style-analysis-skill

Name: style-analysis-skill
Author: Supreme-Ultimate

115stars28forks

How to install style-analysis-skill?

supreme-ultimate/novel-to-script-team/style-analysis-skill

$npx -y skills add Supreme-Ultimate/novel-to-script-team --skill style-analysis-skill

Installs into the current project.

Summary

风格分析技能。分析生成剧本的语言风格，对比爆款剧本，确保网文感和可读性。

Files · 1

View on GitHub

SKILL.md

1	# 风格分析技能
2
3	## 必读
4
5	1. `../../references/00-first-principles.md` — 第一性原则（可拍性、留存性）
6	2. `../../references/03-script-writing-standard.md` — 剧本写作标准（句长、对话比、视觉标记、网文感关键词）
7	3. `../../references/12-genre-specific-techniques.md` — 类型化技巧（男频/女频风格差异）
8
9	## 功能
10
11	深度分析剧本的语言风格，确保生成的剧本具有网文感、节奏感和可读性。
12
13	## 分析维度
14
15	### 1. 句长分析
16
17	统计方法：
18	```python
19	import re
20
21	def analyze_sentence_length(script):
22	# 按句号、问号、感叹号分句
23	sentences = re.split(r'[。！？]', script)
24	sentences = [s.strip() for s in sentences if s.strip()]
25
26	lengths = [len(s) for s in sentences]
27
28	return {
29	'avg_length': sum(lengths) / len(lengths),
30	'short_ratio': len([l for l in lengths if l < 10]) / len(lengths),
31	'medium_ratio': len([l for l in lengths if 10 <= l < 20]) / len(lengths),
32	'long_ratio': len([l for l in lengths if l >= 20]) / len(lengths)
33	}
34	```
35
36	理想指标：
37	- 平均句长：10-14字符
38	- 短句比例（<10字符）：30-40%
39	- 中句比例（10-20字符）：50-60%
40	- 长句比例（≥20字符）：<10%
41
42	### 2. 对话比分析
43
44	统计方法：
45	```python
46	def analyze_dialogue_ratio(script):
47	# 识别对话（引号内的内容）
48	dialogues = re.findall(r'[「『""]([^」』""]+)[」』""]', script)
49	dialogue_chars = sum(len(d) for d in dialogues)
50	total_chars = len(script)
51
52	return {
53	'dialogue_ratio': dialogue_chars / total_chars,
54	'dialogue_count': len(dialogues),
55	'avg_dialogue_length': dialogue_chars / len(dialogues) if dialogues else 0
56	}
57	```
58
59	理想指标：
60	- 对话比：70-80%
61	- 对话数量：每1000字15-25条
62	- 平均对话长度：20-40字符
63
64	### 3. 视觉标记分析
65
66	视觉标记列表：
67	```python
68	visual_markers = {
69	'表情': ['冷笑', '嗤笑', '冷哼', '微笑', '狞笑', '苦笑'],
70	'眼神': ['眼神一冷', '眸光一沉', '目光如炬', '眼中闪过', '瞳孔一缩'],
71	'动作': ['嘴角勾起', '挑眉', '皱眉', '咬牙', '握拳', '转身'],
72	'气场': ['气势汹汹', '霸气侧漏', '冷气逼人', '杀气腾腾']
73	}
74	```
75
76	统计方法：
77	```python
78	def analyze_visual_markers(script):
79	all_markers = []
80	for category, markers in visual_markers.items():
81	all_markers.extend(markers)
82
83	marker_count = sum(script.count(marker) for marker in all_markers)
84	chars_per_100 = len(script) / 100
85
86	return {
87	'markers_per_100': marker_count / chars_per_100,
88	'marker_distribution': {
89	category: sum(script.count(m) for m in markers)
90	for category, markers in visual_markers.items()
91	}
92	}
93	```
94
95	理想指标：
96	- 视觉标记密度：3-5个/100字
97	- 分布均衡：各类标记都有使用
98
99	### 4. 网文感关键词分析
100
101	网文感关键词：
102	```python
103	wanwen_keywords = {
