hit-script-retrieval-skill

Name: hit-script-retrieval-skill
Author: Supreme-Ultimate

115stars28forks

How to install hit-script-retrieval-skill?

supreme-ultimate/novel-to-script-team/hit-script-retrieval-skill

$npx -y skills add Supreme-Ultimate/novel-to-script-team --skill hit-script-retrieval-skill

Installs into the current project.

Summary

爆款剧本检索技能。使用混合搜索（语义+关键词）检索最相关的爆款剧本，为生成提供参考。

Files · 1

View on GitHub

SKILL.md

1	# 爆款剧本检索技能
2
3	## 必读
4
5	1. `../../references/00-first-principles.md` — 第一性原则（可拍性、留存性、一致性）
6	2. `../../references/03-script-writing-standard.md` — 剧本写作标准（对话比、视觉标记、网文感）
7	3. `../../references/12-genre-specific-techniques.md` — 类型化技巧（男频/女频特征）
8
9	## 功能
10
11	从117部爆款短剧剧本中检索最相关的剧本，为剧本生成提供参考。
12
13	## 检索方法
14
15	使用混合搜索（Chroma语义搜索 + TF-IDF关键词搜索）：
16	- 语义搜索权重：60%（理解深层含义）
17	- 关键词搜索权重：40%（精确匹配）
18
19	## 使用场景
20
21	### 1. 剧本生成前检索
22
23	在生成剧本前，根据以下信息检索相关剧本：
24	- 剧本类型（复仇/逆袭/穿越/重生等）
25	- 情绪基调（愤怒/悲伤/爽感/紧张等）
26	- 主要情节（打脸/揭秘/对抗/和解等）
27	- 人物关系（主角vs反派/主角vs配角等）
28	- 场景类型（豪门/古代/现代/职场等）
29
30	示例查询：
31	```
32	"复仇女主霸总豪门打脸"
33	"穿越古代逆袭当皇后"
34	"重生复仇虐恋"
35	```
36
37	### 2. 检索结果使用
38
39	检索返回Top 5最相关的剧本，包含：
40	- 剧本文件名
41	- 相似度得分
42	- 内容预览（前200字符）
43	- 完整文件路径
44
45	注入到context：
46	```
47	参考以下爆款剧本的风格和节奏：
48
49	【参考剧本1】《封总的复仇娇妻》
50	- 相似度：0.892
51	- 特点：复仇女主、霸总、豪门恩怨、打脸爽剧
52	- 节奏：快节奏、高冲突密度、强情绪冲击
53	- 对话风格：短句、高对话比、视觉标记丰富
54
55	【参考剧本2】...
56	```
57
58	## 执行步骤
59
60	### Step 1: 构建检索查询
61
62	从当前剧本需求中提取关键信息：
63	```python
64	# 示例：从分集规划中提取
65	query_parts = []
66	if "类型" in episode_plan:
67	query_parts.append(episode_plan["类型"])
68	if "情绪" in episode_plan:
69	query_parts.append(episode_plan["情绪"])
70	if "主要情节" in episode_plan:
71	query_parts.append(episode_plan["主要情节"])
72
73	query = " ".join(query_parts)
74	# 结果：query = "复仇愤怒打脸揭秘"
75	```
76
77	### Step 2: 执行检索
78
79	使用混合搜索引擎：
80	```python
81	from hybrid_search import HybridSearchEngine
82
83	# 初始化（只需一次）
84	engine = HybridSearchEngine("../../knowledge/hit-scripts-md")
85
86	# 检索Top 5
87	results = engine.hybrid_search(
88	query=query,
89	n_results=5,
90	semantic_weight=0.6,
91	keyword_weight=0.4
92	)
93	```
94
95	### Step 3: 读取完整内容
96
97	```python
98	reference_scripts = []
99	for result in results:
100	with open(result['path'], 'r', encoding='utf-8') as f:
101	content = f.read()
102	reference_scripts.append({
103	'filename': result['filename'],
104	'score': result['score'],
105	'content': content[:5000] # 取前5000字符
106	})
107	```
108
109	### Step 4: 注入到生成提示词
110
111	```
112	你是一名短剧编剧，现在需要创作第N集剧本。
113
114	【参考爆款剧本】
115	以下是5个最相关的爆款剧本，请参考它们的：
116	- 节奏：场景数、冲突密度、时长分布
117	- 对话：句长、对话比、视觉标记
118	- 情绪：情绪强度、情感极性摆动
119	- 框架：开局-发展-高潮-反转-结局
120
121	1. 《封总的复仇娇妻》（相似度：0.892）
122	[内容节选...]
123
124	2. 《...》（相似度：0.856）
125	[内容节选...]
126
127	...
128
129	【当前任务】
130	根据以上参考，创作第N集剧本...
131	```
132
133	## 对比分析
134
135	生成剧本后，使用相同的5个参考剧本进行对比分析：
136
137	### 1. 节奏对比
138
139	```python
140	# 统计生成剧本的节奏指标
141	generated_metrics = {
142	'scene_count': 6,
143	'conflict_density': 0.015,
144	'avg_scene_duration': 10,
145	'emotion_intensity': 0.012
146	}
147
148	# 统计参考剧本的平均指标
149	reference_metrics = {
150	'scene_count': 8.5,
