把一本源书变成可发布的新书——借 toonflow 原生三阶段管线（骨架→改编→剧本→小说）， 注入仿写约束与类型红线，批量产出剧情原创、风格一致的全新网文。
目标是「工作室级量产」：用数量对冲单本爆不爆的不确定性，在架 30-50 本的长尾累加实现稳定收入。
| 场景 | 命令 |
|---|---|
| 仿写一本书（小说源，单本全自动） | python tools/transcript/imitate.py --src source/xxx.txt --name 我的新书 --episodes 90 |
| 仿写一本书（剧本源，按集） | python tools/transcript/imitate.py --src 剧本.txt --src-type screenplay --name 我的新书 --episodes 90 |
| 改编成剧本（小说→剧本，忠实保留剧情人物） | python tools/transcript/imitate.py --src 源书.txt --name 我的改编 --episodes 90（建项目后把 用户需求.md 首行改成 # 意图：改编原著成剧本） |
| 改编成小说（小说→小说，忠实改编） | 同上，意图行写 # 意图：改编原著成小说 |
| 批量仿写多本书（并行调度） | python tools/transcript/batch_run.py --list config/batch_books.json --concurrency 2 |
| 多季/系列（一部部做 500 集长篇） | 书单加 series/part 字段，第 2 部起自动接前情（见下） |
| 扫什么题材火（本地读快照） | python tools/transcript/topic_scan.py |
| 断点续跑（骨架已有，只补剧本+小说） | python tools/transcript/imitate.py --name 我的新书 --only-script |
| 发布准备（S4 之后必做） | python tools/transcript/publish_prep.py all 项目名 "新书名" --author 笔名 |
| 汇总发布目录（看全部成品） | python tools/transcript/publish_prep.py collect → 生成 publish/ 及各书四件套 |
源书(小说 或 剧本) → [事件表] → [S1 骨架(独创新剧情)] → [S2 改编策略]
→ [S3 剧本(90集)] → [S4 小说化(番茄风, ~2500字/章)] → 新书出品
→ 【阶段五：发布准备】书名定稿同步(set-title) · 投稿信息(submission) · 封面提示词(cover, story-cover skill) · 汇总导出(collect → publish/)
源可以是「小说」(按第N章) 或 「剧本」(按第N集)；脚本自动归一化为 toonflow 只读的
第N章.txt，对上层透明。剧本源只按『第N集』拆分，正文偶发的『原书第3章』不会误判分章。
核心设计原则：不改 toonflow 原生 prompt，只通过「仿写需求注入 + 列名 guard + 长度兜底 + 脱敏安全网」做非侵入式仿写。产出的剧情 100% 原创、专名零泄漏。
之前有人反馈「这工具只能仿写」——其实不是。它既能仿写也能改编，区别完全由你写在
真仿写资产/用户需求.md 顶部的意图行决定，不需要任何命令行开关。
每次运行 imitate.py 都会重读这个文件、重新识别意图，并写回 config.json，所以建完项目后
随时改需求也能切换模式（旧 --imitation 之类硬编码开关已废弃）。
意图行（写 用户需求.md 第一行） |
模式 | 产出 | 行为 |
|---|---|---|---|
# 意图：仿写新IP（默认） |
仿写 | 小说 | S1→S2→S3 剧本→S4 小说，剧情 100% 原创、专名零泄漏 |
# 意图：改编原著成剧本 |
改编 | 剧本 | S1→S2→S3 剧本，停在剧本（不进 S4 小说化），忠实保留原书剧情与人物 |
# 意图：改编原著成小说 |
改编 | 小说 | 全管线，但 S1/S2/S4 按「忠实改编」约束工作，保留原书剧情与人物 |
判定规则（通用、无开关）：
- 意图行含「改编原著 / 我要改编原著 / 忠于原著 / 忠实改编」→ 改编模式；
- 含「仿写新IP / 我要仿写」或没写 → 仿写模式（兼容旧 brief）；
- 意图里带「成剧本 / 转剧本 / 剧本 / 分镜」等词 → 产出剧本，S3 后直接收尾不进 S4。
# 1) 正常建项目（默认生成 用户需求.md，首行即「# 意图：仿写新IP」）
python tools/transcript/imitate.py --src source/女配.txt --name 我的新书 --episodes 90
# 2) 想改成「忠实改编成剧本」：编辑 projects/我的新书/真仿写资产/用户需求.md
# 把首行改成 # 意图：改编原著成剧本
# 同时删掉下方「## 用户需求」段里的「仿写红线条款」（那段是仿写专用，改编用不上）
# 重跑同一条命令即可，无需任何额外参数：
python tools/transcript/imitate.py --src source/女配.txt --name 我的新书 --episodes 90
# 运行时会打印：🎯 意图识别：改编原著（imitation=False，产出=screenplay）注：
--no-decode仍可强制只出剧本（等价于临时意图=成剧本），但推荐用意图行—— 意图行是持久、写回 config 的「控制面」，改一次全局生效；--no-decode只是单次覆盖。
fangcun-write/
├── tools/transcript/ ← **管线脚本（你主要打交道的地方）**
│ ├── imitate.py 单书全自动仿写管线（支持 --src-type / --series / --part / --prev）
│ ├── batch_run.py 批量调度器（读书单 JSON、受限并发、多季串联）
│ ├── series_worldbook.py 多季模式：跨季复制 name_map + 生成前情提要 + 聚合世界书
│ ├── gen_name_map.py 每本书的专属脱敏映射生成器
│ ├── multi_season_smoke.py 非 LLM 冒烟测试（双源拆分 / 跨季前情 / 世界书聚合）
│ └── topic_scan.py 选题扫描器（读番茄离线榜单，零 API）
│
├── series/ ← **多季世界书**（每系列一部 worldbook.md，人工审查用）
│ └── <系列名>/worldbook.md
│
│
├── source/ ← **源书语料库**（受保护，别删；按 女频/男频 等分目录）
│ └── 女频/ 七零/ 八零/ ...（各频道源书，根目录不再散放）
│
├── 真仿写资产/ ← 共享资产
│ └── name_map.json 脱敏映射母本（自动复制到新项目）
│
├── projects/ ← **每本书的产出**（.gitignore 排除）
│ └── 项目名/
│ ├── novel/ 番茄风小说（"第01章.md"）
│ ├── script/ 剧本中间态
│ ├── skeleton/ 故事骨架
│ ├── adaptation/ 改编策略
│ ├── qc/ QC 审核报告
│ └── 真仿写资产/ 该书专属：仿写需求、name_map
│
├── config/ 批量任务配置（batch_books.json / batch_summary.md）
├── .env 环境变量（DEEPSEEK_API_KEY 放这里）
├── .gitignore
└── README.md ← 你正在看的文件
在项目根创建 .env 文件（已 gitignore），写入：
DEEPSEEK_API_KEY=你的deepseek密钥
当前使用 deepseek-chat 模型（每本约 180 次调用，适合批量）。
# 事件表 → 骨架 → 改编 → 剧本 → 小说，全自动
python tools/transcript/imitate.py --src source/女频/女配一睁眼，失忆男主冷脸洗床单.txt --name 试试手 --episodes 10 --style "豪门甜宠"编辑 config/batch_books.json，添加你的书单，然后：
python tools/transcript/batch_run.py --list config/batch_books.json --concurrency 2python tools/transcript/topic_scan.py
# 产出 topic_recommend.md，告诉你现下什么题材最火看中某本后，下载原书全文（落盘 downloads/<书名>.txt，可直接喂仿写）：
# 顶层显眼入口（自动拉起下载器服务，无需 cd 进 skill 目录）
python tools/fangcun_download.py search "书名关键词" # 先看搜索结果
python tools/fangcun_download.py fetch "书名" --pick 1 --channel 女频 # 下载第1本
# 下载完会打印下一步仿写命令，复制即用下载器实现在
.agents/skills/fanqie-downloader/（exe + API 编排），fangcun_download.py只是给「方寸仿写」用的薄壳入口。需要批量下载等进阶能力时可直接用该 skill 的download_cli.py。
源书可以是已经写好的剧本（按 第N集 划分），同样能仿写。脚本会自动识别：
按 第N集 拆分单元，并归一化落盘为 toonflow 只读的 第N章.txt（对上层透明）。
# --src-type screenplay 显式声明剧本源；不写则按「集多→剧本 / 章多→小说」自动识别
python tools/transcript/imitate.py --src 我的剧本.txt --src-type screenplay --name 新剧仿写 --episodes 90