104	'情绪强化': ['冷笑', '嗤笑', '冷哼', '冷声', '冷冷地'],
105	'态度词': ['不屑', '轻蔑', '讥讽', '嘲讽', '鄙夷'],
106	'气场词': ['霸气', '强势', '凌厉', '锐利', '凛然'],
107	'反转词': ['没想到', '竟然', '居然', '原来', '突然'],
108	'打脸词': ['啪啪打脸', '狠狠打脸', '当场打脸', '脸色一变']
109	}
110	```
111
112	统计方法：
113	```python
114	def analyze_wanwen_keywords(script):
115	all_keywords = []
116	for category, keywords in wanwen_keywords.items():
117	all_keywords.extend(keywords)
118
119	keyword_count = sum(script.count(kw) for kw in all_keywords)
120	chars_per_100 = len(script) / 100
121
122	return {
123	'keywords_per_100': keyword_count / chars_per_100,
124	'keyword_distribution': {
125	category: sum(script.count(kw) for kw in keywords)
126	for category, keywords in wanwen_keywords.items()
127	}
128	}
129	```
130
131	理想指标：
132	- 网文感关键词：1.5-2.5个/100字
133	- 分布：情绪强化词最多，其他均衡
134
135	### 5. 节奏感分析
136
137	统计方法：
138	```python
139	def analyze_rhythm(script):
140	# 按场景分割
141	scenes = re.split(r'场景\d+\|第\d+场', script)
142
143	scene_lengths = [len(s) for s in scenes if s.strip()]
144
145	return {
146	'scene_count': len(scene_lengths),
147	'avg_scene_length': sum(scene_lengths) / len(scene_lengths),
148	'length_variance': calculate_variance(scene_lengths),
149	'rhythm_score': calculate_rhythm_score(scene_lengths)
150	}
151	```
152
153	理想指标：
154	- 场景数：7-10个/集
155	- 平均场景长度：100-150字
156	- 长度方差：适中（有变化但不极端）
157
158	## 对比分析
159
160	### Step 1: 统计生成剧本
161
162	```python
163	generated_style = {
164	'sentence': analyze_sentence_length(generated_script),
165	'dialogue': analyze_dialogue_ratio(generated_script),
166	'visual': analyze_visual_markers(generated_script),
167	'wanwen': analyze_wanwen_keywords(generated_script),
168	'rhythm': analyze_rhythm(generated_script)
169	}
170	```
171
172	### Step 2: 统计参考剧本
173
174	```python
175	reference_styles = [
176	{
177	'sentence': analyze_sentence_length(ref),
178	'dialogue': analyze_dialogue_ratio(ref),
179	'visual': analyze_visual_markers(ref),
180	'wanwen': analyze_wanwen_keywords(ref),
181	'rhythm': analyze_rhythm(ref)
182	}
183	for ref in reference_scripts
184	]
185
186	# 计算平均值
187	reference_avg = average(reference_styles)
188	```
189
190	### Step 3: 对比并生成报告
191
192	```python
193	report = {
194	'sentence_analysis': compare_sentence(generated_style, reference_avg),
195	'dialogue_analysis': compare_dialogue(generated_style, reference_avg),
196	'visual_analysis': compare_visual(generated_style, reference_avg),
197	'wanwen_analysis': compare_wanwen(generated_style, reference_avg),
198	'rhythm_analysis': compare_rhythm(generated_style, reference_avg)
199	}
200	```
201
202	## 输出格式
203
204	```markdown
205	【风格分析报告】
206
207	## 1. 句长分析
208
209	生成剧本：
210	- 平均句长：18字符 ⚠️
211	- 短句比例：20% ⚠️
212	- 中句比例：60% ✓
213	- 长句比例：20% ⚠️
214
215	参考剧本：
216	- 平均句长：12字符
217	- 短句比例：35%
218	- 中句比例：55%
219	- 长句比例：10%

