核心用法
InkOS 是一款面向长篇小说的自主写作 CLI 代理，通过多智能体流水线（Radar→Planner→Composer→Architect→Writer→Observer→Reflector→Normalizer→Auditor→Reviser）实现零人工干预的章节生成。核心流程分为三阶段：Phase 1（创意写作，温度 0.7）由 Planner 生成章节意图、Writer 产出正文；Phase 2（状态结算，温度 0.3）由 Observer 提取事实、Reflector 输出 JSON 增量并持久化到 schema 校验的 truth files；Phase 3（质量循环）由 Normalizer 调整篇幅、Auditor 执行 33 维度检查、Reviser 自动修复直至通过。
主要工作流包括：创建新书（inkos book create）、续写（inkos write next）、导入既有章节反向工程 truth files（inkos import chapters）、风格分析与迁移（inkos style analyze/import）、同人创作（inkos fanfic init）及导出 EPUB/TXT。支持多模型路由（OpenAI/Anthropic/兼容端点）与 token 使用统计。
显著优点
- 多智能体协作：9 个专职代理分工明确，避免单一提示词过载，长期一致性由 7 类 truth files（世界观、角色矩阵、情感弧等）保障
- 双语原生支持：内置 10 种英文类型（LitRPG、Progression Fantasy、Isekai 等）与 5 种中文网文类型（玄幻、仙侠、都市、恐怖、其他），含专属疲劳词表与审计维度
- 可控输入治理：提供
plan_chapter/compose_chapter/update_author_intent/update_current_focus四层控制接口，支持焦点转向与长短期意图分离 - 质量闭环：33 维审计涵盖节奏、对话、世界观、伏笔健康度等，自校正循环直至关键问题清零
- AIGC 检测：11 条确定性规则零成本初筛，可选 LLM 深度验证，支持降低 AI 痕迹的
anti-detect修订模式 - 工程化设计：结构化日志（JSON Lines）、SQLite 时序记忆库、Zod schema 校验、immutable 状态更新，支持 Daemon 后台模式
潜在缺点与局限性
- 黑盒成本不透明：多轮 LLM 调用（Writer→Observer→Reflector→Auditor→Reviser）导致 token 消耗高，虽有统计但缺乏实时预算预警
- 风格模仿深度有限：
style analyze基于词汇、句长、节奏等表层特征，难以捕捉作者独特的叙事逻辑或哲学内核 - 中文文化特异性：虽然支持中文，但部分英文类型（如 LitRPG）的审计规则可能无法完全适配中国网文的"爽点"结构与付费节奏
- 续写一致性风险：
import chapters反向工程 truth files 依赖 LLM 提取，长文本关键细节（如伏笔、战力数值）可能遗漏或偏差 - 依赖外部模型：所有智能体质量受底层模型能力制约，低质量模型可能导致 Phase 2 JSON 解析失败或审计维度失效
- 修订过度收敛：Reviser 的 auto-fix 循环可能过度抹除"不完美但有个性"的文本特征，趋向安全平庸
适合人群
- 网文作者需要批量生成初稿或克服卡文
- 同人创作者希望保持原作设定一致性
- 写作团队需要可审计、可版本控制的协作流程
- 对 LLM 辅助创作有基本理解、能承担 API 成本的技术型写作者
常规风险
- 内容安全：LLM 生成内容可能出现暴力、色情或版权敏感元素，虽有过滤机制但无法完全避免
- 数据持久化：truth files 与记忆库存储于本地，无内置云同步，设备丢失可能导致项目损坏
- API 密钥管理：多模型路由要求配置多个服务商密钥，存在泄露或误配置风险
- AIGC 标识：平台对 AI 生成内容的政策日益严格，
anti-detect模式存在伦理与合规争议 - 过度依赖：长期全自动生成可能削弱作者自身的叙事能力，建议作为辅助工具而非替代创作主体