8.0 KiB
全书解析/拆书(scenario: full_parse | purpose: extraction | 槽位: 分析→extractor)
何时用:没拆过的完整/存量作品。与章后抽取(extraction)的分工:那边是"已有大纲细纲、写新章后抽增量";这边是"什么都没有,从全文逆向解析出规划层与知识面"。
两个子场景(产出归属不同)
| 子场景 | 产出 | 归属与确认 |
|---|---|---|
| 2a 用户存量作品(U7/C8) | 章节结构+逐章细纲+全书大纲+实体/关系/事件+末章 narrative_state | 全为候选,按章审阅确认(产品-03 §3.7);确认后成正式规划与 Local KB,作品才可续写;脱敏红线不适用自有稿 |
| 2b 系统参考书(G3/B1-B2,如封神演义) | 同上解析产物作中间脚手架(拆书证据链,留档、不需逐章确认)+在脚手架上拆范式五型 | 范式卡(脱敏)入 Global,管理员确认=G3 门;脚手架标 internal |
范式五型也是 entity-scope 的型,但与作品实体分两批:作品实体归 Local、范式归 Global 且吃脱敏红线。
元数据驱动
- 规划逆向的结构=
outline/chapter/scene/narrative_state字段合同;实体=各实体型字段合同;范式=五型字段合同+「判据」归型——schema 加字段,解析产出立刻多一列。 - 「细纲」是本仓先行的规划粒度层级(SoT 只有"正式规划项"),连同规划逆向本身都是对产品-03 §3.7 的增补(SoT 全书解析只列章节/实体/关系/事件)——待回填。
编排形态(拆书不是"一个 agent 跑到底")
一本完整的书=成百上千次顺序调用,单个 agent 的上下文装不下也不该装。分层:编排层是 workflow(确定性:分章循环/断点续跑/入库/进度统计——阶段一由主会话或 Workflow 工具驱动,阶段二=muse 功能链+任务调度);循环体才是 agent(extractor 的一次有界任务:输入=第 N 章原文+库里积累的脚手架,输出=本章细纲+实体增量,写回库)。关键约束:
- 状态全在库,不在会话:前 N-1 章的细纲/实体是第 N 章的上下文,必须从库读——这正是 PG 基座先行的原因;
- 断点续跑与幂等:已处理章号落库,重跑某章=按章号覆盖其 draft 行,随时可停可续;
- 顺序性只来自增量判重(新实体要对着已积累实体判重合并),细纲逆推本身章间独立——先顺序跑保正确,并行化留作后续优化;
- 进度每 10 章报一行(章号/新实体数/累计分型统计)。
M3 直调形态（创始人 2026-07-13 拍板,现行）：循环体不再派 opus/haiku 子代理,改为 scripts/parse_llm.py 直调 New-API MiniMax-M3（经 llm skill）。
出卡权上移窗级（B4-S3 重构,现行）：章级逐章出卡有三同根病（同功撞车/单章证不成跨章公式/间隔数字伪精确）,治法=章级只产「范式候选线索」（并入脚手架 pass,正文只过一遍）,出卡在窗级聚类归并——同一手法多章多次出现归并成一张母卡+实例章号,间隔章数由实例章号差机械计算（M3 禁自报数字）。跨窗/跨书同手法靠嵌入判重（初筛 ≥0.85 → M3 归并终判 merge/keep,拿不准保留）。大纲窗行（example_parse_outline,幂等键=窗起始章）是出卡窗的唯一切分依据。
放量全流程（每书五步,均 M3）：
# ① 章级 pass（细纲+实体+范式候选线索;断点续跑,重跑自动补失败章）
.venv/bin/python .claude/skills/parse-book/scripts/parse_llm.py chapters --work-id 4 --from 1 --to 50
# ② 窗级大纲聚合（每 5–10 万字:多章细纲+正文→阶段大纲;书末残窗无论大小必成窗）
.venv/bin/python .claude/skills/parse-book/scripts/parse_outline.py window --work-id 4
# ③ 窗级聚类出卡（窗=②的窗行;线索+细纲+阶段大纲→母卡;守卫+判重在 parse_ingest cards）
.venv/bin/python .claude/skills/parse-book/scripts/parse_llm.py cards --work-id 4