151	'conflict_density': 0.035,
152	'avg_scene_duration': 7.5,
153	'emotion_intensity': 0.025
154	}
155
156	# 对比分析
157	if generated_metrics['scene_count'] < reference_metrics['scene_count']:
158	feedback.append("场景数偏少，建议增加2个过渡场景")
159	```
160
161	### 2. 对话风格对比
162
163	```python
164	# 统计对话指标
165	generated_style = {
166	'avg_sentence_length': 18,
167	'dialogue_ratio': 0.45,
168	'visual_markers_per_100': 1
169	}
170
171	reference_style = {
172	'avg_sentence_length': 12,
173	'dialogue_ratio': 0.72,
174	'visual_markers_per_100': 4
175	}
176
177	# 对比分析
178	if generated_style['dialogue_ratio'] < reference_style['dialogue_ratio']:
179	feedback.append("对话比偏低，建议增加对话，减少叙述")
180	```
181
182	### 3. 情绪冲击力对比
183
184	```python
185	# 分析情绪词汇密度
186	generated_emotion_density = 0.5 # 每100字0.5个情绪词
187	reference_emotion_density = 2.0 # 每100字2个情绪词
188
189	if generated_emotion_density < reference_emotion_density:
190	feedback.append("情绪词汇偏少，建议增加情绪化表达")
191	```
192
193	## 复审流程
194
195	### 导演复审（review-director）
196
197	使用 `comparative-review-skill` 进行综合对比：
198	1. 加载生成剧本和5个参考剧本
199	2. 对比节奏、对话、情绪、框架
200	3. 给出PASS/FAIL判断
201	4. 提供具体改进建议（引用具体的参考剧本）
202
203	输出示例：
204	```
205	【综合审核】FAIL
206
207	节奏问题：
208	- 场景数：生成6场景，参考平均8.5场景 → 建议增加2个过渡场景
209	- 冲突密度：生成0.015，参考平均0.035 → 建议在第3、5场景增加对抗
210
211	对话风格问题：
212	- 句长：生成18字符，参考平均12字符 → 建议拆分长句
213	- 对话比：生成45%，参考平均72% → 建议增加对话，减少叙述
214
215	参考示例：
216	请参考《封总的复仇娇妻》第15集的对抗场景结构
217	请参考《霸总的替身新娘》第8集的对话节奏
218	```
219
220	### 编剧复审（script-writer）
221
222	使用 `style-analysis-skill` 分析风格：
223	1. 统计生成剧本的语言风格指标
224	2. 统计5个参考剧本的平均指标
225	3. 对比分析差异
226	4. 提供改进建议
227
228	输出示例：
229	```
230	【风格分析】
231
232	句长分布：
233	- 生成剧本：平均18字符
234	- 参考剧本：平均12字符
235	- 建议：拆分长句，增加短句比例
236
237	对话比：
238	- 生成剧本：45%
239	- 参考剧本：72%
240	- 建议：增加对话，减少叙述性文字
241
242	视觉标记：
243	- 生成剧本：1个/100字
244	- 参考剧本：4个/100字
245	- 建议：增加视觉标记（如：冷笑、嗤笑、冷哼等）
246	```
247
248	## 成功标准
249
250	1. 检索准确性：检索到的5个剧本相似度 > 0.5
251	2. 参考有效性：生成剧本的指标接近参考剧本（±20%）
252	3. 风格一致性：网文感、节奏感、情绪冲击力达标
253	4. 复审通过：导演和编剧复审均PASS
254
255	## 注意事项
256
257	1. 开源版语料：默认不包含 `knowledge/hit-scripts-md/`，请自行放入有权使用的 `.md` 剧本语料
258	2. 首次使用：首次运行需要构建索引（约60秒），索引会持久化保存到本地 `.search_index/`
259	3. 后续使用：索引已保存，加载速度快（1-2秒）
260	4. 男女频分类：支持按男频/女频/全部进行过滤，提高检索精准度
261	5. 权重调整：可根据实际效果调整语义/关键词权重
262	6. 参考数量：默认检索Top 5，可根据需要调整（3-10个）
263	7. 内容长度：注入context时建议每个参考剧本取前5000字符，避免超出上下文限制
264
265	## 文件位置
266
267	- 检索引擎：`../../scripts/improved_hybrid_search.py`（推荐）或 `../../scripts/hybrid_search.py`（备选）
268	- 爆款剧本：`../../knowledge/hit-scripts-md/*.md`（本地自备语料，开源版默认不包含）
269	- 对比分析：`comparative-review-skill`
270	- 风格分析：`style-analysis-skill`
271
272	---
273
274	## 使用指南（Agent 集成）
275
276	### 在 script-writer 中使用
277
278	Step 0：判断原小说类型（男频/女频/中性）
279	```
280	根据原小说特征判断（核心判断标准：主角性别）：
281
282	男频特征：
283	- 【核心】主角：男性主角为中心，男主视角
284	- 类型：复仇、逆袭、霸道、战神、龙王、赘婿、神医
285	- 情节：打脸、装逼、碾压、称霸
286	- 示例：《赘婿之王》《战神归来》《神医下山》
287
288	女频特征：
289	- 【核心】主角：女性主角为中心，女主视角
290	- 类型：虐恋、甜宠、豪门、替身、真假千金、重生复仇
291	- 情节：误会、虐心、和解、宠溺、逆袭
292	- 示例：《豪门替身妻》《真假千金》《霸总的替身新娘》
293
294	中性/不确定：
295	- 双主角、群像剧、或类型不明显
296	- 使用 `all` 参数不限类型
297
298	判断流程：
299	1. 首先看主角性别：男主 → 男频，女主 → 女频
300	2. 其

