novel-orchestrator

用于长篇网络小说协作生产与流程统筹。适用于写章节、续写、重写、救文、审稿、分卷规划、长线结构调整,以及任何需要在 manager、planner、writer、checker 之间进行任务路由、协作编排、返修闭环和阶段推进的小说任务。当用户要求创建小说agent、初始化小说工作流、设置小说创作环境时,使用此skill自动创建writer/checker/planner/manager四个agent。

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "novel-orchestrator" with this command: npx skills add naitoah/novel-orchestrator

Novel Orchestrator

将这个 skill 用作长篇网络小说的总控流程层,而不是角色人格层。

核心原则

  • 让 skill 负责总控;不要把固定协作链写回各 agent 的人格文件。
  • 默认优先直接路由;只有在任务明确需要时才升级为多角色协作。
  • checker 负责审查、定级、提出修改意见和做通过判断,不直接承担正文改写职责。
  • 需要返修时,默认由 writer 根据审查意见完成修改,再回到审查环节复核。
  • manager 是统筹角色,不是所有任务的必经入口。

默认角色

manager

  • 负责跨角色统筹、阶段推进、结果汇总与冲突处理。
  • 不是所有任务的默认入口。
  • 只在任务明确需要多角色协作、阶段收口或结果汇总时介入。

planner

  • 负责方向设计、结构拆解、分卷规划、章节目标与长线推进。
  • 负责把模糊需求整理成可执行的写作方案。
  • 负责主线、支线、伏笔、回收点、阶段节奏与多章推进设计。
  • 在大修、救文、长线调整或多章连续产出任务中优先介入。
  • 不直接写正文,不直接审稿,不做通过/不通过判断。
  • 产物是可执行的结构方案,而不是正文或审稿报告。

writer

  • 负责正文生产、续写、改写、重写与返修落地。
  • 仅可进行字数自审,不承担其他维度的自审职责。
  • 字数必须通过 Python 脚本统计,且统计口径默认包含符号在内。
  • 同一章节中,最多进行 2 次返修;连同初稿在内,单章最多写 3 次。

checker

  • 负责质量审查、问题分级、修改建议与是否通过的最终判断。
  • 不直接承担正文改写职责。
  • 当稿件需要返修时,只负责指出问题与判定标准,不代替 writer 落正文。
  • 当任务进入正式审查环节后,对当前稿件是否通过拥有最终判断权。
  • 如果单章在 2 次返修后仍未通过,输出最终审查报告,并提示用户介入审查与决策。

当前已定规则

  • checker 审完后,不自己改稿。
  • 返修默认交回 writer
  • 改稿完成后,重新进入审查环节。
  • 不默认引入独立的改稿角色。
  • planner 是结构与推进设计角色,不是正文写作角色,也不是最终审查角色。

默认直接路由

  • 明确要写章节、续写、改写、重写、扩写正文时,默认路由给 writer
  • 明确要做分卷规划、大纲设计、结构拆解、章节推进与长线规划时,默认路由给 planner
  • 明确要审稿、判断问题、给修改意见、判断是否通过时,默认路由给 checker
  • 明确要统筹流程、汇总结果、判断下一步、拉通多角色任务时,优先启用 manager
  • 如果用户请求同时包含规划、写作、审查、返修或验收等跨阶段目标,不直接只路由给单个角色,而是由 skill 判断是否升级为协作流程。

强制升级为协作流程

遇到以下情况时,不按单角色直接路由处理,而是升级为协作流程:

  • 用户明确要求最终可用、可发、可交付的结果。
  • 用户明确要求重写、大修、救文或整体拉升已有内容。
  • 用户明确要求最终审定、最终结论或是否通过的判断。
  • 用户要求把模糊想法直接落成章节成品。
  • 用户明确要求由 skill 统筹整个过程。
  • 用户要求连续写多章、批量产出若干章,或要求完成到指定章节数量为止;这类任务默认进入完整闭环,持续推进到达到用户要求的数量或用户中途调整目标为止。

最小协作骨架

  • 从想法、目标或模糊需求直接落成章节时,默认流程为 planner → writer → checker
  • 当写作任务已经足够明确时,默认流程为 writer → checker
  • 涉及返修时,默认流程为 checker → writer → checker
  • planner 只在任务方向、章节目标、结构路径尚不清晰,或任务明确涉及规划与拆解时优先介入;不要机械地插入到每一次写作任务之前。
  • 当任务涉及跨阶段统筹、跨章节推进、结果汇总或角色冲突处理时,再按需启用 manager

审查与返修规则

  • 当任务进入正式审查环节后,checker 对当前稿件是否通过拥有最终判断权。
  • writer 负责落地修改,planner 负责结构与方案支持,但不能替代 checker 对成稿质量的放行判断。
  • checker 的最终判断权仅限于当前稿件的审查结论,不自动扩展为对项目方向、规划目标或创作策略的全面裁决权。
  • 同一章节中,writer 最多进行 2 次返修;连同初稿在内,单章最多写 3 次。
  • 如果单章在 2 次返修后仍未通过,不再继续让 writer 返修,而是由 checker 输出最终审查报告,并提示用户介入审查与决策。
  • writer 仅可进行字数自审,不承担其他维度的自审职责。
  • 字数必须通过 Python 脚本统计,且统计口径默认包含符号在内。

写作方式

  • 保持 SKILL.md 简短,只放总控规则、角色选择原则和流程骨架。
  • 更细的路由规则、角色边界、交付规范,拆到 references/ 里逐步补充。
  • 每次对话只写入当前已经确认的规则,不预写未确认内容。

Agent 配置向导

触发语句

当用户说以下任意一句时,启动配置向导:

  • "配置小说agent"
  • "创建小说agent"
  • "初始化小说工作流"
  • "设置小说创作环境"

配置流程

执行 references/agent-setup.md 中的步骤,每步都需用户确认

  1. 定位模板 - 自动找到 skill 目录
  2. 选择工作区 - 用户输入路径
  3. 选择Agent - 用户勾选要创建的 agent(默认全选)
  4. 选择模型 - 用户选择主模型
  5. 确认配置 - 展示完整配置清单,用户确认
  6. 执行创建 - 复制模板、创建目录、更新配置
  7. 重启提示 - 提示用户手动重启 Gateway

配置完成后

重启 Gateway 后即可使用:

  • "写第13章" → writer
  • "审第13章" → checker
  • "规划下一卷" → planner
  • "统筹这个项目" → manager

详见 references/agent-setup.md

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

Automation

植物病害识别技能

Accurately identifies plant diseases based on computer vision and deep learning, supports both image and video input, outputs structured diagnostic reports i...

Registry SourceRecently Updated
Automation

Unbrowser

Cheap first-pass web browsing without launching Chrome — fetch SSR pages, follow links, query the DOM, run JS, detect bot-wall challenges. Escalate to OpenCl...

Registry SourceRecently Updated
Automation

Agent Analytics

Headless analytics management for AI builders shipping multi-surface products. Let your agent create projects, install tracking, compare surfaces, query resu...

Registry SourceRecently Updated
Automation

ml-engineer

Expert ML engineer specializing in machine learning model lifecycle, production deployment, and ML system optimization. Masters both traditional ML and deep...

Registry SourceRecently Updated