narrative-to-screen-reader

Name: narrative-to-screen-reader
Author: zhlmi

111stars12forks

How to install narrative-to-screen-reader?

zhlmi/narrative-to-screen-reader/narrative-to-screen-reader

$npx -y skills add zhlmi/narrative-to-screen-reader --skill narrative-to-screen-reader

Installs into the current project.

Summary

将叙事文本转化为影视开发阶段可用的多用途读本。适用于长会话角色扮演记录、短篇小说、中长篇片段、剧情大纲、剧本初稿、互动叙事等；当用户要求"剧本解读、演员读本、导演阐述、影视化分析、改编分析、短篇小说转影视开发文档、故事转剧本前置分析、给演员/编剧/导演/制片看的分析、AI 剧本化提示包"等任务时触发。输出可按目标受众区分：完整开发读本、演员读本、编剧改编读本、导演视听读本、制片摘要、AI 剧本化提示包、快速诊断。

Files · 1

View on GitHub

SKILL.md

1	# Narrative to Screen Reader
2
3	## 两个基础认知
4
5	> 第一：先有故事，才有后续开发。
6	> 没有人物动机、冲突、场景，只有概念宣言或情绪堆砌的文本，不具备影视开发基础。快速诊断是所有输出的第一步。
7
8	> 第二：不是所有文本都能直接影视化。
9	> 有些文本核心成立但骨架太薄；有些有情绪但缺人物；有些只是场景序列；有些内容不可开发。A/B/C/D/D0 诊断等级就是对这一点的判断。
10
11	这个 Skill 的工作是：先判断文本到了哪一步，再告诉用户下一步能做什么、不能做什么。
12
13	---
14
15	把叙事文本转成影视开发读本。不是复述剧情，也不是直接改写剧本，而是先读懂文本，再把人物、潜台词、动作、物件、空间、视听母题和剧本化风险翻译成影视开发语言。
16
17	## 最高原则
18
19	1. 基于原文证据：先读原文，不凭记忆、套路或摘要下结论。长文本分批读取并提取关键节点。
20	2. 事实、推断、建议分层：区分原文事实、基于原文的强推断、影视化建议；不要把推演写成事实。
21	3. 解读优先，不急改写：这是影视开发前置分析，不是正式剧本化。
22	4. 按文本类型调整策略：长会话、小说、大纲、剧本初稿、片段、互动文本使用不同重点。长会话/对话体要先做场景转译，再判断人物厚度是否不均。
23	5. 按目标受众调整输出：演员、编剧、导演、制片、AI 的需要不同。重要配角原则上不单独输出读本，而合并进完整开发读本、编剧改编读本和 AI 提示包中处理其功能与必要性。
24	6. 解释"为什么"：重点分析角色为什么这么说、为什么不说、为什么这样做、为什么不做。
25	7. 抓物件链与动作链：反复出现并被终局回收的物件/动作通常是影视化骨架。
26	8. 正式输出必须落成 Markdown 文件：完整开发读本、演员读本、编剧读本、导演读本、制片摘要、AI 剧本化提示包、快速诊断等正式文档一律写入 `.md`；会话中只给摘要和链接。
27
28	## 默认工作流
29
30	1. 先告诉用户正在做什么：收到文本后，先说明"我会先读故事，再做快速诊断，判断它适合进入哪一步"。
31	2. 长文本分批读取（仅 >50KB 时触发）：按下方「长文本分批协议」执行，全部读完后再进入诊断。
32	3. 先做快速诊断：无论用户点名要哪个模块，默认先输出快速诊断。扫描原文证据：提取主要人物、关键场景、关键台词、物件链、动作链、空间链、关系转折与终局。若是对话体/长会话，先把轮次转成戏剧单元，再判断是否存在"核心对象厚、参与者角色薄"的情况。
33	4. 🔴 CHECKPOINT（强制暂停）：诊断完成后，必须展示诊断结果并等待用户确认，才能继续生成任何正式读本。禁止自动连续输出多个模块。唯一例外：用户在对话中已明确说"诊断完直接出 XX 读本"；或 D0 级终止（无需确认）。
