核心用法
zaomeng-skill 是一套宿主驱动的 LLM-first 工具链，专为中文小说的人物处理而设计。其核心工作流围绕四个标准化能力展开：
1. distill（人物蒸馏）：将小说文本转化为结构化角色档案（PROFILE.generated.md），支持增量更新与长篇自动分块处理
2. materialize（人物包物化）：将生成的档案物化为完整的人物目录，包含拆分人格文件、记忆文件等标准结构
3. export_graph（关系图谱导出）：将人物关系数据可视化为 HTML、SVG 或 Mermaid 格式
4. verify_workflow（工作流校验）：验证整条宿主工作流的产物完整性
此外，skill 提供四组对话辅助工具：self_card（自设角色卡管理）、persona_autofill（人物字段补全）、dialogue_suggestion（对话建议生成）和 scene_recommendation（场景推荐）。
显著优点
- 标准化程度高：所有能力均遵循严格的输入/输出契约，包含 JSON 输出、sidecar status 文件和
run_manifest.json状态追踪 - 增量与分块原生支持：自动识别已有档案进行增量更新，长篇文本自动分块蒸馏后合并，避免上下文窗口溢出
- 多模态产物：关系图谱可同时输出交互式 HTML、矢量 SVG 和文本型 Mermaid，适配不同展示场景
- 对话场景就绪：生成的人物包直接支持
act（角色代入）、insert（用户自设介入）、observe（旁观群聊）三种沉浸式交互模式 - 宿主中立设计：不绑定特定 LLM 服务，通过标准 payload 与任意宿主集成
潜在缺点与局限性
- 强依赖宿主能力：需要宿主具备 Markdown skill 目录解析、YAML frontmatter 处理和 Python 脚本执行环境
- 无内置对话引擎：skill 本身不提供 chat CLI，所有对话推进由宿主直接驱动，对宿主的对话管理能力要求较高
- 中文小说特化：prompt 设计和 schema 假设针对中文叙事文本，其他语种或文体适配需额外调整
- 分块合并质量依赖宿主：长篇分块后的最终合并效果取决于宿主 LLM 的上下文整合能力
- MIT-0 许可证：公共领域许可虽自由度高，但无原作者担保，企业级应用需自行评估维护风险
适合人群
- 开发小说角色扮演应用的技术团队
- 需要批量生成角色档案的同人创作平台
- 构建沉浸式叙事体验的 AI 应用开发者
- 研究中文人物关系抽取的学术工作者
常规风险
- 版权风险：输入小说文本可能涉及版权保护内容，使用者需确保拥有合法使用权
- 角色一致性：LLM 生成长文本可能存在人物设定漂移，需依赖
persona_autofill等工具持续校对 - 关系抽取准确性：复杂人物关系（如隐性对立、时间变化的关系）可能需要人工校验图谱
- 数据隐私：人物包和关系数据本地存储，但宿主若接入云端 LLM，需评估数据传输合规性