Novel Proofreader（小说校对与排版）

Overview

为小说 / 网文提供一站式质量检查与排版。机械类问题（自定义检测词检索、标点/全半角/空格/空行/章节标题）由 scripts/proofread.py 确定性处理；错字、词语错误、病句等需要语言理解的问题，由 AI 在流程中完成，最后合并为综合报告。针对长篇小说，还支持分卷处理（按卷/部/章节拆分、逐卷校对后再合并）与导出 EPUB 就绪格式（标准 EPUB 3 包，可直接用阅读器打开）。

When to Use

用户出现以下任意意图时触发：

• "帮我校对这篇小说" / "检查错别字" / "找错字病句"
• "排版一下我的小说" / "首行缩进、清理空行、规范章节标题"
• "检查有没有特定词/关注词"
• "标点符号用错了，帮我统一" / "全角半角混用"
• "这篇太长，分卷处理 / 拆成几卷分别校对"
• "导出 EPUB / 做成电子书 / 生成可以看的电子版"
• "长篇一键处理 / 自动分卷校对排版再导出 / 省 token 地处理长篇小说"
• 输入文件为 .txt / .md / .html / .docx / .epub / .rtf 的小说/故事类文本

Resources

• scripts/proofread.py — 校对与排版引擎（纯标准库，无外部依赖）。子命令：check（默认）、split、merge、epub、pipeline（一键流水线）。
• assets/wordlist.txt — 自定义检测词库模板（纯注释格式，用户按目标平台要求自行填写）。
• references/checks.md — 检查项分类、机械 vs 语义、词库扩展、报告产物说明。
• references/formatting.md — 排版规则、开关、txt/docx 段落模型与调用示例。
• references/epub.md — 分卷拆分/合并、EPUB 导出结构与调用示例。
• references/troubleshooting.md — 避坑指南：常见错误、格式限制、词库配置、分卷/EPUB 问题排查。

Workflow

第 1 步：确认输入与范围

1. 确认输入文件路径与格式（.txt / .md / .html / .docx / .epub / .rtf）。
2. 询问/确认本次需要哪些能力（通常全选）：自定义检测、标点/全半角统一、清理空行空格、首行缩进、章节标题规范化、语义校对（错字/词语/病句）。
3. 确认检测词范围：默认使用内置 assets/wordlist.txt（空白模板，用户自行填写目标平台关注词）。若已有词库文件，用 --wordlist 路径 指定。

> 注意：非 .docx 源文件（.md / .html / .epub）输出的排版稿与分卷文件统一使用 .txt 扩展名，以避免破坏原格式的标记结构。原稿备份仍以原扩展名保存。

推荐：pipeline 一键流水线（长篇小说首选，低 token）

对于长篇小说，直接用 pipeline 把「分卷 → 逐卷机械校对 → 合并 → 导出 EPUB」一步跑完。机械部分（分卷、标点/全半角/空格/空行/章节标题、检测词标注）全部脚本自动完成，零 AI token；分卷文件与每卷机械报告会保留，供你（AI）逐卷做语义校对，避免一次性超出上下文。

# 按卷/部/册/集标记自动分卷，并跑完整流水线
python 本技能目录/scripts/proofread.py pipeline 长篇.txt --title "书名" --author "作者"
# 无卷标记时，按每 30 章切一卷
python 本技能目录/scripts/proofread.py pipeline 长篇.txt --by 30
# 仅切分+合并+导出，跳过机械校对
python 本技能目录/scripts/proofread.py pipeline 长篇.txt --no-proof
# 不导出 EPUB / 不合并 / 跑完清理中间分卷
python 本技能目录/scripts/proofread.py pipeline 长篇.txt --no-epub
python 本技能目录/scripts/proofread.py pipeline 长篇.txt --no-merge
python 本技能目录/scripts/proofread.py pipeline 长篇.txt --no-keep

产物：原名_卷NN.txt（分卷原文件，保留供逐卷语义校对）、原名_卷NN_校对排版稿.*、每卷 原名_卷NN_机械问题.json / 原名_卷NN_机械校对报告.md、原名_合订本.*、原名.epub、原名_pipeline清单.json（含逐卷文件映射与下一步指引）。

pipeline 跑完后，按 原名_pipeline清单.json 对各卷 _校对排版稿.* 做第 3 步的 AI 语义校对即可——每卷独立、token 可控。短篇/单文件仍用下面的 check。

第 2 步：运行机械检查与排版

用脚本处理输入文件（脚本目录见本技能 scripts/）：

# 默认全套：检查 + 排版，生成排版稿/备份/JSON/机械报告
python 本技能目录/scripts/proofread.py 输入文件

# 仅先出报告（不改写文件）
python 本技能目录/scripts/proofread.py 输入文件 --check-only

可用开关：--no-indent --no-clean --no-chapter --no-punct --check-only --no-backup --summary（控制台输出紧凑摘要）--wordlist 词库 --outdir 输出目录。详见 references/formatting.md 与 references/troubleshooting.md。