People who liked this also viewed

6 picks

Type

find-skillsHelps users discover and install agent skills when they ask questions like "how do I do X", "find a skill for X", "is there a skill that can...", or express interest in extending capabilities. This skSkillsJul 20262.6M27k
grill-meA relentless interview to sharpen a plan or design.SkillsJul 2026633k182k
vercel-react-best-practicesVercel's official collection of agent skillsSkillsJul 2026573k29k
improve-codebase-architectureScan a codebase for deepening opportunities, present them as a visual HTML report, then grill through whichever one you pick.SkillsJul 2026522k182k
setup-matt-pocock-skillsConfigure this repo for the engineering skills — set up its issue tracker, triage label vocabulary, and domain doc layout. Run once before first use of the other engineering skills.SkillsJul 2026454k182k
triageMove issues and external PRs through a state machine of triage roles — categorise, verify, grill if needed, and write agent-ready briefs.SkillsJul 2026424k182k

style-analysis-skill

115stars28forks

View on GitHub

How to install style-analysis-skill?

supreme-ultimate/novel-to-script-team/style-analysis-skill

$npx -y skills add Supreme-Ultimate/novel-to-script-team --skill style-analysis-skill

Installs into the current project.

Summary

风格分析技能。分析生成剧本的语言风格，对比爆款剧本，确保网文感和可读性。

Files · 1

View on GitHub

SKILL.md

1	# 风格分析技能
2
3	## 必读
4
5	1. `../../references/00-first-principles.md` — 第一性原则（可拍性、留存性）
6	2. `../../references/03-script-writing-standard.md` — 剧本写作标准（句长、对话比、视觉标记、网文感关键词）
7	3. `../../references/12-genre-specific-techniques.md` — 类型化技巧（男频/女频风格差异）
8
9	## 功能
10
11	深度分析剧本的语言风格，确保生成的剧本具有网文感、节奏感和可读性。
12
13	## 分析维度
14
15	### 1. 句长分析
16
17	统计方法：
18	```python
19	import re
20
21	def analyze_sentence_length(script):
22	# 按句号、问号、感叹号分句
23	sentences = re.split(r'[。！？]', script)
24	sentences = [s.strip() for s in sentences if s.strip()]
25
26	lengths = [len(s) for s in sentences]
27
28	return {
29	'avg_length': sum(lengths) / len(lengths),
30	'short_ratio': len([l for l in lengths if l < 10]) / len(lengths),
31	'medium_ratio': len([l for l in lengths if 10 <= l < 20]) / len(lengths),
32	'long_ratio': len([l for l in lengths if l >= 20]) / len(lengths)
33	}
34	```
35
36	理想指标：
37	- 平均句长：10-14字符
38	- 短句比例（<10字符）：30-40%
39	- 中句比例（10-20字符）：50-60%
40	- 长句比例（≥20字符）：<10%
41
42	### 2. 对话比分析
43
44	统计方法：
45	```python
46	def analyze_dialogue_ratio(script):
47	# 识别对话（引号内的内容）
48	dialogues = re.findall(r'[「『""]([^」』""]+)[」』""]', script)
49	dialogue_chars = sum(len(d) for d in dialogues)
50	total_chars = len(script)
51
52	return {
53	'dialogue_ratio': dialogue_chars / total_chars,
54	'dialogue_count': len(dialogues),
55	'avg_dialogue_length': dialogue_chars / len(dialogues) if dialogues else 0
56	}
57	```
58
59	理想指标：
60	- 对话比：70-80%
61	- 对话数量：每1000字15-25条
62	- 平均对话长度：20-40字符
63
64	### 3. 视觉标记分析
65
66	视觉标记列表：
67	```python
68	visual_markers = {
69	'表情': ['冷笑', '嗤笑', '冷哼', '微笑', '狞笑', '苦笑'],
70	'眼神': ['眼神一冷', '眸光一沉', '目光如炬', '眼中闪过', '瞳孔一缩'],
71	'动作': ['嘴角勾起', '挑眉', '皱眉', '咬牙', '握拳', '转身'],
72	'气场': ['气势汹汹', '霸气侧漏', '冷气逼人', '杀气腾腾']
73	}
74	```
75
76	统计方法：
77	```python
78	def analyze_visual_markers(script):
79	all_markers = []
80	for category, markers in visual_markers.items():
81	all_markers.extend(markers)
