核心用法
zaomeng 是 ClawHub 开发的结构化小说处理技能，采用"宿主 LLM 执行 + Skill 编排流程"的架构设计。用户通过 CLI 工具链完成小说片段准备、提示词组装，再交由宿主 LLM 完成人物蒸馏（提取角色档案）、关系抽取（生成人物关系图谱），最终进入角色对话模式（act/单聊 或 observe/群聊）。
显著优点
- 模块化流程清晰：excerpt → payload → LLM → 对话的四阶段设计，降低了复杂任务的理解成本
- 双模式对话灵活：支持用户扮演角色的
act模式，以及纯旁观的observe群聊模式 - 结构化产出：生成 JSON 格式的 excerpt、人物档案和关系图谱，便于二次开发
- 自然语言意图映射：对口语化启动语（如"让我扮演X和Y聊天"）有良好的识别支持
潜在局限
- 依赖宿主 LLM 质量：所有核心生成功能（蒸馏、关系抽取、对话）完全依赖外部模型能力，无本地兜底
- 工具链门槛：需 Python 环境运行
prepare_novel_excerpt.py和build_prompt_payload.py，对非技术用户不够友好 - 安全报告缺失：提供的安全认证报告为系统占位文本，未执行实际扫描，难以评估代码风险
- 上下文窗口敏感：默认 80 句/12000 字符的 excerpt 限制，对超长篇小说的处理可能需要分段策略
适合人群
- 中文小说创作者、同人作者，需要快速建立角色设定
- 角色扮演（RP）社区用户，希望与小说角色进行沉浸式对话
- NLP 研究者或开发者，需要人物关系抽取的结构化工具链
常规风险
- 输入小说内容可能涉及版权文本，需确保使用授权或公有领域作品
- LLM 生成的角色档案和对话可能存在与原作出入的"幻觉"风险
- 群聊模式下多角色一致性依赖模型能力，长篇对话易出现人设漂移