核心用法
story-long-write 是一套面向网络小说长篇创作的结构化技能，覆盖从选题、核心设定、大纲搭建、正文写作到质量检查的全流程。它采用情绪优先的创作方法论：先明确每章要交付的情绪目标，再从验证过的题材模式中提取可复用模块，通过细纲-正文的分离确保可控产出。
显著优点
1. 工业化流程：将创作拆解为 5 个 Phase（选题→设定→大纲→写作→质检），每个阶段有明确的输入输出和检查清单，降低长篇创作的认知负荷。
2. 情绪驱动写作：核心原则"先定情绪，再定故事"，每章细纲强制要求标注"目标情绪""章首钩子""章尾钩子"，避免漫无目的的剧情堆砌。
3. 对标学习系统：内置拆文库/对标机制，支持从热门作品中提取"情绪模块""节奏模式""文风特征"并映射到自身创作，实现"扫榜-拆文-复用"的闭环。
4. 多 Agent 协作：可调用 story-architect（结构设计）、character-designer（角色设定）、narrative-writer（正文执行）、consistency-checker（一致性检查）等子 Agent，复杂任务分发、主线程保持轻量。
5. 严格的文件管理：强制要求每章细纲独立文件、每章正文独立文件、角色/势力/设定分文件存储，配合追踪系统（伏笔/时间线/角色状态）保证长篇连续性。
6. 字数硬约束与质量关卡：明确 3000 字/章的默认标准，写作后强制字数验证、禁用词扫描、元信息隔离（剔除"上一章""伏笔"等工程词汇），并支持去 AI 味审查。
潜在缺点与局限性
1. 学习曲线陡峭：涉及 20+ 个参考文件、多层级文件协议和 Agent 调用规则，新手需要较长时间理解"细纲-正文分离""模块召回"等概念。
2. 对前置技能依赖强：完整体验需要配合 story-long-analyze（拆文）、story-long-scan（扫榜）、story-import（数据同步）使用，单独使用时会因缺少对标数据而降级到 legacy 模式。
3. 创作自由度受限：细纲先行、情绪标签化、模块复用的方法论更适合商业爽文、打脸逆袭等类型化创作，对追求实验性、意识流或强文学性的作者可能感到束缚。
4. 工具链依赖：需要 Node.js 脚本（normalize-punctuation）、Python（字数统计）和文件系统支持，纯对话环境或移动端使用体验受限。
适合人群
- 网文新手：想从"凭灵感写作"转向"可控产出"的转型作者
- 日更压力作者：需要稳定输出 3000-5000 字/章的签约作者
- 类型化写作：主攻都市爽文、玄幻升级、重生逆袭、系统文等商业题材的创作者
- 团队化创作：有分工需求的项目（世界观设计、角色设计、正文执行分离）
常规风险
1. 版权风险：对标学习强调"复用情绪逻辑、替换具体桥段"，但用户可能误操作直接复制原文，需严格遵守反抄袭提醒。
2. 过度依赖对标：若主对标书数据缺失或过期，系统会降级到 legacy 模式，情绪模块和节奏召回的准确性下降。
3. Agent 失败风险：子 Agent 未部署时会自动回退到主线程执行，复杂任务（如长章节正文）可能因上下文不足导致质量波动。
4. 文件系统风险：依赖本地文件读写，跨设备同步或权限问题可能导致追踪文件（伏笔/时间线/角色状态）不一致。
使用建议
建议按以下顺序激活技能生态：先用 /story-long-scan 生成选题决策，再用 /story-long-analyze 拆解对标书获取情绪模块和节奏文件，然后进入 /story-long-write 执行开书→日更的流水线。首次使用建议从短篇试写（< 10 章）熟悉文件协议，再进入百万字级长篇。