把"文风赏析"变成可量化、可复现、可解释的特征工程：每个结论都能追到原始文本的某个计数，不靠主观感受。

输入规范

• 目录结构：语料根/作者名/*.txt（或 作者名/亲笔/*.txt + 作者名/待确认/*.txt 拆分），每部小说一个 txt。
• 多作者自动扫描：直接把"含各作者子目录的文件夹"当语料根，auto_discover() 会自动把每个顶层子目录识别为一位作者，无需手工登记。
• 编码：优先 UTF-8，非 UTF-8 按 gb18030 解码（见 scripts/style_analyzer.py 的 detect_enc）。
• 预处理：剥离 HTML、去截断标注、跳开头 3% 目录块。
• 完整性门槛：单部 < 1 万汉字视为异常，需标注。

使用流程

1. 准备数据：把作者 TXT 放进文件夹，每位作者一个子目录（参考下面的多作者扫描）。
2. 跑分析（二选一）：
   - A. 多作者自动扫描（推荐）：直接扫整文件夹，自动识别所有作者并各出一份 _deep.json：
   python scripts/style_analyzer.py --corpus /path/to/语料根 --out /path/to/产出
   产出在 <语料根>/风格指纹产出/ 下，每位作者一个 作者名风格特征_deep.json。
   - B. 指定语料根（二选一）：--corpus <目录> 或环境变量 NOVEL_CORPUS_ROOT 指向含各作者子目录的根；两者皆无则提示缺少语料并退出（不再内置个人路径）。
3. 出报告：用 examples/ 里的 HTML 思路（或自行）注入 JSON 生成报告，含对照表、特征雷达、逐部明细。
4. 判定：对照 references/判定阈值.md，多维度交叉判断风格归属 / 代笔嫌疑。
   - 优先看 6 个核心判别指纹（破折号、格言、复句、章节CV、时间副词、悲情词）。
   - 反向指纹（章回套语、语气词、四字格、文言）高而正向指纹低 → 判非古龙。

多作者批量扫描

场景：你有一个装着几十位作者 TXT 的大文件夹，不想逐个改 CONFIG。

export NOVEL_CORPUS_ROOT=/path/to/语料根   # 可选，省去 --corpus
python scripts/style_analyzer.py --corpus /path/to/语料根 --out /path/to/产出

auto_discover() 识别规则（无需改代码）：
- 顶层子目录（排除 _待分类/新建文件夹/备份/回收站）= 一位作者；其下所有 txt（含嵌套子目录）归该作者。
- 若作者目录内含 亲笔 / 待确认 / 伪书 子目录 → 自动拆成「作者」(真品) 与「作者_待确认」(疑似伪书)，后者不污染真品均值。
- _待分类/ 内文件按文件名 作者：XXX 解析为独立作者基准；若该作者已有顶层目录则跳过（避免重复覆盖）。

产出：<out>/作者名风格特征_deep.json × N 位作者，可直接拼成多作者基准库，用于交叉比对"某文本更像谁"。

语料卫生 / 伪书分组

为什么重要：把疑似代笔/残本/网页尾巴的 txt 和真品混在一起算均值，会把作者指纹拉偏。
规范做法：
1. 拿到一批 txt 先扫描去重（MD5 完全一致删、同作品异名留大删小），归并到 作者名/ 下。
2. 疑似伪书单独放 作者名/待确认/（或顶层 待确认/），auto_discover 会自动隔离。
3. 判伪书：用 待确认 组跑出的 summary 与真品均值做跨维度偏离（>2σ 即标异常，交人工复核），不要直接下结论。
详见 references/判定阈值.md 的伪书判定段。

维度速览（40+）

规模 / 句法（句长CV、复句密度）/ 对话（占比、轮次、情绪）/ 修辞（比喻）/ 拟古（四字格、文言）/ 视角（人称、实体密度）/ 结构（章节CV）/ 节奏（破折号、省略号、时间副词、标点熵）/ 景物（环境、动作）/ 悬念（章末钩子）/ 格言 / 高阶（起势词、章回套语、悲情词、语气词、句长突兀度、人称分布）。
完整定义见 references/维度定义.md。

坑点

GBK 乱码、纯汉字丢标点、HTML 残页、目录块污染、章节数误判、关键词近义漏检——对策见 references/坑点对策.md。

扩展示例

• 加作者（多作者扫描）：直接把作者子目录放进语料根，跑 --corpus 即自动识别，零改代码。若要固定/扩充基准库，把作者 *风格特征_deep.json 放进 examples/，或设 NOVEL_BASELINE_DIR / --baselines <目录> 指向的目录即可（无需改代码）。
• 加维度：在 analyze_file 计算新指标 → run() 的 summary 聚合 → 维度定义.md 补说明。
• 多作者对照与维度校准：跑完全部作者后，用 scripts/calibrate_dimensions.py --indir <风格指纹产出> 生成 维度区分力排名.json + 多作者风格对照.html + .csv，看哪些维度真能区分作者（跨作者 CV 高=核心指纹，CV<0.15=弱区分建议降权），据此调整回检权重或维度集。