82
83	marker_count = sum(script.count(marker) for marker in all_markers)
84	chars_per_100 = len(script) / 100
85
86	return {
87	'markers_per_100': marker_count / chars_per_100,
88	'marker_distribution': {
89	category: sum(script.count(m) for m in markers)
90	for category, markers in visual_markers.items()
91	}
92	}
93	```
94
95	理想指标：
96	- 视觉标记密度：3-5个/100字
97	- 分布均衡：各类标记都有使用
98
99	### 4. 网文感关键词分析
100
101	网文感关键词：
102	```python
103	wanwen_keywords = {
104	'情绪强化': ['冷笑', '嗤笑', '冷哼', '冷声', '冷冷地'],
105	'态度词': ['不屑', '轻蔑', '讥讽', '嘲讽', '鄙夷'],
106	'气场词': ['霸气', '强势', '凌厉', '锐利', '凛然'],
107	'反转词': ['没想到', '竟然', '居然', '原来', '突然'],
108	'打脸词': ['啪啪打脸', '狠狠打脸', '当场打脸', '脸色一变']
109	}
110	```
111
112	统计方法：
113	```python
114	def analyze_wanwen_keywords(script):
115	all_keywords = []
116	for category, keywords in wanwen_keywords.items():
117	all_keywords.extend(keywords)
118
119	keyword_count = sum(script.count(kw) for kw in all_keywords)
120	chars_per_100 = len(script) / 100
121
122	return {
123	'keywords_per_100': keyword_count / chars_per_100,
124	'keyword_distribution': {
125	category: sum(script.count(kw) for kw in keywords)
126	for category, keywords in wanwen_keywords.items()
127	}
128	}
129	```
130
131	理想指标：
132	- 网文感关键词：1.5-2.5个/100字
133	- 分布：情绪强化词最多，其他均衡
134
135	### 5. 节奏感分析
136
137	统计方法：
138	```python
139	def analyze_rhythm(script):
140	# 按场景分割
141	scenes = re.split(r'场景\d+\|第\d+场', script)
142
143	scene_lengths = [len(s) for s in scenes if s.strip()]
144
145	return {
146	'scene_count': len(scene_lengths),
147	'avg_scene_length': sum(scene_lengths) / len(scene_lengths),
148	'length_variance': calculate_variance(scene_lengths),
149	'rhythm_score': calculate_rhythm_score(scene_lengths)
150	}
151	```
152
153	理想指标：
154	- 场景数：7-10个/集
155	- 平均场景长度：100-150字
156	- 长度方差：适中（有变化但不极端）
157
158	## 对比分析
159
160	### Step 1: 统计生成剧本
161
162	```python
163	generated_style = {
164	'sentence': analyze_sentence_length(generated_script),
165	'dialogue': analyze_dialogue_ratio(generated_script),
166	'visual': analyze_visual_markers(generated_script),
167	'wanwen': analyze_wanwen_keywords(generated_script),
168	'rhythm': analyze_rhythm(generated_script)
169	}
170	```
171
172	### Step 2: 统计参考剧本
173
174	```python
175	reference_styles = [
176	{
177	'sentence': analyze_sentence_length(ref),
178	'dialogue': analyze_dialogue_ratio(ref),
179	'visual': analyze_visual_markers(ref),
180	'wanwen': analyze_wanwen_keywords(ref),
181	'rhythm': analyze_rhythm(ref)
182	}
183	for ref in reference_scripts
184	]
185
186	# 计算平均值
187	reference_avg = average(reference_styles)
188	```
189
190	### Step 3: 对比并生成报告
191
192	```python
193	report = {
194	'sentence_analysis': compare_sentence(generated_style, reference_avg),
195	'dialogue_analysis': compare_dialogue(generated_style, reference_avg),
196	'visual_analysis': compare_visual(generated_style, reference_avg),
197	'wanwen_analysis': compare_wanwen(generated_style, reference_avg),
198	'rhythm_analysis': compare_rhythm(generated_style, reference_avg)
199	}
200	```
201
202	## 输出格式
203
204	```markdown
205	【风格分析报告】
206
207	## 1. 句长分析
208
209	生成剧本：
210	- 平均句长：18字符 ⚠️
211	- 短句比例：20% ⚠️
212	- 中句比例：60% ✓
213	- 长句比例：20% ⚠️
214
215	参考剧本：
216	- 平均句长：12字符
217	- 短句比例：35%
218	- 中句比例：55%
219	- 长句比例：10%

People who liked this also viewed

6 picks

Type