People who liked this also viewed

6 picks

Type

hit-script-retrieval-skill

115stars28forks

View on GitHub

How to install hit-script-retrieval-skill?

supreme-ultimate/novel-to-script-team/hit-script-retrieval-skill

$npx -y skills add Supreme-Ultimate/novel-to-script-team --skill hit-script-retrieval-skill

Installs into the current project.

Summary

爆款剧本检索技能。使用混合搜索（语义+关键词）检索最相关的爆款剧本，为生成提供参考。

Files · 1

View on GitHub

SKILL.md

1	# 爆款剧本检索技能
2
3	## 必读
4
5	1. `../../references/00-first-principles.md` — 第一性原则（可拍性、留存性、一致性）
6	2. `../../references/03-script-writing-standard.md` — 剧本写作标准（对话比、视觉标记、网文感）
7	3. `../../references/12-genre-specific-techniques.md` — 类型化技巧（男频/女频特征）
8
9	## 功能
10
11	从117部爆款短剧剧本中检索最相关的剧本，为剧本生成提供参考。
12
13	## 检索方法
14
15	使用混合搜索（Chroma语义搜索 + TF-IDF关键词搜索）：
16	- 语义搜索权重：60%（理解深层含义）
17	- 关键词搜索权重：40%（精确匹配）
18
19	## 使用场景
20
21	### 1. 剧本生成前检索
22
23	在生成剧本前，根据以下信息检索相关剧本：
24	- 剧本类型（复仇/逆袭/穿越/重生等）
25	- 情绪基调（愤怒/悲伤/爽感/紧张等）
26	- 主要情节（打脸/揭秘/对抗/和解等）
27	- 人物关系（主角vs反派/主角vs配角等）
28	- 场景类型（豪门/古代/现代/职场等）
29
30	示例查询：
31	```
32	"复仇女主霸总豪门打脸"
33	"穿越古代逆袭当皇后"
34	"重生复仇虐恋"
35	```
36
37	### 2. 检索结果使用
38
39	检索返回Top 5最相关的剧本，包含：
40	- 剧本文件名
41	- 相似度得分
42	- 内容预览（前200字符）
43	- 完整文件路径
44
45	注入到context：
46	```
47	参考以下爆款剧本的风格和节奏：
48
49	【参考剧本1】《封总的复仇娇妻》
50	- 相似度：0.892
51	- 特点：复仇女主、霸总、豪门恩怨、打脸爽剧
52	- 节奏：快节奏、高冲突密度、强情绪冲击
53	- 对话风格：短句、高对话比、视觉标记丰富
54
55	【参考剧本2】...
56	```
57
58	## 执行步骤
59
60	### Step 1: 构建检索查询
61
62	从当前剧本需求中提取关键信息：
63	```python
64	# 示例：从分集规划中提取
65	query_parts = []
66	if "类型" in episode_plan:
67	query_parts.append(episode_plan["类型"])
68	if "情绪" in episode_plan:
69	query_parts.append(episode_plan["情绪"])
70	if "主要情节" in episode_plan:
71	query_parts.append(episode_plan["主要情节"])
72
73	query = " ".join(query_parts)
74	# 结果：query = "复仇愤怒打脸揭秘"
75	```
76
77	### Step 2: 执行检索
78
79	使用混合搜索引擎：
80	```python
81	from hybrid_search import HybridSearchEngine
82
83	# 初始化（只需一次）
84	engine = HybridSearchEngine("../../knowledge/hit-scripts-md")
85
86	# 检索Top 5
87	results = engine.hybrid_search(
88	query=query,
89	n_results=5,
90	semantic_weight=0.6,
