external-review-agent

external-review-agent (外部模型审查器)

职责: 读取完整项目上下文，构建 13 维度审查prompt（含 reader_flow 读者视角流畅度），调用外部模型API获取独立审查意见，交叉验证后输出结构化报告。

输出格式: 遵循 ${CLAUDE_PLUGIN_ROOT}/references/checker-output-schema.md 统一 JSON Schema

重要: Prompt 模板、输出 JSON Schema、供应商配置、fallback 链、路由验证规则以 ${CLAUDE_PLUGIN_ROOT}/skills/webnovel-write/references/step-3.5-external-review.md 为准（优先于本文件中的旧示例）。若 workspace 存在 .cursor/rules/external-review-spec.mdc，以其为最高优先级。

输入参数

{
  "chapter": 11,
  "chapter_file": "正文/第0011章-猎人公会.md",
  "project_root": "{PROJECT_ROOT}",
  "model_key": "qwen3.6-plus|gpt-5.4|gemini-3.1-pro|doubao-pro|doubao-seed-2.0-lite|glm-5|glm-5.1|glm-4.7|mimo-v2-pro|minimax-m2.7-hs|minimax-m2.5|deepseek-v3.2-thinking|kimi-k2.5|kimi-k2.6|all",
  "scripts_dir": "{SCRIPTS_DIR}"
}

model_key 说明（十四模型共识架构 · Round 14+ ark-coding 并入）:

• 架构：3 供应商（openclawroot + ark-coding + siliconflow）× 14 模型 × 13 维度 = 182 份独立评分
• 共识机制：每个模型都跑全 13 维度（无分工），多模型共识 → 真 bug；单模型孤例 → 模型偏见
• 所有模型 thinking 全开
  • ark-coding：thinking={"type":"enabled"}（火山原生）
  • openclawroot：按家族 reasoning_effort/thinking_budget/enable_thinking
• max_tokens 拉满：火山上的 deepseek-v3.2 / kimi-k2.5 限 32768；其他全部 65536
• 核心层（tier=core · 必须成功，异构覆盖）：
  • qwen3.6-plus（国产旗舰，文学细致度最高）
  • gpt-5.4（OpenAI 系，西方叙事视角，最快 2s）
  • gemini-3.1-pro（谷歌系，画面感审视）
• 补充层（tier=supplemental · 失败不阻塞，累计 3 维度失败早停）：
  • doubao-pro（主 = ark-coding doubao-seed-2.0-pro，备 = openclawroot；结构审查严苛）
  • doubao-seed-2.0-lite ⭐（ark-coding；豆包轻量 thinking）
  • glm-5 / glm-4.7（openclawroot；中文编辑 / 文学质感）
  • glm-5.1 ⭐（ark-coding；GLM 5.1 增量）
  • mimo-v2-pro（openclawroot；小米推理）
  • minimax-m2.7-hs（openclawroot；2.7 高速对话情感推理）
  • minimax-m2.5 ⭐（ark-coding；交错 thinking）
  • deepseek-v3.2-thinking（主 = ark-coding deepseek-v3.2 mt=32768，备 = openclawroot/siliconflow；技术考据）
  • kimi-k2.5 ⭐（ark-coding mt=32768；Moonshot K2.5 thinking）
  • kimi-k2.6 ⭐（ark-coding mt=65536；Moonshot K2.6 旗舰）

⭐ = Round 14 新增

• 推荐：使用 --model-key all 自动遍历全部 14 模型
• 老模型兼容别名：qwen-plus/kimi/glm/qwen/deepseek/minimax/doubao/glm4/minimax-m2.7/doubao-lite 自动映射到新 key（见 MODEL_ALIASES）；kimi 现在指向 kimi-k2.6

执行流程

第一步: 加载项目上下文

并行读取：

1. 目标章节正文（chapter_file）
2. {project_root}/.webnovel/state.json（主角状态、chapter_meta）
3. {project_root}/设定集/世界观.md
4. {project_root}/设定集/主角卡.md
5. {project_root}/设定集/力量体系.md
6. {project_root}/大纲/第{volume_id}卷-详细大纲.md（当前章节对应的大纲段落；volume_id 从 state.json 当前卷信息获取，缺失时从 大纲/总纲.md 的章节范围反推）
7. 前3章正文：{project_root}/正文/第{N-1:04d}章*.md、第{N-2:04d}章*.md、第{N-3:04d}章*.md（正文文件缺失时退化为摘要）

第二步: 调用外部审查脚本

python -X utf8 "${scripts_dir}/external_review.py" \
  --project-root "${project_root}" \
  --chapter {chapter} \
  --model-key all \
  --mode dimensions

脚本会自动从 {project_root}/.webnovel/tmp/external_context_ch{NNNN}.json 加载上下文。调用前，agent必须先将收集到的上下文写入该文件：

cat > "${project_root}/.webnovel/tmp/external_context_ch{NNNN}.json" << 'EOF'
{
  "outline_excerpt": "本章大纲段落...",
  "protagonist_card": "主角卡全文...",
  "golden_finger_card": "金手指设计全文...",
  "female_lead_card": "女主卡全文...",
  "villain_design": "反派设计全文...",
  "power_system": "力量体系全文...",
  "world_settings": "世界观全文...",
  "protagonist_state": { ... },
  "prev_chapters_text": "前3章正文（正文缺失时用摘要替代）..."
}
EOF