脚本产物：
- 原名_校对排版稿.*：已应用机械修正与排版的版本（检测词只标注不删除）。
- 原名_原稿备份.*：原始文件备份。
- 原名_机械问题.json 与 原名_机械校对报告.md：检测词、符号配对、标点修正明细。

第 3 步：AI 语义校对（错字 / 词语 / 病句）

读取原文逐段通读，完成脚本无法替代的三类检查（依据 references/checks.md 第二节）：

1. 错字：形近/音近误用（的/地/得、在/再、做/作、已/己、侯/候 等）、乱码。
2. 词语错误：生造词、词义误用、成语误用、冗余啰嗦、书面口语混用。
3. 病句：主谓搭配、成分残缺、语序混乱、逻辑矛盾、指代不明、句式杂糅。

对每处问题给出：位置（第几段/原句）+ 类型 + 修改建议。可选择性地把修改直接落实到排版稿，另存为 原名_精校稿.*。

第 4 步：合并综合报告并交付

生成 原名_校对总报告.md，结构建议：

1. 总览：文件、格式、段落数、检测词命中数、机械修正数、语义问题数。
2. 自定义检测词：逐条列出位置与上下文，提示人工确认（不自动删）。
3. 标点/排版修正：引用脚本的机械报告要点 + 已应用项。
4. 错字 / 词语错误 / 病句：AI 语义校对的逐条结果（位置 + 类型 + 建议）。
5. 交付物清单：排版稿、精校稿（如有）、原稿备份、各项报告路径。
6. 提示：检测词需人工复核；语义校对为辅助建议，最终以作者判断为准。

向用户说明各产物的路径与用途，并强调：检测词仅标注未删、原稿已备份、语义问题为建议性质。

第 5 步（可选）：分卷处理长篇小说

长篇小说一次性放入上下文会超出长度限制。分卷流程：

1. 拆分：按「卷/部/册/集」标记自动检测分卷；若没有卷标记，可用 --by N 指定每卷章节数。
   bash python 本技能目录/scripts/proofread.py split 长篇.txt python 本技能目录/scripts/proofread.py split 长篇.txt --by 30 # 每 30 章一卷
   产物：原名_卷01.txt、原名_卷02.txt … 及 原名_分卷清单.json（记录每卷标题/章节数/段数）。
2. 逐卷校对：对每个 原名_卷NN.txt 运行第 2–4 步（机械 + 语义），得到各卷的排版稿/精校稿。
3. 合并：把各卷（原始或已校对版本，按卷号顺序）合并为合订本。
   bash python 本技能目录/scripts/proofread.py merge 原名_卷01.txt 原名_卷02.txt 原名_卷03.txt --out 原名_合订本.txt
   产物：原名_合订本.txt（或指定 --format docx）。

第 6 步（可选）：导出 EPUB 就绪格式

把校对后的小说导出为标准 EPUB 3 电子书，可直接用阅读器打开（Calibre、Apple Books、微信读书导入等）。

# 默认先机械校对再导出；书名/作者写入元数据
python 本技能目录/scripts/proofread.py epub 小说.txt --title "剑来" --author "烽火戏诸侯"
# 按原文直接导出（不做机械校对）
python 本技能目录/scripts/proofread.py epub 小说.txt --no-proof --title "书名" --author "作者"

产物：小说.epub（结构与字段说明见 references/epub.md）。脚本自动按章节标题切分 XHTML、生成目录（nav + ncx）、写入样式与元数据；检测词仅标注不删除。

Notes

• 机械修正默认自动应用；检测词保守处理（只标注、不删除），避免误伤。
• 输入格式：.txt / .md / .html / .docx / .epub / .rtf。非 docx 源输出排版稿统一为 .txt（Markdown/HTML 的标记在校对时剥离，只保留纯文字；EPUB 按 spine 顺序提取章节正文；RTF 解析控制词和转义序列提取纯文本）。
• docx 读写均为标准库实现，无需 python-docx；但复杂格式（表格/页眉页脚/批注）在校对时不保留，需事后粘贴回原文档。
• 词库 assets/wordlist.txt 可随时扩充，亦可用 --wordlist 指向平台专属清单。
• 语义校对依赖 AI 判断，对长篇小说推荐使用第 5 步的分卷流程或 pipeline 一键流水线，以控制上下文长度并保留逐卷精校质量。
• EPUB 导出为纯标准库生成的合法 EPUB 3 包；如需封面图或复杂版式，可在导出的 EPUB 基础上用专业工具（如 Calibre）进一步加工。