# 剧本目录源也支持（第N集.md 逐个文件）
python tools/transcript/imitate.py --src source/某剧/ --src-type screenplay --name 新剧仿写 --episodes 90注意：剧本源只按『第N集』拆分，正文里偶发的「原书第3章」「回忆第5章」等穿书 写法不会被误判成章边界——这是有意为之的防护，保证分章干净。
toonflow 原生对单本 500 集不友好（S1 8192 截断 + S2 读整骨架易爆）。最稳的解法是把 长篇拆成多部，每部 = 一个独立 project（约 90 集），共享三样东西使剧情连贯、专名不漂移：
- name_map 跨季复制 —— 角色专名全程一致（陆砚舟永远是陆砚舟）。
- 前情提要.md —— 确定性抽取上一季结局 + 人物现状 + 未回收伏笔，注入下一季 S1~S4。
- worldbook.md —— 各季前情聚合，供人工一致性审查（
series/<系列>/worldbook.md）。
第 ≥2 部会用 force_map=True 强制复制上一季的 name_map，避免误用仓库默认母本。
前情衔接完全确定性（不额外烧 LLM），下一季仍须 100% 原创（红线照常生效）。
书单写法（在 config/batch_books.json 给同系列各本加 series/part 字段）：
[
{ "name": "锦绣_第1部", "src": "source/锦绣.txt", "style": "古言权谋甜宠",
"platform": "横屏", "episodes": 90, "gen_map": true, "enabled": true,
"series": "锦绣", "part": 1 },
{ "name": "锦绣_第2部", "src": "source/锦绣续.txt", "style": "古言权谋甜宠",
"platform": "横屏", "episodes": 90, "gen_map": false, "enabled": true,
"series": "锦绣", "part": 2 }
]series同名即同一系列；part是第几部，第 2 部起自动prev = f"{series}_第{part-1}部"。- 第 2 部起
gen_map设false（name_map 由上一季复制，省一次抽取）。 - 调度器会先等上一季跑完（
novel章数达标或stage=='S4完成'），再复制 events 省重复抽取、接前情、开跑。 - 全部跑完后自动
aggregate_worldbook(series)生成系列世界书。
单本手动触发（等价 CLI）：
# 第 2 部显式指上一季
python tools/transcript/imitate.py --src 锦绣续.txt --name 锦绣_第2部 \
--series 锦绣 --part 2 --prev 锦绣_第1部 --episodes 90S4 跑完只是「有了可发的小说」，发布前还要补齐三件事：定书名、填投稿信息、出封面提示词。
这三步确定性、零 LLM，已固化成 tools/transcript/publish_prep.py，替代人工手搓（此前靠手动改
四五个文件，极易漏同步）。
AI 自拟的书名常需替换。定稿后务必用本命令全量同步——imitate.py 的 --new-name 只改
config.json，会漏掉 novel/script/skeleton/封面，导致上传时还是旧名：
python tools/transcript/publish_prep.py set-title 太子爷醉酒夜_仿写 "分手三年，偏执投资总裁跪求我回头"它会对 config.json + 所有 novel/*.txt·第N章.md + script/第N集.md +
skeleton.md + 封面提示词 + 投稿信息里的旧书名做替换，并重命名含旧名的成品 txt。新旧相同时
自动跳过（幂等），可放心重跑。
自动统计字数（读 novel/*_纯章节.txt 去空白）、推断类目/标签、搬运简介，生成
真仿写资产/投稿信息.md，可直接照着填番茄投稿表单：
python tools/transcript/publish_prep.py submission 太子爷醉酒夜_仿写 --author 一盏清酒类目/标签按题材标签启发式推断（如 现代言情 › 豪门总裁 › 破镜重圆），可人工二次微调。
封面提示词必须按你安装的 story-cover skill 方法论生成：平台风格串 / 书名字体 / 作者名字体 / 题材标签 / 色彩 / 光效 全部逐字取自 skill 风格库，本脚本不自编模板；人物据各书 「主角人设卡」+ 正文代词做具体化处理（服饰/姿态/发型/表情/道具），所以同题材也不会撞脸：
python tools/transcript/publish_prep.py cover 太子爷醉酒夜_仿写 --author 一盏清酒生成 真仿写资产/封面/封面_storyskill_prompt.txt。拿这文件去别的 AI（即梦 / MJ / SD）出底图——
