核心用法
zaomeng-skill 是一套面向中文小说的结构化人物处理工作流，并非独立运行的对话模型，而是依赖宿主LLM的编排层技能包。其标准流程包含：文本切片（prepare_novel_excerpt.py）→ 提示词组装（build_prompt_payload.py）→ 宿主LLM生成 → 下游对话（act/observe）。
关键特性
- 人物蒸馏：从小说片段提取角色属性、动机、语言风格
- 关系抽取：构建角色间互动网络，输出结构化关系图谱
- 角色扮演对话：
act模式（用户代入单角色对话）与observe模式（多角色群聊观察）
显著优点
- 流程标准化，通过
prompts/与references/资产实现可复用的蒸馏范式 - 意图映射清晰，自然语言指令（如"进入刘备、张飞、关羽群聊模式"）可直接触发对应模式
- 输出结构化，excerpt JSON、prompt payload、人物档案、关系图谱均可序列化留存
潜在局限
- 强依赖宿主LLM：蒸馏质量、对话一致性完全取决于宿主模型能力；若宿主为弱模型，角色易"串味"
- 无原生记忆机制：会话状态需外部管理，skill本身不持久化长期角色记忆
- 中文小说特化：非通用角色扮演方案，对现代/西幻题材适配未验证
- 安全审计缺失：报告明确标注"未执行安全扫描"，提示词注入、角色越狱风险未知
适合人群
- 网文作者/同人创作者：需批量提取OC（原创角色）设定并快速生成对话
- 互动叙事开发者：基于已有小说IP构建角色扮演体验
- 中文NLP研究者：探索LLM驱动的叙事理解与角色建模
常规风险
- 输入小说可能含版权内容，需注意文本来源合规性
- 蒸馏后的角色档案若用于商业衍生，需厘清原著作权边界
- 群聊模式易因宿主LLM幻觉产生"角色知识污染"（A角色知晓B角色不应知道的信息）