短剧剧本生成器.zip

简单教程：

从需求收敛 → 规范固化 → 语料准备 → 换元骨架 → 类型校准 → Frankentexts 拼接 → 最小润色 → 多维质检 → 归档复用

同时给出 “小说改编” 和 “语料建库” 两条可插拔分支

1. 使用前准备（你需要提供的最少信息）
为了让 step1 输出的 project_config 足够可执行，建议至少准备：
目标题材 / 受众 / 风格：例如 “都市情感 + 身份反转 + 打脸”
总集数与单集字数：例如 “80 集；每集 500-700 字”
卡点与钩子口径：例如 “第 8-10 集付费卡点；免费集集末必有钩子”
源故事输入：小说全文 / 章节 / 梗概 / 旧剧本（至少一个）
语料来源：是否已有可用语料库（没有也能先做骨架，但无法完成高 Copy 率拼接）

2. 流程地图（你如何 “用到全部 step1-20”）
本体系的 “全量使用版” 通常是这样：
需求与规范层：step1 → step2 → step3
语料层（可选）：step4 →（step5/step6 按素材类型增强）
改编层（按源文本体量分支）：step6 → step7/8/9（小说改编路线）
换元骨架层（融合生成主路线）：step10 → step11
市场校准层（可选）：step19
生成与质检层（上线）：step12 → step13 → step14 → step15 → step16 → step17 → step18
编排与复用层：step20（可在开始用，也可在结束做归档编排）

3. 标准执行规则
无论你在哪个大模型网页端执行，都遵守：
每一步只输出该 step 要求的 “预期输出格式”（通常 JSON）；不要混入解释性文字.
上一步输出 JSON 必须原样粘贴给下一步（不要自然语言总结代替）
缺失信息用 null/待补充 占位，
格式规则以 step2 为准，特殊标注以 step3 为准；质检以 step14-18 为准

#step1：生成项目配置（ProjectConfig）

你给模型的输入（建议结构）：

创作目标：
题材/元素：
总集数：
单集字数：
付费卡点：
钩子规则：
特殊标注要求（os/vo/闪回/互切）：
是否使用Frankentexts（Copy率目标）：
源故事输入（全文/章节/梗概/旧剧本）：
语料库情况（有/无，来源说明）：

你得到的输出：
project_config JSON（后续所有步骤都引用它）

#step20（第一次使用）：生成 “你该走的步骤链路”

把 step1 的 project_config 粘贴进去，让 step20 输出 step_sequence + io_mapping + checkpoint + rollback

你得到的输出：
workflow JSON（告诉你下一步跑哪些 step、怎么传火，哪里要人审、哪里要返回查看）

#step2：固化剧本格式规则

把最终 “剧本长什么样” 固定成 format_rules

你得到的输出：
format_rules JSON（后续生成正文与格式质检都依赖）

#step3：固化特殊场景标注策略

固定 os/vo/ 闪回 / 互切 的使用条件与格式

你得到的输出：
special_scene_policy JSON（后续提取、骨架、拼接、专项质检都依赖）

#step4-6：准备语料库（没有语料库就先建）

如果你已经有高质量语料库：跳到 step10。
如果你没有语料库：建议至少跑 step4（再按素材类型跑 step5 或 step6）

##step4：通用语料提取

输入：
project_config、special_scene_policy
原始文本（一次一段 / 一章 / 一集）
source_reference

输出：
corpus_chunks[]（JSON 数组语料块）

#step5：剧本专项增强（如果语料来自剧本

输出增强点：
场景头、人物列表、卡点标注、对话密度等，用于提升检索精度

#step6：小说专项增强（如果语料来自小说）

输出增强点：
可视化潜力、可外化改编提示、章节 / 叙事视角等（把所有语料块 JSON 数组按文件归档，最终合并为一个 corpus.json，并确保每条有 source_reference。）