34	5. 按路由表加载 references 并推荐模块：根据诊断等级，按下方「诊断→Reference 加载路由表」加载对应 reference 文件，然后向用户推荐下一步模块。
35	6. A 级文本推荐顺序：默认先出完整开发读本作为母文档；若文本复杂（群像 / 长篇 / 强设定 / 行业剧），建议接着出编剧改编读本；演员读本、导演视听读本、制片摘要可按目标异步输出；AI 剧本化提示包建议最后生成。
36	7. 默认不直接全套输出：即使用户一开始要求"全部模块"，也先快速诊断并说明推荐顺序；除非文本已评级为 A 且用户明确确认需要整套交付，否则不建议一口气生成全部模块。
37	8. 生成目标读本：按受众输出相应文档。
38	9. 写入 Markdown 文件：将正式文档保存为 `.md` 文件；会话中只返回诊断摘要、输出清单和文件链接。
39
40	---
41
42	## 🔴 CHECKPOINT 规则
43
44	在快速诊断完成之后、生成任何正式读本之前，必须暂停并等待用户确认。
45
46	执行方式：
47	- 展示完整诊断结果（等级、核心判断、推荐模块、不建议模块）；
48	- 明确询问用户："你想先做哪个模块？"或"确认后我继续生成推荐的模块"；
49	- 禁止在未收到用户回复的情况下自动进入 Step 8。
50
51	唯一例外：
52	- 用户在本次对话中已明确指定"诊断完直接出 XX 读本"；
53	- D0 级终止（无需确认，直接输出终止说明）。
54
55	---
56
57	## 诊断→Reference 加载路由表
58
59	快速诊断完成后，根据等级加载对应 reference 文件。不要一次性加载全部 references。
60
61	\| 诊断等级 \| 推荐加载的 references \| 说明 \|
62	\|:---\|:---\|:---\|
63	\| A \| `full-development-reader.md` → 按需加载 `actor-reader.md` / `director-visual-reader.md` / `producer-brief.md` / `ai-screenplay-prompt-pack.md` \| 完整开发读本优先作为母文档；若文本复杂，追加 `screenwriter-adaptation-reader.md` \|
64	\| B \| `screenwriter-adaptation-reader.md` + `character-reinforcement.md`（如需补强） \| 先补结构/人物，再考虑完整开发读本 \|
65	\| C \| `screenwriter-adaptation-reader.md`（开发路径判断版）或 `producer-brief.md` \| 先定开发入口，不做完整读本 \|
66	\| D \| `quick-diagnosis-guide.md`（最小重构方案部分） \| 只做开发诊断，不加载正式读本 reference \|
67	\| D0 \| 不加载任何 reference \| 立即终止，只输出终止说明 \|
68
69	跨模块串联时的上下文管理：
70	- 当从完整开发读本继续拆演员/导演/制片模块时，可卸载已完成的 reference 以释放上下文；
71	- `quality-control.md` 和 `file-output-rules.md` 在任何正式输出生成时都应保持加载；
72	- 如果上下文窗口不足以同时加载多个 reference，优先保留当前任务对应的 reference，其余可在下一轮重新加载。
73
74	---
75
76	## 长文本分批协议
77
78	当输入文本 >50KB 时，执行以下分批策略：
79
80	1. 分批读取：每批约 30-40KB，逐批读完。
81	2. 内部记录：每批读完后，在内部记录关键节点（人物出场、关系转折、物件出现/回收、场景转换、情绪高点）。不要在每批读完后向用户汇报进度。
82	3. 全部读完后先输出文本概览：一句话核心 + 主要人物列表 + 关键场景列表（≤500 字），让用户确认理解无误。
83	4. 然后进入快速诊断：基于完整文本概览和内部记录执行诊断。
84
85	极端输入处理：
86	- <500 字的极短文本：跳过完整诊断流程，直接做"最小开发可行性判断"（≤300 字），告知用户当前文本是否足以支撑任何读本，如不足则给出具体补写建议。
87	- >200KB 的超长文本：先询问用户是否有明确的分析范围（如"只看第三幕""只看某两个角色的线"），避免无差别全文分析导致上下文溢出。如用户坚持全文分析，按分批协议执行，并在诊断中标注"因文本过长，部分细节可能未充分覆盖"。
88
89	## 支持的输出模式
90
91	- 完整开发读本：总体判断、角色档案、关系读本、逐场解读、潜台词表、动作词典、物件链、空间与视听母题、终局判断、第三步提示，并可附"重要配角功能表"。
92	- 演员读本：回答"这个人怎么活着、怎么说话、怎么防、怎么靠近、最容易演错成什么"。内容包括角色核心矛盾、外在行为、说话方式、情绪弧线、关键台词潜台词、动作含义、不能演错的地方；必要时区分"标准演员读本"和"补强型演员读本"。
93	- 编剧改编读本：回答"该从哪里切进去改、哪些不能动、哪些要扩成戏"。内容包括结构拆解、必须保留/可合并/可删减内容、内心戏转动作、对白保留、改编风险、剧本化清单，并判断重要配角的保留、合并和距离设计。
94	- 导演视听读本：回答"这个故事真正该拍的是什么、哪些必须交给镜头和声音、最容易被怎么拍坏"。内容包括视觉母题、空间、光线、声音、色彩、物件特写、空镜、节奏和镜头可能性。
95	- 制片摘要：回答"这个故事作为项目值不值得做、适合做成什么、最值钱的地方是什么、最容易怎么死"。内容包括一句话定位、类型卖点、受众、制作规模、成本敏感点、风险。
96	- AI 剧本化提示包：第三阶段 Agent 的主控规范。回答"该怎么写、哪些绝不能写错、冲突时以谁为准"。内容包括输入优先级、不可改项、角色规则、场景/物件/配角约束、禁止方向、格式要求与最终执行 Prompt。
97	- 快速诊断：1000-2000 字内给出 A/B/C/D/D0 诊断等级，判断核心、人物是否成立、最强物件/台词、改编风险、是否适合生成读本；明确当前重心、最危险的误开发方式、最值得先保住的东西，并推荐接下来最适合输出哪些模块、不建议现在做哪些模块；若不适合继续，则给出补写或重构建议。
98
99	详细格式见 `references/output-modes.md`。
100
101	## 输入类型判断
102
103	- 长会话记录：先整理主线，合并重复推进，提取自然生成的节点。重点抓已读/不回、时间戳、停顿、用户动作、环境描写。
104	- 短篇小说：重点分析文学意象如何转视听，内心独白如何转动作，叙述视角是否需要调整。
105	- 中长篇片段：标注不确定信息，不擅自补全上下文，输出待补清单。
106	- 大纲/梗概：做开发诊断，找动机缺口、场景缺口、物件与母题不足，不强行生成完整演员读本。
107	- 剧本初稿：分析场景功能、人物行动线、台词潜台词、节奏和可拍性。
108	- 互动/游戏文本：识别主路径、分支节点、玩家选择对角色关系的意义。
109
110	详细策略见 `references/input-types.md`。
111
112	## 分析雷达
113
114	内部检查以下维度，按任务需要展开：
115
116	1. 人物防御机制
117	2. 人物爱语 / 表达方式
118	3. 物件链
119	4. 空间链
120	5. 台词表层与潜台词
121	6. 沉默、停顿、没有发生的动作
122	7. 动作与身体反应
123	8. 时间结构
124	9. 视听母题：声音、光、颜色、气味
125	10. 关系转折点
126	11. 终局自然性
127	12. 人物厚度差异（长会话专用）：判断是否存在"核心对象更厚、参与者角色更薄"的情况，决定是否需要补强型读本。
128	13. 文本收束状态：判断故事是否停在正确的位置——未收束（没写完）或过度延展（该停没停）。
129
130	详细说明见 `references/analysis-radar.md`。
131
132	## 输出要求
133
134	- 不要只写剧情梗概。
135	- 每个重要判断尽量对应原文证据或可定位的文本细节。
136	- 对关键台词，写出"表层意思 / 潜台词 / 表演方式"。
137	- 对关键物件，写出"首次功能 / 后续意义 / 影视化处理"。
138	- 对关键动作，写出"角色心理 / 演员处理 / 镜头处理

People who liked this also viewed

6 picks

Type

narrative-to-screen-reader

111stars12forks

View on GitHub

How to install narrative-to-screen-reader?

zhlmi/narrative-to-screen-reader/narrative-to-screen-reader

$npx -y skills add zhlmi/narrative-to-screen-reader --skill narrative-to-screen-reader

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# Narrative to Screen Reader
2
3	## 两个基础认知
4
5	> 第一：先有故事，才有后续开发。
6	> 没有人物动机、冲突、场景，只有概念宣言或情绪堆砌的文本，不具备影视开发基础。快速诊断是所有输出的第一步。
7
8	> 第二：不是所有文本都能直接影视化。
9	> 有些文本核心成立但骨架太薄；有些有情绪但缺人物；有些只是场景序列；有些内容不可开发。A/B/C/D/D0 诊断等级就是对这一点的判断。
10
11	这个 Skill 的工作是：先判断文本到了哪一步，再告诉用户下一步能做什么、不能做什么。
12
13	---
14
15	把叙事文本转成影视开发读本。不是复述剧情，也不是直接改写剧本，而是先读懂文本，再把人物、潜台词、动作、物件、空间、视听母题和剧本化风险翻译成影视开发语言。
16
17	## 最高原则
18
19	1. 基于原文证据：先读原文，不凭记忆、套路或摘要下结论。长文本分批读取并提取关键节点。
20	2. 事实、推断、建议分层：区分原文事实、基于原文的强推断、影视化建议；不要把推演写成事实。
21	3. 解读优先，不急改写：这是影视开发前置分析，不是正式剧本化。
22	4. 按文本类型调整策略：长会话、小说、大纲、剧本初稿、片段、互动文本使用不同重点。长会话/对话体要先做场景转译，再判断人物厚度是否不均。
23	5. 按目标受众调整输出：演员、编剧、导演、制片、AI 的需要不同。重要配角原则上不单独输出读本，而合并进完整开发读本、编剧改编读本和 AI 提示包中处理其功能与必要性。
24	6. 解释"为什么"：重点分析角色为什么这么说、为什么不说、为什么这样做、为什么不做。
25	7. 抓物件链与动作链：反复出现并被终局回收的物件/动作通常是影视化骨架。
26	8. 正式输出必须落成 Markdown 文件：完整开发读本、演员读本、编剧读本、导演读本、制片摘要、AI 剧本化提示包、快速诊断等正式文档一律写入 `.md`；会话中只给摘要和链接。
27
28	## 默认工作流
29
30	1. 先告诉用户正在做什么：收到文本后，先说明"我会先读故事，再做快速诊断，判断它适合进入哪一步"。
31	2. 长文本分批读取（仅 >50KB 时触发）：按下方「长文本分批协议」执行，全部读完后再进入诊断。
32	3. 先做快速诊断：无论用户点名要哪个模块，默认先输出快速诊断。扫描原文证据：提取主要人物、关键场景、关键台词、物件链、动作链、空间链、关系转折与终局。若是对话体/长会话，先把轮次转成戏剧单元，再判断是否存在"核心对象厚、参与者角色薄"的情况。
33	4. 🔴 CHECKPOINT（强制暂停）：诊断完成后，必须展示诊断结果并等待用户确认，才能继续生成任何正式读本。禁止自动连续输出多个模块。唯一例外：用户在对话中已明确说"诊断完直接出 XX 读本"；或 D0 级终止（无需确认）。
34	5. 按路由表加载 references 并推荐模块：根据诊断等级，按下方「诊断→Reference 加载路由表」加载对应 reference 文件，然后向用户推荐下一步模块。
35	6. A 级文本推荐顺序：默认先出完整开发读本作为母文档；若文本复杂（群像 / 长篇 / 强设定 / 行业剧），建议接着出编剧改编读本；演员读本、导演视听读本、制片摘要可按目标异步输出；AI 剧本化提示包建议最后生成。
36	7. 默认不直接全套输出：即使用户一开始要求"全部模块"，也先快速诊断并说明推荐顺序；除非文本已评级为 A 且用户明确确认需要整套交付，否则不建议一口气生成全部模块。
37	8. 生成目标读本：按受众输出相应文档。
38	9. 写入 Markdown 文件：将正式文档保存为 `.md` 文件；会话中只返回诊断摘要、输出清单和文件链接。
39
40	---
41
42	## 🔴 CHECKPOINT 规则
43
44	在快速诊断完成之后、生成任何正式读本之前，必须暂停并等待用户确认。
45
46	执行方式：
47	- 展示完整诊断结果（等级、核心判断、推荐模块、不建议模块）；
48	- 明确询问用户："你想先做哪个模块？"或"确认后我继续生成推荐的模块"；
49	- 禁止在未收到用户回复的情况下自动进入 Step 8。
50
51	唯一例外：
52	- 用户在本次对话中已明确指定"诊断完直接出 XX 读本"；
53	- D0 级终止（无需确认，直接输出终止说明）。
54
55	---
56
57	## 诊断→Reference 加载路由表
58
59	快速诊断完成后，根据等级加载对应 reference 文件。不要一次性加载全部 references。
60
61	\| 诊断等级 \| 推荐加载的 references \| 说明 \|
62	\|:---\|:---\|:---\|
63	\| A \| `full-development-reader.md` → 按需加载 `actor-reader.md` / `director-visual-reader.md` / `producer-brief.md` / `ai-screenplay-prompt-pack.md` \| 完整开发读本优先作为母文档；若文本复杂，追加 `screenwriter-adaptation-reader.md` \|
64	\| B \| `screenwriter-adaptation-reader.md` + `character-reinforcement.md`（如需补强） \| 先补结构/人物，再考虑完整开发读本 \|
65	\| C \| `screenwriter-adaptation-reader.md`（开发路径判断版）或 `producer-brief.md` \| 先定开发入口，不做完整读本 \|
66	\| D \| `quick-diagnosis-guide.md`（最小重构方案部分） \| 只做开发诊断，不加载正式读本 reference \|
67	\| D0 \| 不加载任何 reference \| 立即终止，只输出终止说明 \|
68
69	跨模块串联时的上下文管理：
70	- 当从完整开发读本继续拆演员/导演/制片模块时，可卸载已完成的 reference 以释放上下文；
71	- `quality-control.md` 和 `file-output-rules.md` 在任何正式输出生成时都应保持加载；
72	- 如果上下文窗口不足以同时加载多个 reference，优先保留当前任务对应的 reference，其余可在下一轮重新加载。
73
74	---
75
76	## 长文本分批协议
77
78	当输入文本 >50KB 时，执行以下分批策略：
79
80	1. 分批读取：每批约 30-40KB，逐批读完。
81	2. 内部记录：每批读完后，在内部记录关键节点（人物出场、关系转折、物件出现/回收、场景转换、情绪高点）。不要在每批读完后向用户汇报进度。
82	3. 全部读完后先输出文本概览：一句话核心 + 主要人物列表 + 关键场景列表（≤500 字），让用户确认理解无误。
83	4. 然后进入快速诊断：基于完整文本概览和内部记录执行诊断。
84
85	极端输入处理：
86	- <500 字的极短文本：跳过完整诊断流程，直接做"最小开发可行性判断"（≤300 字），告知用户当前文本是否足以支撑任何读本，如不足则给出具体补写建议。
87	- >200KB 的超长文本：先询问用户是否有明确的分析范围（如"只看第三幕""只看某两个角色的线"），避免无差别全文分析导致上下文溢出。如用户坚持全文分析，按分批协议执行，并在诊断中标注"因文本过长，部分细节可能未充分覆盖"。
