Story long analyze: deep structural breakdown of long Chinese web novels
Un pipeline en 7 étapes (index → chapitres d'or → extraction par lots → intrigue/rythme → personnages → rapport → style) qui déconstruit les longs romans web en faits par chapitre et mécanismes d'histoire réutilisables
- Quoi
- Un pipeline en 7 étapes (index → chapitres d'or → extraction par lots → intrigue/rythme → personnages → rapport → style) qui déconstruit les longs romans web en faits par chapitre et mécanismes d'histoire réutilisables
- Coût
- Gratuit
- Prérequis
- le fichier texte du roman à analyser (ou une analyse existante à réutiliser/enrichir) ; Python 3 pour les scripts du pipeline ; un runtime d'agent capable de créer des sous-agents pour les étapes d'extraction par lots (sinon repli en mode solo) ; prévoyez un usage intensif de tokens sur les runs complets
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill de déconstruction romanesque approfondie de @zenstory-ai : il transforme un long roman web en faits par chapitre, unités d'intrigue, profils de personnages, analyses de rythme et profil de style réutilisable, via un pipeline par étapes — Étape 0 index mécanique des chapitres (avec checksums sha256 et gardes de reprise), Étape 1 plongée dans les « trois chapitres d'or », Étape 2 extraction par lots (sous-agents, 3 lots par round, support de reprise), Étape 3 intrigue, doubles lignes temporelles et rythme 3D, Étape 4 personnages, décors et graphes de relations, Étape 5 rapport maître, Étape 6 profil de style — plus un pipeline optionnel de bibliothèque d'inspiration en trois couches (atomes par livre, agrégation inter-livres, mises à jour contrôlées). Limites d'analyse strictes : ne conclure que du texte lisible (« inconnu » sinon), joindre des localisateurs de chapitre aux faits durs, séparer l'ordre objectif des événements de la connaissance du lecteur, ne jamais migrer de décors propriétaires ni copier de scènes iconiques — migrer uniquement des mécanismes abstraits. Les sorties destinées à l'auteur (快速预览.md, 拆文报告.md, graphes de personnages) sont écrites en langage simple, sans noms de scripts, noms de champs ni noms de fichiers internes, avec support de reprise via `_progress.md` et scripts d'état (`manage_analysis_run.py`). Bémols honnêtes : **le skill est rédigé en chinois et vise les workflows de la fiction web chinoise** (nommage des chapitres, mécanismes d'histoire et le skill compagnon `story-long-scan` supposent cette tradition) ; un run complet sur un roman est une longue opération multi-étapes — prévoyez un usage intensif de tokens et des lots non surveillés. Licence MIT. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : le fichier texte du roman à analyser (ou une analyse existante à réutiliser/enrichir) ; Python 3 pour les scripts du pipeline ; un runtime d'agent capable de créer des sous-agents pour les étapes d'extraction par lots (sinon repli en mode solo) ; prévoyez un usage intensif de tokens sur les runs complets Installe-moi « Analyse de roman long : déconstruction structurelle approfondie des longs romans web chinois ». Il donne à mon agent le pipeline de déconstruction romanesque en 7 étapes de @zenstory-ai : Étape 0 index mécanique des chapitres, Étape 1 plongée dans les « trois chapitres d'or », Étape 2 extraction par lots via sous-agents (3 lots par round, support de reprise), Étape 3 intrigue/doubles lignes temporelles/rythme 3D, Étape 4 personnages/décors/graphes de relations, Étape 5 rapport maître, Étape 6 profil de style — plus un pipeline optionnel de bibliothèque d'inspiration, des limites d'analyse strictes (inconnu sinon, localisateurs de chapitre, migration de mécanismes abstraits uniquement), des sorties destinées à l'auteur en langage simple, et support de reprise. Rédigé en chinois ; vise la fiction web chinoise. Licence MIT. Dépôt : https://github.com/zenstory-ai/oh-story-claudecode/blob/main/skills/story-long-analyze/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur, les identifiants uniquement via le coffre sécurisé, les hôtes autorisés déclarés dans le SKILL.md. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « story-long-analyze ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. pointez l'agent vers votre fichier texte de roman ou votre répertoire d'analyse existant, puis demandez-lui de lancer les étapes du pipeline). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.