剧本智能拆解

核心能力

本Skill提供剧本智能拆解的全流程AI分析能力，覆盖从完整剧本输入到结构化元素输出的全维度拆解工作流。支持长剧本、短剧本、分场大纲、故事梗概等不同粒度的文本输入。

方法论基础

五大拆解维度：

1. 结构层拆解：基于菲尔德三幕剧（建置/对抗/结局）进行宏观结构识别；基于Save the Cat 15节拍表（开场画面→主题陈述→铺垫→催化事件→争执→第二幕衔接点→B故事→游戏环节→中点→反派逼近→一无所有→灵魂黑夜→第三幕衔接点→结局→终场画面）进行精准节拍定位。

2. 角色层拆解：角色弧光提取（内在动机/外在动机/核心冲突/成长轨迹）；角色关系网络构建（亲密度矩阵/冲突矩阵/利益关系图）；对话潜台词识别（表面含义与深层意图双层解析）。

3. 情节层拆解：场景粒度切分与编号；情节密度曲线绘制（每场景冲突强度评分）；情绪曲线追踪（主角情绪状态逐场景量化）；因果链梳理（事件A→事件B→事件C的驱动关系）。

4. 时空层拆解：时间线重建（正序/倒叙/闪回标注）；空间场景清单（室内/室外/日夜/天气分类统计）。

5. 诊断层拆解：节奏异常检测（拖沓段落/过于紧凑段落标记）；角色失衡诊断（戏份分布/功能重叠检测）；逻辑漏洞扫描（时序矛盾/角色行为不一致）。

工作流

阶段一：文本预处理

1. 接收剧本输入（全文/分场大纲/故事梗概）
2. 自动识别剧本格式（标准剧本格式/小说体/故事梗概）
3. 提取标题、作者、类型标签等元信息
4. 预估剧本规模（总字数/场景数/角色数）

阶段二：结构拆解

1. 三幕剧边界定位：第一幕终点（激励事件后）、第二幕中点、第三幕起点
2. Save the Cat 15节拍逐一定位与内容摘要
3. 生成结构完整性评分（0-100，节拍覆盖率×内容充实度）
4. 标注缺失或薄弱节拍

阶段三：角色拆解

1. 角色识别与去重（主角/反派/盟友/导师/配角分类）
2. 每位角色生成角色卡片（年龄/外貌/性格标签/动机/弧光）
3. 构建角色关系网络（可视化矩阵数据）
4. 对话分析：提取关键对白，标注潜台词层

阶段四：情节与节奏拆解

1. 场景粒度切分（按地点/时间/事件转折点）
2. 每个场景标注：序号/页码/地点/参与角色/核心事件/冲突强度(1-10)
3. 生成情节密度曲线与情绪曲线双轴图数据
4. 标注关键转折点：激励事件/中点转折/一无所有时刻/高潮

阶段五：诊断与输出

1. 节奏诊断报告（拖沓段/过快段/节奏断裂点）
2. 角色功能分析（每位角色叙事功能定位）
3. 逻辑一致性检查（时间线矛盾/角色行为矛盾）
4. 改进建议（具体到场景级别的可执行建议）

输出规范

拆解结果包含：

1. 结构总览表：三幕边界 + 15节拍映射 + 字数/场景占比统计
2. 节拍详情表：序号/节拍名称/页码范围/核心内容/完成度评分
3. 角色卡片集：每位角色完整档案（含弧光轨迹）
4. 关系网络矩阵：角色间关系强度与冲突类型
5. 场景清单：序号/地点/时间/角色/事件/冲突强度/情绪值
6. 双轴曲线数据：情节密度曲线 + 情绪曲线（JSON格式，可入可视化工具）
7. 诊断报告：问题点/严重程度/建议方案

输入规范

用户需提供：
- 剧本文本（全文/大纲/梗概均可）
- 拆解深度要求（可选：快速概览/标准拆解/深度诊断，默认标准）
- 重点关注维度（可选：结构/角色/节奏，默认全维度）
- 剧本类型（可选：电影/电视剧/短剧/微短剧，影响节拍参照标准）

工具推荐

参考资源

详细方法论、节拍表完整定义、角色弧光模型请参阅 references/internal-manual.md。
完整输出模板与数据Schema请参阅 assets/specifications.json。