因为 AI 直接渲染中文书名必翻车（漏字错字）、且内置出图带「AI 生成」合规水印；书名 + 笔名建议出图后
用 PS / 稿定 / Canva 精确叠上去，零翻车、位置可控。
✅ 封面提示词全管线唯一走 story-cover 机制（
publish_prep.py cover，落到真仿写资产/封面/封面_storyskill_prompt.txt）。imitate.py的merge_novel交付环节已改调该机制，不再有第二套离线生成器；旧版真仿写资产/封面提示词.md与批量脚本gen_cover_prompts.py均已删除。
python tools/transcript/publish_prep.py all 太子爷醉酒夜_仿写 "分手三年，偏执投资总裁跪求我回头" --author 一盏清酒= set-title + submission + cover 依次执行，跑完即具备发布所需的书名/投稿信息/封面提示词。
跑完上面三步后，一键把所有**已就绪（有成品 txt）**的书汇总到项目根的 publish/ 目录，
每本书一个子文件夹，四件套齐备，不用再切进每个 project 就能看全部原文与投稿信息：
python tools/transcript/publish_prep.py collect生成结构（项目根下）：
publish/
├─ 发布清单.md ← 总览：几本就绪/待完稿、各本字数章节
├─ 分手三年，偏执投资总裁跪求我回头/
│ ├─ 纯章节.txt ← 上传用，去扉页
│ ├─ 完整版.txt ← 含书头/扉页
│ ├─ 投稿信息.md
│ └─ 封面提示词.txt
├─ 拒婚千金，大佬他非要宠我/
│ └─ (同上四件套)
└─ 大佬老公不说话？我话疗全家/
└─ (同上四件套)
- 只汇总
novel/<书名>_纯章节.txt存在的书；无成品 txt 的项目（如京婚/冷战）列入「待完稿」不进发布目录。 - 书名变更或删稿后重跑
collect，旧子目录自动清理，保持同步。 - 发布清单
发布清单.md顶部一行即「N 本就绪 / M 个待完稿」，发书前扫一眼即可。
- 仿写 ≠ 洗稿：管线注入「借结构不借内容、≥15 字相同即违规、专名零复用」的硬约束。S1 列名从原生「章节范围」改为「结构位+原创策略」，根除 1:1 章节锚定。
- 仿写与改编都用同一套管线，由意图行切换：
真仿写资产/用户需求.md首行写# 意图：仿写新IP→ 原创新书（默认）；写# 意图：改编原著成剧本/# 意图：改编原著成小说→ 忠实改编，保留原书剧情人物。零命令行开关，运行期自动重判并写回config.json（详见上「意图驱动」节）。 - 源可以是小说也可以是剧本：小说按
第N章、剧本按第N集拆分；剧本只按集拆（正文偶发「第X章」不误判）。两者都归一化为 toonflow 只读的第N章.txt，上层无感。 - 多季/系列做长书：500 集长篇拆成多部（每部 ~90 集）最稳。靠
series_worldbook.py跨季复制 name_map + 注入前情提要，第 ≥2 部force_map=True强制沿用上季专名，前情确定性生成、不额外烧 LLM。 - 剧本中间态不丢掉：管线保留剧本（S3）→ 小说（S4）的两步走，不是一步到位。剧本可读，小说可发，两道产物都有用。
- 每本书专属脱敏映射：gen_name_map 自动提取源书高频专名并生成全新替换名，sanitize_names 在管线最后做确定性替换，保证全本零泄漏。
- QC 门禁：S1/S2 后自动跑审核报告，评分 D 级直接终止，C 级自动修复一次。质量不合格的书不会浪费后续 LLM 调用。
- 容错续跑：剧本/小说单集失败被跳过，不会卡死全本。
--only-script可随时断点续跑。
Q: 跑一本书要多少次 LLM 调用？成本多少？ 约 180 次（S1 + S2 + 90×S3 + 90×S4），deepseek-chat 约 ¥3-5/本。
Q: 缺章怎么办？
偶发的 LLM 失败会被容错跳过，跑完后用 --only-script 重新跑一遍即可自动补缺失集。
Q: 产出能直接发吗？
S4 产出已是可发布的番茄风小说（~2500 字/章、强章末钩子）。发布前还需走「阶段五：发布准备」：
用 publish_prep.py all <项目> "<新书名>" --author <笔名> 一键完成书名全量同步、投稿信息生成、
封面提示词生成（story-cover skill 方法论）。人工只需复核书名/类目、拿封面提示词去别的 AI 出图并叠字。
Q: 怎么增加源书？
把源书 txt 放入 source/，确保第 N 章（小说）或第 N 集（剧本）标记清晰，即可在 config/batch_books.json 引用。--src-type 可显式声明 novel / screenplay，不写则自动识别（集多→剧本 / 章多→小说）。系列书记得加 series/part 字段。
- Python 3.11+（标准库为主）
- deepseek-chat（LLM 引擎）
- toonflow-native orchestrator（prompt 模板+agent 框架，只读不改）