Story Long Write

核心功能

story-long-write 是一套专为长篇网络小说创作设计的结构化写作系统，覆盖从开书选题到日更产出的完整流程。其核心理念是情绪优先、模块复用、流水线作业——不从灵感出发，而是从目标情绪出发，拆解验证过的剧情模式进行重组。

显著优点

1. 工业化写作流程：将创作拆解为选题(Phase 1)→设定(Phase 2)→大纲(Phase 3)→正文(Phase 4)→质检(Phase 5)五个标准化阶段，每个阶段有明确的交付物和检查点
2. 模块化内容管理：强制要求文件系统化管理（角色/细纲/追踪分离），支持跨项目复用对标书资源，通过拆文库/和对标/目录实现知识沉淀
3. 多智能体协作架构：可调用 story-architect（结构设计）、character-designer（角色设计）、narrative-writer（正文写作）、consistency-checker（一致性检查）等专用 Agent 分担复杂任务
4. 日更模式优化：内置 workflow-daily 支持批量续写，自动维护上下文.md、伏笔追踪、角色状态，降低长篇连载的认知负荷
5. 强约束质量控制：字数硬约束（默认3000字/章）、禁用词扫描、去AI味审查、情绪验证四重保障

潜在局限

• 学习曲线陡峭：需理解 5 个 Phase 的流转逻辑、20+ 个 reference 文件的职责分工，新手容易迷失在规范中
• 过度依赖对标：系统鼓励「扫榜→拆文→复用模块」，原创性高度依赖用户自身的素材填充能力
• Agent 部署门槛：完整体验需要提前部署 4-5 个 agent 文件，纯主线程模式功能缩水
• 中文网文导向：情绪分类（爽感/意难平/期待感）、平台适配（起点/番茄/晋江）均针对中国网文生态，对其他文学类型适配有限

适合人群

• 日更压力大的网文作者（尤其起点/番茄/晋江平台）
• 需要管理百万字级别长篇项目的职业作家
• 希望通过「拆文学习」提升商业写作能力的进阶者
• 团队协作场景（编辑-作者-校对分工）

常规风险

• 文件系统污染：强制目录结构若执行不当易导致路径混乱，建议严格遵循 {书名}/设定//大纲//正文//追踪/ 四级架构
• 细纲跳写陷阱：系统明确禁止跳过细纲直接写正文，但用户可能忽视此约束导致后期失控
• 对标书版权：拆文库功能涉及对他人作品的深度分析，需注意合理使用边界
• Agent 调用失败：Windows 环境下 python3 命令可能触发 Microsoft Store 占位程序，系统已内置探测回退逻辑（python3→python→py）但仍需留意

与其他写作 Skill 的关系

• 上游输入：story-long-scan（市场扫榜生成选题决策）、story-long-analyze（拆文入库）
• 下游输出：story-deslop（去AI味精修）
• 横向替代：story-short-write（<3万字短篇，流程轻量化）

核心用法

story-long-write 是一套完整的中文网络小说创作工作流，覆盖从"开书"到"日更"的全生命周期。用户通过 /story-long-write 或自然语言指令（如"帮我开书""日更""续写"）触发，系统根据项目状态自动路由到对应场景：新项目走完整五阶段流程（选题→设定→大纲→正文→质检），已有项目则进入日更续写或大修模式。

核心方法强调"情绪先行"——每个场景必须服务于明确的情绪目标，而非依赖灵感。系统提供 40+ 参考文档（genre-writing-formulas、reversal-toolkit、emotional-methods 等），支持对标书拆文复用、模块组装和文风模仿。正文写作采用文件系统管理，每章独立文件，配套细纲、追踪文件（伏笔/时间线/角色状态）确保连续性。

显著优点

方法论体系完整：将网文创作拆解为可工程化的流程，降低新手入门门槛；情绪驱动、模块复用、对标学习的理念经过验证，避免"想写什么写什么"的盲目性。

文件系统专业：细纲-正文-追踪分离、角色/势力/世界观分档管理、多对标书召回机制，支持长篇项目的复杂度管理，降低卡文和设定冲突风险。

Agent 协作架构：通过 story-architect（结构）、character-designer（角色）、narrative-writer（正文）、consistency-checker（质检）等子 Agent 分工，可扩展性强。

日更友好：专门的 workflow-daily 模式支持批量续写，自动加载上下文、文风召回、字数硬约束（默认 3000 字/章），适配网文连载节奏。

潜在缺点与局限性

学习成本陡峭：40+ 参考文档、多阶段流程、Agent 部署要求，对只想"随便写写"的用户反而构成负担；完整体验需要理解 genre-catalog、emotional-arc-design 等专业术语体系。

工具链依赖重：最优体验需要部署多个子 Agent（.claude/agents/ 目录），纯 SKILL.md 单文件只能走主线程降级方案；Windows 用户需注意 Python 解释器探测逻辑（python3→python→py）。

创作框架固化：过度强调"验证过的模式"可能抑制真正创新的叙事实验；情绪-题材对照表、爽点密度公式等工具有可能让作品趋同。

中文场景限定：参考文档、对标书管理、平台适配（起点/番茄/晋江）均针对中文网文生态，其他语言或传统文学创作用户收益有限。

适合的目标群体

• 网文新人：需要系统性入门指导，避免常见弯路
• 日更写手：追求稳定产出，需要续写辅助和一致性检查
• 多项目作者：需要文件化管理多个长篇项目
• 学习型创作者：愿意投入时间研究拆书、对标、情绪设计等方法论

不适合：追求纯粹灵感驱动、抗拒结构化流程、或只需要单次短篇生成的用户。

使用风险

性能风险：大项目文件 IO 频繁（每章读写 10+ 个文件），磁盘或网络延迟可能影响体验；连续批量生成时 Token 消耗较高。

依赖风险：子 Agent 缺失时自动降级，但功能完整性下降；文风召回 fail-fast 设计（缺失时报错而非跳过）可能打断流程。

数据风险：创作内容存储于本地文件系统，需用户自行备份；追踪/上下文.md 等文件若损坏可能导致续写上下文丢失。

版本风险：GitHub 源仓库更新可能导致本地参考文档版本不一致；建议关注上游 changelog。