claudenovel-analyze

Claudenovel Analyze

目标

把用户给出的 .txt 或 .docx 小说输入转成可供 agent 和 LLM 使用的证据化分析产物。不要只给聊天建议，必须落地文件。

输入识别

• 优先使用用户明确给出的文件路径。
• .txt 可直接传给 --txt-path。
• .docx 必须先转换为 UTF-8 .txt，再进入分析流程。
• 外部小说必须显式传 --txt-path，不要依赖仓库默认文本。
• 如果用户没有指定输出目录，使用输入文件旁边自动生成的任务文件夹；也可显式放在桌面。
• 每次分析必须使用统一输出布局：任务文件夹根目录放 report.md，底座数据统一放 data/。

标准命令

先确定插件根目录：

• Claude Code 中优先使用 $env:CLAUDE_PLUGIN_ROOT。
• Codex 或源码调试中，使用包含 analyze_enhanced.py 的插件/仓库根目录。
• 下方用 <PLUGIN_ROOT> 表示该目录。

python "<PLUGIN_ROOT>\analyze_enhanced.py" `
  --txt-path "<NOVEL_TXT>" `
  --out-dir "<OUT_DIR>" `
  --organized-output `
  --common-workflow `
  --context-query "评价当前小说片段的优缺点，给出具体、尖锐、可直接改章节的修改建议和后续剧情路线" `
  --context-max-items 160 `
  --context-excerpt-chars 1400

深度问答命令

当用户问的是具体文学判断，例如“某角色是否抛弃另一方”“后期身份是否等同”“结局选择是否合理”“冷战式不相认是否有铺垫”，优先使用 answer_question.py，不要只跑普通 analyze_enhanced.py。

小证据矩阵模式：

python "<PLUGIN_ROOT>\answer_question.py" `
  --txt-path "<NOVEL_TXT>" `
  --question "<用户问题>" `
  --focus-entity "角色A" `
  --focus-entity "角色B" `
  --out-dir "<OUT_DIR>" `
  --organized-output

如果模型上下文足够大，例如 1M 上下文，优先启用大上下文阅读包：

python "<PLUGIN_ROOT>\answer_question.py" `
  --txt-path "<NOVEL_TXT>" `
  --question "<用户问题>" `
  --focus-entity "角色A" `
  --focus-entity "角色B" `
  --out-dir "<OUT_DIR>" `
  --organized-output `
  --large-context `
  --context-budget-chars 900000

比较小矩阵模式和 1M 大上下文模式：

python "<PLUGIN_ROOT>\answer_question.py" `
  --txt-path "<NOVEL_TXT>" `
  --focus-entity "角色A" `
  --focus-entity "角色B" `
  --out-dir "<OUT_DIR>" `
  --organized-output `
  --compare-modes `
  --context-budget-chars 900000

如果已知关键角色，加上多个：

--focus-entity "主角名" --focus-entity "重要角色名"

如果用户只想分析部分章节：

--source-start 1 --source-end 20

关键产物

分析完成后必须先检查任务文件夹根目录：

• report.md：用户真正要看的主报告或任务报告。
• data/：底座数据、证据包、提示词、缓存和调试文件。

data/ 中必须检查这些文件：

• llm_source_pack_detailed.md
• llm_source_pack_manifest.json
• review_evidence_pack.json
• editorial_revision_prompt.md
• entity_stats.json
• relation_triples.json
• sentiment_arc.json
• enhanced_briefs.json

深度问答额外产物：

• question_plan.json
• evidence_matrix.json
• coverage_audit.json
• reading_context_pack.md
• reading_context_manifest.json
• answer_prompt.md
• local_answer_report.md

对比实验额外产物：

• comparison_summary.json
• comparison_report.md
• llm_judge_prompt.md

验收标准

• 任务根目录必须有 report.md，不要让用户自己进数据目录找主报告。
• data/llm_source_pack_detailed.md 必须包含 [CHxxx-Pxxx] 证据编号。
• data/editorial_revision_prompt.md 必须存在，后续深度报告优先使用它。
• 深度问答必须有 data/evidence_matrix.json；使用 1M 模式时 data/reading_context_manifest.json 中 enabled 应为 true。
• A/B 实验必须产出 data/comparison_report.md，并说明 matrix_only 与 large_context 的覆盖差异；根目录 report.md 是给用户看的摘要。
• 不要声称已生成 LLM 深度报告，除非实际运行了 claudenovel-report 或等效 --llm-context-report。

回复用户

只汇报核心结论、产物路径和下一步建议。不要把大段原文包或提示词全文贴进聊天。