# ④ 全书拆完:终检（逐窗细纲对账大纲 + 跨段连贯性纵览）
.venv/bin/python .claude/skills/parse-book/scripts/parse_outline.py check --work-id 4
# ⑤ 公共卡三角色审核（番茄作家/起点作家/主编,M3 常设步骤;见 review-cards skill）
.venv/bin/python .claude/skills/review-cards/scripts/review_cards.py review --batch <批次> --work-id 4
# 进度
.venv/bin/python .claude/skills/parse-book/scripts/parse_ingest.py progress
审核纪律：常设审核=M3（已用 opus 金标准校准,偏差 0.45 达标）；fable/opus 只做起量前校准与起量后一次总审核（门禁与优化,不进流程循环）。
试拆实测病理档（放量前须知）：M3 细纲按比例会写超（治=绝对字数上限+压缩重试）；type 一律标 craft 且串型混填（治=合同动态渲染+字段指纹改型+窗级聚类）；重跑自噬（治=窗级幂等软删+0 卡不软删,章级判重名录已随 S3 废除）；source 偷懒（治=出处由实例机械生成）。parse_ingest 的 patterns 命令是 S3 前章级出卡入口,仅留作回滚保险。
窗行陷阱（放量首日实测）：--window 参数变化后重切,旧窗行会按 from_order 占位,新的大窗被「已有大纲跳过」→ 中间章域永远漏出卡（验收期 1–3 章小窗占住 from_order=1,放量 1–34 章大窗被跳过）。换窗参数重切前必须先删该书全部窗行（窗行是可再生中间产物;卡挂「窗起」,cards 重出时按窗软删重出）。
作品面升格执行器 scripts/parse_upgrade.py（与上面范式拆书管线并行的另一条线,命令 windows/run/status）：把参考书正文按窗抽成「会随剧情长大的实体卡」(升格卡,source_type=upgrade_book),设计见 docs/2026-07-16-升格卡改造设计.md。run 默认不发嵌入;加 --semantic-dedup 开语义判重(治改名/跨型漏并)时,每窗按读→算→写三段式短连接跑——观察/近邻召回/M3 终判都在无长连接段发 LLM 与嵌入 HTTP(不再持窗级连接跨调用存活),写段只查预判结果落库;并边抽边嵌：本窗新建/更新卡在窗事务提交后增量嵌入落库(软删旧向量+upsert 新行),后窗即可语义召回前窗刚长成的卡,不再依赖"同书须预先全量 embed"。嵌段失败只告警、不牵连已 done 的窗。
步骤(自底向上,与创作期规划的自顶向下互为镜像)
- 静态分章:import skill(规则,LLM 不参与);
- 逐章内环——复用
extract-knowledge的字段 checklist:逆推本章细纲(章目标/关键事件/出场/伏笔动作/钩子)+抽实体增量;上下文=前 N-1 章已积累的细纲与实体(知识库从空增量生长,作品+元数据+知识库+当前章公式在此逐章成立); - 自底向上聚合:章细纲→卷粗纲→主线一句话;伏笔跨章连线(哪章埋哪章收)在聚合时补;
- 2a 补末章 narrative_state;2b 在脚手架上跑范式拆取(判据归型/字段成卡/判重合并例证);
- 汇报:分章数/细纲覆盖率/实体分型统计/(2b)范式分型统计+设计发现。
比例约束(防"摘要化伪装成结构化";创始人已拍板@2026-07-09,权威值在 outline schema 字段说明)
- 章细纲/章正文 ≈ 3–5%(3000 字章→100–150 字);卷粗纲/卷正文 ≈ 0.3–0.5%;主线一句话 ≤50 字。
- 细纲是结构骨架,不是缩写:超比例=机械退回重解析的判据——比例约束的价值不只是省 token,是防解析退化成压缩复述。
脱敏红线(仅 2b 系统级)
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=违规;每卡带出处(书名+回目+一句话情节定位)。
输出合同
文件版:2a 落 works/<书>/(候选);2b 脚手架落参考书目录、范式卡入 knowledge/范式/(草稿)。PG 版(B2):结构化清单经主会话 db skill 写入(draft)+embed 嵌入。均不提交/不自确认。