框架: parse_llm试拆首轮对症四改——细纲绝对字数上限+超标压缩重试+source机械回填+归型五型均衡纪律(15章实测:scaffold全过/craft偏科待验)

.claude/skills/parse-book/scripts/parse_llm.py

@@ -10,6 +10,7 @@
 """
 import json
 import pathlib
+import re
 import subprocess
 import sys
 
@@ -54,12 +55,15 @@ CONTRACTS = {
 
 def scaffold_prompt(title, ch, ch_title, text, prev_entities):
     ents = json.dumps(prev_entities, ensure_ascii=False) if prev_entities else "（第一章，为空）"
+    # 绝对字数上限比抽象比例对 LLM 更可执行（首轮实测 M3 按比例会写到 9.8%–19%）
+    wc = len(text.replace("\n", "").replace(" ", ""))
+    cap = max(60, int(wc * 0.05))
     return f"""【muse 创作实验台·拆书 2b·脚手架 pass】
 {IDENTITY}
 
 【功能指令(parse-book 逐章内环)】
-对参考书《{title}》第 {ch} 章《{ch_title}》（正文附后）：
-1) 逆推本章细纲：章目标/关键事件/出场角色/伏笔动作(埋·推·收)/章末钩子。字数=章正文的 3–5%（3000字章→100–150字），硬顶 8%，超标会被校验脚本退回。细纲是结构骨架，不是缩写复述。
+对参考书《{title}》第 {ch} 章《{ch_title}》（正文附后，约 {wc} 字）：
+1) 逆推本章细纲：章目标/关键事件/出场角色/伏笔动作(埋·推·收)/章末钩子。**细纲全文不得超过 {cap} 字**（章正文的 5%；超标会被校验脚本机械退回）。细纲是结构骨架，不是缩写复述——用短语与分号，不写完整句子。
 2) 抽实体增量（脚手架级索引）：{ENTITY_CRITERIA}
 判重：下方是前文已收录实体，不重报（除非本章给出新身份，则在一句话摘要里并入）。
 
@@ -83,7 +87,8 @@ def patterns_prompt(title, ch, ch_title, text, outline, existing_cards):
 {json.dumps(CONTRACTS, ensure_ascii=False)}
 纪律：
 - 宁缺毋滥：一章 0–3 张为常态，只收本章表现突出、可跨书复用的写法；平庸章可出 0 张。
-- 归型走判据；五型之外一律不出卡。
+- 归型走判据；五型之外一律不出卡。**先按判据定 type，再只用该 type 字段表里的中文 key 填 fields——混用他型字段=机械拒卡**（如 trope 的「公式步骤」不得出现在 craft 卡里）。
+- **五型都是候选，不要把一切归成 craft**：整场武力对抗→combat；整场情绪戏→emotion；拍卖/谈判/审讯等场景公式→scene_pattern；跨章复用的情节公式→trope；craft 只留给「单点装置」（删去它场景仍成立）。type 值必须与 fields 所用字段表同型。
 - **脱敏红线**：只写抽象结构与手法归纳，严禁抄录原文；≥15 连续字与原文重合=校验脚本机械拒卡。卡名与字段值用「主角/强敌/导师」等抽象指代，**不得出现书内专名**（人名/地名/机甲名/组织名）——专名只允许出现在 source.anchor 里。
 - fields 按该型字段合同的中文 key 填；没证据的 key 省略，不编造。
 - 判重：下方已积累卡名录，不与之重复立同义卡。
@@ -176,14 +181,24 @@ def main(work_id, from_, to, model):
         # pass1 脚手架（断点续跑：done 跳过）
         if s_st != "done" or outline is None:
             try:
-                data, usage = m3_json(scaffold_prompt(title, ch, ch_title, text, prev), model,
-                                      ("outline", "entities"))
+                p1 = scaffold_prompt(title, ch, ch_title, text, prev)
+                data, usage = m3_json(p1, model, ("outline", "entities"))
                 total_in += usage.get("prompt_tokens", 0)
                 total_out += usage.get("completion_tokens", 0)
                 ok, out = ingest("scaffold", work_id, ch, data)
+                # 比例超标是 M3 高频病：带压缩指令重试 1 次（首轮实测 10/15 章超标）
+                if not ok and "细纲比例" in out:
+                    cap = max(60, int(len(re.sub(r"\s", "", text)) * 0.05))
+                    data, usage = m3_json(
+                        p1 + f"\n\n【重试】上次细纲 {len(data['outline'])} 字超标被退回。"
+                             f"压缩到 {cap} 字以内：只留章目标/关键事件/伏笔动作/钩子，删掉一切修饰与过程描述。",
+                        model, ("outline", "entities"))
+                    total_in += usage.get("prompt_tokens", 0)
+                    total_out += usage.get("completion_tokens", 0)
+                    ok, out = ingest("scaffold", work_id, ch, data)
                 click.echo(f"  {out}")
                 if not ok:
-                    continue  # 比例超标等已记 task failed，重跑本命令补
+                    continue  # 已记 task failed，重跑本命令补
                 outline = data["outline"]
             except RuntimeError as e:
                 click.echo(f"  #{ch} 脚手架 M3 失败: {e}")
@@ -195,6 +210,13 @@ def main(work_id, from_, to, model):
                                       ("cards",))
                 total_in += usage.get("prompt_tokens", 0)
                 total_out += usage.get("completion_tokens", 0)
+                # source 机械回填：book/chapter 是调用侧确定数据，不依赖 LLM 自觉
+                #（实测 M3 偶发 source=null 整批被拒）；anchor 是内容性字段，缺时用 brief 兜底
+                for c in data.get("cards") or []:
+                    src = c.get("source") or {}
+                    c["source"] = {"book": src.get("book") or title,
+                                   "chapter": src.get("chapter") or f"第{ch}章 {ch_title}",
+                                   "anchor": src.get("anchor") or c.get("brief") or ""}
                 _, out = ingest("patterns", work_id, ch, data)
                 click.echo(f"  {out}")
             except RuntimeError as e: