功能定位
story-long-write 是一款面向网文创作者的专业级长篇写作辅助系统，覆盖从选题确认到大纲搭建再到正文产出的完整创作链条。核心方法论强调「情绪优先」——每个场景必须服务于明确的情绪目标，通过验证过的剧情模式可靠交付读者体验，而非依赖灵感随机发挥。
核心用法
系统采用五阶段工作流：
Phase 1 选题方向：从情绪反查题材，通过扫榜、拆文找到可对标验证的模式，匹配用户优势（脑洞/文笔/节奏感/经验）推荐适合题材。
Phase 2 核心设定：确立书名、一句话梗概、主角设定（含金手指与缺陷）、世界观骨架、核心冲突，输出标准化设定文档。
Phase 3 大纲搭建：构建卷级结构（每卷功能定位+状态变化）+ 逐章细纲（核心事件、情节点序列、钩子设计、爽点、章尾悬念），前10章锁定后滚动补全。
Phase 4 正文写作：严格按细纲执行，每章加载必需上下文（前章正文、细纲、角色状态、伏笔追踪、对标文风），经「状态筛选→模块召回→文风召回→正文输出→字数验证→追踪更新」闭环交付。
Phase 5 质量检查：情绪交付验证+技术质量检查（一致性、禁用词、去AI味）。
显著优点
1. 方法论体系化：将「扫榜-拆文-对标-复刻」的商业网文方法论嵌入工具层，降低创作者认知负荷
2. 工程化管理：强制文件系统结构（设定/大纲/正文/追踪/对标五目录），解决长篇创作信息过载与连续性难题
3. 情绪驱动设计：所有环节围绕「交付什么情绪」展开，避免自嗨式写作
4. 模块化复用：支持从对标书提取剧情模块、角色位抽象、文风召回，实现「重新交付」而非「重新发明」
5. Agent 扩展架构：预留 story-architect、character-designer、narrative-writer、consistency-checker 等子代理接口，复杂任务可分布式处理
潜在局限与风险
- 学习曲线陡峭：需理解「情绪-题材-模块-情节点」四层映射关系，新手可能卡在 Phase 1
- 对标依赖：系统效能高度依赖对标书质量与拆文完整性，无优质对标时方法论空心化
- 创作同质化风险：强调「验证过的模式」可能抑制原创性探索，适合商业网文而非实验文学
- 字数硬约束：默认3000字/章的硬性要求，对短篇向、散文式写作不友好
- 平台差异模糊：虽提及起点/番茄/晋江，但各平台推荐算法与读者偏好差异未深度拆解
适合人群
- 目标商业网文市场、追求稳定更新的职业/准职业写手
- 有完本经验但希望系统化提升创作效率的中级作者
- 擅长脑洞/文笔/节奏感某一维度、需补足其他模块的偏科型创作者
- 能接受「先模式后灵感」方法论、不排斥对标学习的实用主义者
常规风险
- 数据安全：创作内容、对标书原文、拆文报告均存储于本地项目目录，无云端同步机制，需用户自行备份
- 版权边界：模块召回与文风模仿存在「借鉴vs抄袭」模糊地带，系统未内置原创性检测
- Agent 可用性：子代理调用依赖
.claude/agents/目录部署，缺失时降级为主线程执行，复杂场景性能下降 - 字数验证工具链：依赖 Python 环境探测，Windows 平台存在 Microsoft Store 占位程序冲突风险