88
89	## 支持的输出模式
90
91	- 完整开发读本：总体判断、角色档案、关系读本、逐场解读、潜台词表、动作词典、物件链、空间与视听母题、终局判断、第三步提示，并可附"重要配角功能表"。
92	- 演员读本：回答"这个人怎么活着、怎么说话、怎么防、怎么靠近、最容易演错成什么"。内容包括角色核心矛盾、外在行为、说话方式、情绪弧线、关键台词潜台词、动作含义、不能演错的地方；必要时区分"标准演员读本"和"补强型演员读本"。
93	- 编剧改编读本：回答"该从哪里切进去改、哪些不能动、哪些要扩成戏"。内容包括结构拆解、必须保留/可合并/可删减内容、内心戏转动作、对白保留、改编风险、剧本化清单，并判断重要配角的保留、合并和距离设计。
94	- 导演视听读本：回答"这个故事真正该拍的是什么、哪些必须交给镜头和声音、最容易被怎么拍坏"。内容包括视觉母题、空间、光线、声音、色彩、物件特写、空镜、节奏和镜头可能性。
95	- 制片摘要：回答"这个故事作为项目值不值得做、适合做成什么、最值钱的地方是什么、最容易怎么死"。内容包括一句话定位、类型卖点、受众、制作规模、成本敏感点、风险。
96	- AI 剧本化提示包：第三阶段 Agent 的主控规范。回答"该怎么写、哪些绝不能写错、冲突时以谁为准"。内容包括输入优先级、不可改项、角色规则、场景/物件/配角约束、禁止方向、格式要求与最终执行 Prompt。
97	- 快速诊断：1000-2000 字内给出 A/B/C/D/D0 诊断等级，判断核心、人物是否成立、最强物件/台词、改编风险、是否适合生成读本；明确当前重心、最危险的误开发方式、最值得先保住的东西，并推荐接下来最适合输出哪些模块、不建议现在做哪些模块；若不适合继续，则给出补写或重构建议。
98
99	详细格式见 `references/output-modes.md`。
100
101	## 输入类型判断
102
103	- 长会话记录：先整理主线，合并重复推进，提取自然生成的节点。重点抓已读/不回、时间戳、停顿、用户动作、环境描写。
104	- 短篇小说：重点分析文学意象如何转视听，内心独白如何转动作，叙述视角是否需要调整。
105	- 中长篇片段：标注不确定信息，不擅自补全上下文，输出待补清单。
106	- 大纲/梗概：做开发诊断，找动机缺口、场景缺口、物件与母题不足，不强行生成完整演员读本。
107	- 剧本初稿：分析场景功能、人物行动线、台词潜台词、节奏和可拍性。
108	- 互动/游戏文本：识别主路径、分支节点、玩家选择对角色关系的意义。
109
110	详细策略见 `references/input-types.md`。
111
112	## 分析雷达
113
114	内部检查以下维度，按任务需要展开：
115
116	1. 人物防御机制
117	2. 人物爱语 / 表达方式
118	3. 物件链
119	4. 空间链
120	5. 台词表层与潜台词
121	6. 沉默、停顿、没有发生的动作
122	7. 动作与身体反应
123	8. 时间结构
124	9. 视听母题：声音、光、颜色、气味
125	10. 关系转折点
126	11. 终局自然性
127	12. 人物厚度差异（长会话专用）：判断是否存在"核心对象更厚、参与者角色更薄"的情况，决定是否需要补强型读本。
128	13. 文本收束状态：判断故事是否停在正确的位置——未收束（没写完）或过度延展（该停没停）。
129
130	详细说明见 `references/analysis-radar.md`。
131
132	## 输出要求
133
134	- 不要只写剧情梗概。
135	- 每个重要判断尽量对应原文证据或可定位的文本细节。
136	- 对关键台词，写出"表层意思 / 潜台词 / 表演方式"。
137	- 对关键物件，写出"首次功能 / 后续意义 / 影视化处理"。
138	- 对关键动作，写出"角色心理 / 演员处理 / 镜头处理

People who liked this also viewed

6 picks

Type