91	keyword_weight=0.4
92	)
93	```
94
95	### Step 3: 读取完整内容
96
97	```python
98	reference_scripts = []
99	for result in results:
100	with open(result['path'], 'r', encoding='utf-8') as f:
101	content = f.read()
102	reference_scripts.append({
103	'filename': result['filename'],
104	'score': result['score'],
105	'content': content[:5000] # 取前5000字符
106	})
107	```
108
109	### Step 4: 注入到生成提示词
110
111	```
112	你是一名短剧编剧，现在需要创作第N集剧本。
113
114	【参考爆款剧本】
115	以下是5个最相关的爆款剧本，请参考它们的：
116	- 节奏：场景数、冲突密度、时长分布
117	- 对话：句长、对话比、视觉标记
118	- 情绪：情绪强度、情感极性摆动
119	- 框架：开局-发展-高潮-反转-结局
120
121	1. 《封总的复仇娇妻》（相似度：0.892）
122	[内容节选...]
123
124	2. 《...》（相似度：0.856）
125	[内容节选...]
126
127	...
128
129	【当前任务】
130	根据以上参考，创作第N集剧本...
131	```
132
133	## 对比分析
134
135	生成剧本后，使用相同的5个参考剧本进行对比分析：
136
137	### 1. 节奏对比
138
139	```python
140	# 统计生成剧本的节奏指标
141	generated_metrics = {
142	'scene_count': 6,
143	'conflict_density': 0.015,
144	'avg_scene_duration': 10,
145	'emotion_intensity': 0.012
146	}
147
148	# 统计参考剧本的平均指标
149	reference_metrics = {
150	'scene_count': 8.5,
151	'conflict_density': 0.035,
152	'avg_scene_duration': 7.5,
153	'emotion_intensity': 0.025
154	}
155
156	# 对比分析
157	if generated_metrics['scene_count'] < reference_metrics['scene_count']:
158	feedback.append("场景数偏少，建议增加2个过渡场景")
159	```
160
161	### 2. 对话风格对比
162
163	```python
164	# 统计对话指标
165	generated_style = {
166	'avg_sentence_length': 18,
167	'dialogue_ratio': 0.45,
168	'visual_markers_per_100': 1
169	}
170
171	reference_style = {
172	'avg_sentence_length': 12,
173	'dialogue_ratio': 0.72,
174	'visual_markers_per_100': 4
175	}
176
177	# 对比分析
178	if generated_style['dialogue_ratio'] < reference_style['dialogue_ratio']:
179	feedback.append("对话比偏低，建议增加对话，减少叙述")
180	```
181
182	### 3. 情绪冲击力对比
183
184	```python
185	# 分析情绪词汇密度
186	generated_emotion_density = 0.5 # 每100字0.5个情绪词
187	reference_emotion_density = 2.0 # 每100字2个情绪词
188
189	if generated_emotion_density < reference_emotion_density:
190	feedback.append("情绪词汇偏少，建议增加情绪化表达")
191	```
192
193	## 复审流程
194
195	### 导演复审（review-director）
196
197	使用 `comparative-review-skill` 进行综合对比：