注意：脚本对每个字段有磁盘 fallback——如果 JSON 中某字段缺失或为空，会自动从 设定集/、正文/、.webnovel/ 目录读取。但 agent 应尽量填充完整以减少磁盘 I/O。

脚本会对 13 个维度（11 工艺维度 + naturalness + reader_critic · Round 13 v2 · 含 reader_flow）并发调用外部模型API，返回 13 份维度报告合并为每模型一个 JSON。Round 14+ 下 ark-coding 和 openclawroot 两个主 provider 并行工作，ProviderRateLimiter 自动控制 RPM。

第三步: 交叉验证（不可省略）

此步骤为必做步骤。脚本层面的 cross_validation.dismissed 始终为 0（脚本无法访问项目上下文），必须由 Agent 在此步骤中完成项目数据对比验证。

对脚本返回的每个issue，agent用自己读到的项目上下文做快速验证：

• verified：issue 提到的事实与 state.json/设定集/前章正文的数据一致（确认为真问题）
• unverified：无法从已有数据确认或否认
• dismissed：issue 提到的"错误"实际上在项目数据中有依据支持（误报），标注 reason: "项目数据支持: {具体依据}"

验证完成后，更新 cross_validation 统计，将 dismissed 数量更新为非零值（如有误报）。

第四步: 输出报告

输出统一格式JSON，agent名称为 external-{model_key}：

{
  "agent": "external-qwen3.6-plus",
  "chapter": 11,
  "model_key": "qwen3.6-plus",
  "model_requested": "qwen3.6-plus",
  "model_actual": "qwen3.6-plus",
  "provider": "openclawroot",
  "routing_verified": true,
  "overall_score": 88,
  "pass": true,
  "dimension_reports": [
    {
      "dimension": "consistency",
      "name": "设定一致性",
      "status": "ok",
      "score": 90,
      "issues": [...],
      "summary": "...",
      "model": "Qwen3.6-Plus",
      "model_actual": "qwen3.6-plus",
      "provider": "openclawroot",
      "routing_verified": true,
      "elapsed_ms": 8500
    }
  ],
  "issues": [ ... ],
  "cross_validation": { "verified": 3, "unverified": 1, "dismissed": 2 },
  "provider_chain": [ ... ],
  "api_meta": {
    "final_provider": "ark-coding",
    "elapsed_ms": 25000,
    "prompt_tokens": 5000,
    "completion_tokens": 3000,
    "attempts_total": 10
  },
  "metrics": {
    "dimensions_ok": 11,
    "dimensions_failed": 0,
    "dimensions_skipped": 0
  }
}

审查维度（11个）

1. consistency — 设定一致性
2. continuity — 连贯性
3. ooc — 人物塑造/OOC
4. reader_pull — 追读力（作者工艺视角：钩子/微兑现）
5. high_point — 爽点密度
6. pacing — 节奏平衡
7. dialogue_quality — 对话质量
8. information_density — 信息密度
9. prose_quality — 文笔质感
10. emotion_expression — 情感表现
11. reader_flow — 读者视角流畅度（读者体验视角：失忆裸读，7 类卡点——JUMP_LOGIC/MISSING_MOTIVE/UNGROUNDED_TERM/ABRUPT_TRANSITION/VAGUE_REFERENCE/RHYTHM_JOLT/META_BREAK）

reader_flow vs reader_pull 互补性：两者视角不同——reader_pull 查"作者工艺是否到位"（钩子强度/微兑现达标），reader_flow 查"读者能否读懂、不卡顿"（失忆裸读解码成本）。Ch4 实测两者呈反相（flow 高/pull 低），证明真正互补。Step 4 润色优先级：reader_flow 共识 high/medium > reader_pull issues。

失败处理

• 单个维度API调用失败：按 provider fallback 链自动重试（ark-coding/healwrap/nextapi 重试2次，openclawroot/siliconflow fail-fast 切下一 provider），仍失败则标记该维度为 "status": "failed"
• 幽灵零分（score=0 + 空摘要）：provider 层自动切下一供应商重试；所有供应商都返回 phantom 则标记 "status": "failed", "error": "phantom_success_score0_empty"
• 补充层早停：累计 3 个维度失败后触发 threading.Event，跳过剩余排队维度（"status": "skipped", "error": "early_stop_skipped"）
• 全部 13 个维度失败：输出 "pass": false, "error": "all_dimensions_failed"
• JSON解析失败：标记 "status": "failed", "error": "json_parse_failed"
• reader_flow 特殊校验：主流程对每个 issue 的 quote 做 compact grep（去空白后模糊匹配）；quote 不在原文 → issue 降级为 low（允许保留作为线索）。