去 AI 味方法论

仿写/AI 生成文本常被 AI 检测工具（如朱雀）判为"AI 生成"。本技能的指纹回检衡量"像不像某作家"，与"像不像 AI"方向相反——高度风格化的名家写法（古龙破折号、情绪密度）反而会被检测模型当成"非典型人类"误判为 AI。
核心方法论（6 法 + 真人杂质注入 + 检测冲突说明）见 references/去AI味方法论.md，可直接套用在你的仿写/润色流程里。

风格生成 + 回检

把"分析"闭环到"生成"：用指纹反推的风格配方驱动仿写，再回检贴近度，证明写像了。

用法：

# 打印某风格配方（据指纹反推的约束清单，供大模型/人工据以写作）
python scripts/generate_with_style.py --style gu        # 古龙配方
python scripts/generate_with_style.py --style jy        # 金庸配方

# 回检一段文本对某风格的贴近度（0-1，越高越像）
python scripts/generate_with_style.py --style gu --check 我的草稿.txt --report

check_text(text, target) 也可在代码里直接调用，返回 (贴近度, 明细dict)。

生成闭环工作流：
1. 取配方 → 2. 据配方写/生成一段 → 3. --check 回检 → 4. 贴近度未达标则调短句/破折号/格言比例重生成 → 5. 达标即"写像了"。

核心指纹权重见 scripts/generate_with_style.py 的 WEIGHTS（破折号/格言/复句/时间副词/悲情词为正向，章回套语/四字格/文言为反向）。

多基线（任意已分析作者均可仿写/回检）：--style 不再限于 gu/jy，可填任意已分析作者 id（如 猫腻/辰东/梁羽生）。机制：
- load_all_baselines() 自动扫描 examples/ + 环境变量 NOVEL_BASELINE_DIR + --baselines <目录> 下所有 *风格特征_deep.json，构建多基线注册表；
- auto_weights(target) 按"该作者相对全体基线均值的 z 偏离"自动定每个维度的方向与权重（偏离越强越能区分该作者），无需手工写权重；
- check_text(text, target) 贴近度 = 1 - d_target/(d_target+d_other)（d_target=文本到目标距离，d_other=文本到全体其他作者距离均值），并附"最像的 top3 作者"排名辅助判断"像谁"；
- gu/jy 仍保留手写精细配方（STYLE_RECIPES），其余作者由判别维度自动生成风格约束。

接入你自己分析的作者：把 style_analyzer.py --corpus 跑出的 *风格特征_deep.json 产出目录设为基线库即可：

# 回检一段文本像不像"猫腻"（需先有猫腻的指纹基线）
python scripts/generate_with_style.py --style 猫腻 --check 我的草稿.txt --baselines /path/to/风格指纹产出
# 或设环境变量后省略 --baselines
export NOVEL_BASELINE_DIR=/path/to/风格指纹产出

> 注：绝对贴近度因作者风格独特性而异（古龙极独特易高分，金庸/现代网文有重叠偏低），相对排名比绝对阈值更可靠；三级门槛（短篇≥0.25/中篇≥0.45/长篇≥0.70）仍可作参考，但判"写像了"建议结合 top3 排名。

回检贴近度解读（重要）：
- 回检算法已做三项鲁棒性修正：① 单侧饱和距离（本作比目标"更浓"不扣分，只惩罚朝对照作者偏移）；② 极小基准维度（如章回套语 0.01）绝对容差带，避免 norm 把 0 放大成缺口；③ 短文本（<3000字）密度型维度（文言/四字格）±100% 容差，因为短篇"之"字集中等密度波动天生比全集大。
- 判定阈值（三级）：短篇(<3000字)贴近度 ≥ 0.25 即核心指纹达标；中篇(3000–10000字) ≥ 0.45；长篇/全集(>10000字) ≥ 0.70 为"高仿写像"。不要对短文本苛求 0.7，也不要对中篇直接套 0.7。

