小说改漫画 Webtoon Adapter

核心用法

webtoon-adapter 是一款面向网文改编的专业级 AI 技能，专注于将网络小说转化为适配条漫（Webtoon）格式的视觉剧本。该技能通过结构化的四阶段工作流——题材确认 → 情节拆解 → 质量校验 → 剧本生成——实现端到端的改编交付。

主要功能模块：

• 题材定位：识别作品类型（仙侠/都市/古言/悬疑等），建立改编基准线
• 情节拆解（Plot Breakdown）：提取核心冲突与情绪钩子，按【剧情n】格式标注分集节点，调用 breakdown-aligner 进行源端质量把关
• 剧本撰写（Per-Episode Script）：生成 500-800 字/集的快节奏视觉剧本，遵循「起-承-转-钩」结构，强制使用 ※△【】等视觉标记，调用 webtoon-aligner 进行输出端一致性校验
• 迭代修订：支持任意阶段回溯修改，自动触发关联校验

技术实现： 底层依托 dLazy CLI（@dlazy/cli@1.2.0）调用云端生成模型（如 seedream-4.5）完成图像渲染，API 请求经 api.dlazy.com 处理，媒体文件上传至 files.dlazy.com。

---

显著优点

1. 专业化改编方法论：内置 adapt-method.md 与 output-style.md 双规范，强制要求"3秒入冲突、30秒推进、集集留钩子"的网漫原生节奏
2. 双质量门控机制：源端（情节拆解）与输出端（剧本）分别由独立 Agent 校验，降低逻辑断裂与设定崩坏风险
3. 视觉优先设计：剧本层强制嵌入视觉描述标记，直接对接下游分镜与作画环节
4. 状态化工作流：全程基于对话上下文维护改编进度，支持断点续作与批量处理
5. 安全合规：API Key 采用设备码流或本地加密存储，支持密钥轮换与吊销

---

潜在缺点与局限性

| 维度 | 说明 |

|------|------|

| **外部依赖** | 必须安装 Node.js 环境并全局安装或 npx 运行 dLazy CLI，Windows PowerShell 用户需注意禁止 `&`/`&&` 串联命令 |

| **云端绑定** | 全部推理与媒体存储依赖 dLazy SaaS 服务（`api.dlazy.com` / `files.dlazy.com`），离线不可用，存在服务商锁定风险 |

| **语料限制** | 单次输入窗口受限于上下文长度，长篇小说需分批次（建议每 6 章一拆）处理，可能产生跨批次连贯性损耗 |

| **校验瓶颈** | 双 Agent 校验虽提升质量，但增加了交互轮次与等待时间，紧急项目可能形成流程阻塞 |

| **版权盲区** | 技能本身未内置原著版权核验机制，用户需自行确保改编授权合法性 |

---

适合人群

• 网漫工作室编剧：需要快速批量产出标准化剧本，降低新人培训成本
• IP 改编项目负责人：追求改编一致性与逻辑自洽，愿意接受流程化质检
• 条漫平台内容运营：建立统一的改编 SOP，提升内容上线效率
• 网文作者转型：希望将文字作品可视化，但缺乏分镜与编剧经验

---

常规风险

• 数据隐私：小说原文与生成剧本经 dLazy API 传输，敏感内容需谨慎评估
• 版本漂移：CLI 固定于 1.2.0 版本，但技能文档中偶现 1.0.9 / 1.2.0 混用，建议核对实际运行版本
• 过度依赖模板：严格遵循模板可能导致同质化输出，高创意项目需预留人工突破空间
• 校验 Agent 失效：若 breakdown-aligner 或 webtoon-aligner 未正常触发，可能导致问题内容流入下游

核心用法

webtoon-adapter是一款专注于网文向网漫（Webtoon）改编的专业内容创作技能。用户通过多轮对话交互完成从小说文本到分镜剧本的完整转化流程：首先进行题材确认与原文获取，随后执行剧情拆解与分集标注，最终输出符合网漫快节奏特性的单集剧本。技能深度集成dLazy平台的AI图像生成能力，支持在剧本定稿后调用dlazy seedream-4.5等模型进行配套视觉素材的逐张生成。

操作采用严格的分步阻断式设计：必须逐张确认提示词草案、单次执行终端命令、交付后征询继续意愿，杜绝批量生成与文件保存行为。全流程强制使用中文，内置breakdown-aligner与webtoon-aligner双质检代理，分别在剧情拆解阶段和剧本输出阶段进行一致性校验，未通过则循环修订直至达标。

显著优点

工业化改编标准：技能封装了成熟的网漫改编方法论（adapt-method.md）与输出规范（output-style.md），强制要求"3秒入冲突、30秒推进、集集 cliffhanger"的视觉快节奏结构，降低非专业编剧的准入门槛。

双闭环质检体系：区别于单次生成的AI工具，该技能在关键节点引入专门的对齐代理进行源端（剧情拆解）与输出端（剧本成品）双重把关，有效控制长篇连载中的设定崩塌与人物OOC风险。

合规的外部能力调用：图像生成不依赖闭源黑箱，而是桥接开源可审计的dLazy CLI（GitHub组织维护），用户可选择npx零残留模式运行，避免全局安装带来的持久化依赖风险。

结构化上下文管理：所有中间产物（剧情点、分集标签、已确认剧本）均维护在对话上下文中，支持随时插入修订指令并自动触发关联内容的连锁一致性检查。

潜在缺点与局限性

重度依赖外部SaaS：核心功能完全依托dlazy.com的API端点（api.dlazy.com、files.dlazy.com），网络波动或服务变更将直接中断工作流；用户需自行承担API调用成本与速率限制。

内容隐私边界模糊：小说原文、剧情拆解及视觉提示词均需上传至第三方云端处理，尽管采用TLS加密传输，但涉及未发表作品或商业机密时存在数据泄露顾虑，需用户前置评估。

单线程交互效率瓶颈：分步确认机制保障了质量，但也意味着大批量素材生成需频繁的人工介入点，难以实现无人值守的自动化批量产出。

平台生态锁定：图像生成模型与存储服务深度绑定dLazy生态，暂不支持迁移至Midjourney、Stable Diffusion等其他主流平台，灵活性受限。

适合的目标群体

• 网文作者：希望将已完结或连载中的文字作品拓展为视觉化IP，缺乏专业编剧经验但追求工业化输出标准。
• 漫画工作室编辑：需要快速批量生产改编剧本大纲，作为分镜师工作的前置环节。
• IP运营方：进行多题材小说的漫改可行性评估，利用结构化流程快速生成样章内容。
• AI辅助创作学习者：希望理解网文-网漫转化方法论，通过模板化输出掌握视觉叙事节奏。

使用风险提醒

1. API密钥管理：优先使用dlazy login设备码流程而非硬编码密钥，共享环境使用后建议清除~/.dlazy/config.json或轮换组织级密钥。
2. 版本漂移：务必显式指定@1.2.0版本号调用npx，避免CLI更新导致的生成行为差异破坏工作流稳定性。
3. Windows执行环境：技能明确禁止在PowerShell中使用&或&&串联命令，违规将导致后台进程失控或权限异常。
4. 敏感内容审查：涉及个人隐私、商业机密或未授权版权内容时，建议在本地脱敏预处理后再提交至云端API。
5. 长期可维护性：关注github.com/dlazyai/cli的安全公告，依赖项出现CVE时可能影响技能可用性。