#step10：六源分析 + 核心动作程序抽取

对源故事做六源拆解（事件 / 结构 / 主体 / 背景 / 人物 / 道具）
抽取核心 “动作程序”（骨骼层）
给出哪些事件适合 os/vo/ 闪回 / 互切

输入：
project_config
special_scene_policy
源故事文本 / 梗概

输出：
source_analysis JSON

#step11：换元方案 + 新剧本场次功能表（Framework）

选择一度置换 / 二度置换，产出 substitution_plan
把新剧本拆成 “每集每场” 的功能表 new_script_framework（含信息点 / 情绪 / 标注计划 / 钩子 / 卡点）

输入：
project_config（集数、字数、卡点、钩子口径）
special_scene_policy
source_analysis

输出：
substitution_plan JSON
new_script_framework JSON

同时审核（是否符合题材定位与受众预期第 8-10 集是否有明确付费卡点策略每集末尾是否都有钩子
每场是否写清信息点与情绪目标（否则 step12 会乱拼））

#step19：类型库匹配校准

把 “骨架方向” 对齐市场趋势：主用模式 + 辅助模式 + 融合建议
给出关键场景、台词要点、情感触发点、推荐标注策略

输入：
project_config
source_analysis（可选）
substitution_plan + new_script_framework

输出：
matched_patterns[] + adaptation_recommendations + creation_guidance

用法建议：
将其作为 step12 的检索排序偏好（例如优先召回 “打脸 / 身份揭示” 片段、控制 os 使用密度等）

#step12：Frankentexts 检索与拼接生成正文

按 new_script_framework 逐场检索候选片段、选择拼接
严格遵守 Copy 率目标与最小化修补
输出：选片记录、编辑日志、Copy 率估算、标注保真检查 + 标准格式剧本正文

输入：
project_config（Copy 率 / 禁用操作）
format_rules
special_scene_policy
corpus_json（语料库；来自 step4/5/6）
new_script_framework
（可选）step19 的创作指导作为检索偏好

输出：
场次级 JSON 结果
标准格式剧本正文（可直接给制作）

关键建议（避免一次跑崩）：
按 “集” 为单位生成（例如先生成第 1-3 集），通过质检后再批量推进

#step13：最小润色与终稿准备

只做桥接 / 纠错 / 格式 / 归一 / 标注规范化
保持 Copy 率与原片段风格

输出：
终稿正文 + 润色日志 + 校验准备摘要

#step14-18 是质检线建议跑完

#step14：格式质检

#step15：逻辑一致性（因果 / 时间线 / 信息点覆盖）

#step16：风格一致性（声纹 / 语体 / 节奏 / 题材）

#step17：Copy 率校验（Frankentexts 指标）

#step18：特殊标注专项校验（os/vo/ 闪回 / 互切）

常用回退策略：
Copy 率不足：回退 step12 重选片段（不要继续润色）
格式问题：按 step14 修复后复检
逻辑漏洞：按 step15 给的 “最小修补策略” 修复，避免重写
标注问题：按 step18 规范化（补齐闪回起止 / 明确互切切换点）

#step20（第二次使用）：归档复用与流程固化

一份可复用的 workflow JSON（你下一次可以直接照着跑）

分支流程：小说转剧本（step6 → step7/8/9）

step1 /step2 /step3（全局规范）
step6 小说专项语料提取（产出可外化与可标注提示）
按体量选择：
长篇：step7 主线提纯 → 得到分集结构 / 梗概
中篇：step8 节奏倍速 → 得到反转 / 爽点 / 钩子密度规划
短篇：先 step10+11 做扩充骨架，再 step9 落地分集结构
若需要正文：把改编结果转成 new_script_framework（可由 step11 生成或人工映射），再进入 step12/13/14-18（备注：step7-9 的主要产出是 “大纲与分集梗概”；若要可拍剧本正文，最终仍需进入 step12/13）

分支流程：语料建库（step4/5/6）

建库链路：step1 → step2 → step3 → step4（→ step5/6）→ corpus.json
生产链路：step10 → step11 → step19 → step12 → step13 → step14-18

特别感谢 @jianhuaguiyi

大概就是这样了 呵呵！