⚠️ 生成前必须先反问

不会写小说的人不知道动笔前要厘清什么。因此任何"以某风格写小说"的请求，
绝不能直接动笔——必须先跑题材简报反问，把模糊需求逼成可落笔的简报。

反问清单（9 题，2 必答 7 可选，见 scripts/brief_builder.py 的 QUESTIONS）：
1. 【必答】主线：你想讲一个什么故事？（一句话）
2. 【必答】核心冲突：复仇 / 探秘 / 成长逆袭 / 势力存亡 / 正邪之争 / 爱情与道义两难 / 其他
3. 【可选】主角：身份 + 一个最鲜明特征
4. 【可选】对手/反派
5. 【可选】时代背景：架空背景（不写朝代）/ 古代 / 近代 / 现代 / 其他
6. 【可选】篇幅：开篇 / 一章 / 短篇 / 试笔
7. 【可选】基调：苍凉 / 热血 / 悬疑 / 幽默 / 悲壮 / 轻快
8. 【可选】必含元素：兵器 / 场景 / 桥段
9. 【可选】禁忌：别血腥 / 别感情线 / 别现代词 / 别烂尾

AI 行为规范：在对话里接到"写小说"类请求时，先照上述清单逐题反问用户，
收集答案后调用 brief_builder.build_brief_from_answers 生成简报，再用
generate_with_style.brief_to_prompt 转成写作指令，最后才动笔；写完后回检。

CLI 用法：

python scripts/brief_builder.py --emit-template   # 打印反问清单（AI 照着问）
python scripts/generate_with_style.py --interview  # 交互式反问→生成简报→给写作指令
python scripts/generate_with_style.py --brief brief.json  # 用已有简报转写作指令

题材简报模板与字段说明见 references/题材简报模板.md。

⚠️ 合规声明

金庸、古龙等名家作品版权仍受保护（金庸约至 2068 年），本项目所有 TXT 均为非授权网络流传文本，分析仅供个人学习研究。本 SKILL 不得附带或引导获取受版权保护的全文；生成子模块仅用于"仿写练习/风格研究"，产出为 AI 仿写，非原作者真品，不得冒充、商用或声称原作者所写。发布时须保留此声明。

生成后自动质检（--qa 全检·四道闸）

光"像不像"不够，还要"精不精、干不干净、对不对题"。在风格回检之外，
generate_with_style.py 增加 --qa 开关，跑四道闸全检，任一不过打回重写。

四道闸：
- 闸1 风格回检（已有）：check_text 贴近度，三级门槛——短篇(<3000字)≥0.25 / 中篇(3000–10000字)≥0.45 / 长篇(>10000字)≥0.70。门槛由 _style_threshold() 按汉字数自动判定。
- 闸2 精品度评分（quality_checker.quality_score）：6 子项加权——描写密度（打斗章放宽 desc_min=0.10）、对话占比、节奏张弛（段落长度CV）、句式多样性、相邻句重复率、章末钩子。总分≥0.60 放行（阈值可用 --qa-threshold 调）。
- 闸3 违规扫描（quality_checker.compliance_scan）：政治敏感 / 色情 / 血腥过度 / 违禁引流硬违规命中即一票否决；现代词/违和词命中标记待修订（不强制 fail，但报告标红）。词典在 quality_checker.POLITICAL_TERMS 等常量，可编辑。
- 闸4 简报对齐（quality_checker.brief_alignment）：核对 avoid（禁忌词/现代词）、must_have（必含元素关键词）、conflict/hook（主线呼应）。任一缺失即不通过。

用法：

# 对一篇成品跑四闸全检（可带 brief.json 做简报对齐）
python scripts/generate_with_style.py --style jy --check 剑冢灵主_第01章.txt --qa --brief brief.json

# 对草稿 txt 回检 + 全检
python scripts/generate_with_style.py --style jy --input 草稿.txt --qa --report

# 调高精品门槛（默认0.60）
python scripts/generate_with_style.py --style gu --check x.txt --qa --qa-threshold 0.70

报告字段：passed(总判)、gates(四闸各自 pass/value/threshold)、quality_detail(6子项明细)、compliance_hits(违规命中含位置与上下文)、brief_issues(简报问题项)。全部绿了才落盘。

验收样例：已对《剑冢灵主》第1—3章跑 --qa，四闸逻辑与报告格式验证通过（见工作区 qa验证_第01-03章.md）。

> 注：违规扫描为自动化辅助，命中后由人工最终裁决，不替代人工审核；现代词命中视作"需修订"提示而非硬性禁令。

示例产出

• examples/金庸写作风格分析_终极版.html
• examples/古龙写作风格分析_终极版.html
• examples/小说风格分析方法学手册.html
• examples/金庸风格特征_deep.json / 古龙风格特征_deep.json
• examples/维度区分力对比.json
• examples/待确认判定结果.json