198	1. 加载生成剧本和5个参考剧本
199	2. 对比节奏、对话、情绪、框架
200	3. 给出PASS/FAIL判断
201	4. 提供具体改进建议（引用具体的参考剧本）
202
203	输出示例：
204	```
205	【综合审核】FAIL
206
207	节奏问题：
208	- 场景数：生成6场景，参考平均8.5场景 → 建议增加2个过渡场景
209	- 冲突密度：生成0.015，参考平均0.035 → 建议在第3、5场景增加对抗
210
211	对话风格问题：
212	- 句长：生成18字符，参考平均12字符 → 建议拆分长句
213	- 对话比：生成45%，参考平均72% → 建议增加对话，减少叙述
214
215	参考示例：
216	请参考《封总的复仇娇妻》第15集的对抗场景结构
217	请参考《霸总的替身新娘》第8集的对话节奏
218	```
219
220	### 编剧复审（script-writer）
221
222	使用 `style-analysis-skill` 分析风格：
223	1. 统计生成剧本的语言风格指标
224	2. 统计5个参考剧本的平均指标
225	3. 对比分析差异
226	4. 提供改进建议
227
228	输出示例：
229	```
230	【风格分析】
231
232	句长分布：
233	- 生成剧本：平均18字符
234	- 参考剧本：平均12字符
235	- 建议：拆分长句，增加短句比例
236
237	对话比：
238	- 生成剧本：45%
239	- 参考剧本：72%
240	- 建议：增加对话，减少叙述性文字
241
242	视觉标记：
243	- 生成剧本：1个/100字
244	- 参考剧本：4个/100字
245	- 建议：增加视觉标记（如：冷笑、嗤笑、冷哼等）
246	```
247
248	## 成功标准
249
250	1. 检索准确性：检索到的5个剧本相似度 > 0.5
251	2. 参考有效性：生成剧本的指标接近参考剧本（±20%）
252	3. 风格一致性：网文感、节奏感、情绪冲击力达标
253	4. 复审通过：导演和编剧复审均PASS
254
255	## 注意事项
256
257	1. 开源版语料：默认不包含 `knowledge/hit-scripts-md/`，请自行放入有权使用的 `.md` 剧本语料
258	2. 首次使用：首次运行需要构建索引（约60秒），索引会持久化保存到本地 `.search_index/`
259	3. 后续使用：索引已保存，加载速度快（1-2秒）
260	4. 男女频分类：支持按男频/女频/全部进行过滤，提高检索精准度
261	5. 权重调整：可根据实际效果调整语义/关键词权重
262	6. 参考数量：默认检索Top 5，可根据需要调整（3-10个）
263	7. 内容长度：注入context时建议每个参考剧本取前5000字符，避免超出上下文限制
264
265	## 文件位置
266
267	- 检索引擎：`../../scripts/improved_hybrid_search.py`（推荐）或 `../../scripts/hybrid_search.py`（备选）
268	- 爆款剧本：`../../knowledge/hit-scripts-md/*.md`（本地自备语料，开源版默认不包含）
269	- 对比分析：`comparative-review-skill`
270	- 风格分析：`style-analysis-skill`
271
272	---
273
274	## 使用指南（Agent 集成）
275
276	### 在 script-writer 中使用
277
278	Step 0：判断原小说类型（男频/女频/中性）
279	```
280	根据原小说特征判断（核心判断标准：主角性别）：
281
282	男频特征：
283	- 【核心】主角：男性主角为中心，男主视角
284	- 类型：复仇、逆袭、霸道、战神、龙王、赘婿、神医
285	- 情节：打脸、装逼、碾压、称霸
286	- 示例：《赘婿之王》《战神归来》《神医下山》
287
288	女频特征：
289	- 【核心】主角：女性主角为中心，女主视角
290	- 类型：虐恋、甜宠、豪门、替身、真假千金、重生复仇
291	- 情节：误会、虐心、和解、宠溺、逆袭
292	- 示例：《豪门替身妻》《真假千金》《霸总的替身新娘》
293
294	中性/不确定：
295	- 双主角、群像剧、或类型不明显
296	- 使用 `all` 参数不限类型
297
298	判断流程：
299	1. 首先看主角性别：男主 → 男频，女主 → 女频
300	2. 其

People who liked this also viewed

6 picks

Type