muse-agent-example/.agent/skills/check-content-consistency/SKILL.md

name, description, disable-model-invocation

name	description	disable-model-invocation
check-content-consistency	检查正文或细纲候选的结构、事实、角色状态、能力代价、伏笔和证据缺口。候选进入用户决策或独立评分前使用；只产检测报告，不修改候选。	true

检测(scenario: validation / consistency_check | purpose: detection | 槽位: 检测→detector)

何时用:候选章生成后、用户三决策前的伴随检查(C4);也可对既有章回溯检查。

正文候选执行顺序

1. 先运行 scripts/check_writer_candidate.py；它只做确定性机械硬门，不调用模型。
2. 机械硬门阻塞时直接返回结构化失败码，保留审查轨迹，不调用语义 detector。
3. 机械硬门通过后，编排层构造 semantic-detector-input-v3（生产构造器：scripts/run_writer_semantic_detector.py 的 build_semantic_input_v3，从 WriterContext + 候选投影并闭集校验，sourceRef 清洗成合同形状），再以 fresh 无会话调用执行一个候选的语义核查。
4. 模型只返回 semantic-detection-draft-v3；adapter 负责绑定输入、候选、上下文、模型回执、字符 offset、状态和报告 hash，形成 SemanticDetection v3。异常、非法结构或绑定不一致全部失败关闭。

当前机械硬门覆盖：WriterContext v1、CandidateEnvelope v2、上下文与候选 hash、篇幅、细纲事件/角色/伏笔/章末钩子锚点。事实断言、角色知情范围、能力代价、语义冲突、新设定识别和证据缺口属于 semantic detector，不得塞回 writer 输出或机械门。

元数据驱动(本功能的核心机制)

检查清单由字段生成,不硬编:凡 aiContext 含 detection 的字段,自动成为一个检查项——

字段(来源)	检查什么
character.知情范围	角色说出/表现出不该知道的事("说漏嘴"是第一大穿帮)
character.行事逻辑/说话方式	言行与语言指纹逐一核对
power_system.代价限制	境界与能力是否越过体系代价
location.规则特例	地点规则是否被违反
item 能力边界	物品表现是否超出卡面
演变历程(各实体型)	演变连续性/跳级穿帮(上一章还4级、这一章突然7级;登场/退场节点缺失或时间线倒挂)
outline.伏笔动作	埋/推/收是否照细纲执行,有无擅自新开或提前回收
work_core.谜底与真相/结局方向	防提前泄底——这正是检测可见底牌的原因
style 黑名单与画像	Grep 逐词扫黑名单;宣告情绪/形容词堆叠/无三件套场景抽查
narrative_state	时间线/即时局面/角色位置衔接

schema 给字段加上 detection 用途,检查项自动+1,本 skill 与 detector 一字不改。

输出合同

模型草稿必须精确包含：

schemaVersion / claims[] / findings[] / assertionVerdicts[] / hardConstraintVerdicts[] / newSettingCandidates[] / evidenceGaps[]

claims 明确候选中的事实主张与覆盖状态；findings 记录可定位问题；verdict 完整覆盖输入登记的 assertion/constraint ID。newSettingCandidates 登记写手新写出的设定（提案，不是正典）；与既有正典冲突才进 findings/conflict 并失败关闭。只有针对已有正典/前文章节的 evidenceGaps 或 unknown 可以触发编排器补证；把新设定写成缺口不触发补证。纯机械失败或明确语义失败直接拒绝，不以同一输入重试。补证后必须冻结新的上下文快照和新的 WriterCreativeInput，再启动 fresh writer 调用。正典检索零命中时，编排器把缺口升格为新设定提案，当前候选进人闸。

正文回放检测每臂最多调用三次。模型已返回但结构/引文不合约时，可用剩余额度回喂上一稿纠错；带可信成本回执的瞬时 SEMANTIC_DETECTOR_API_ERROR 最多重发同一输入一次，并与结构纠错共用三次总额度。认证、预算、本地合同、成本未知或连续第二次 API 错误均失败关闭，不得重试绕过。

最终 SemanticDetection v3 由 adapter 增加运行身份、候选/上下文 hash、字符 offset、模型回执、状态和报告 hash。模型不得输出这些可信字段。

细纲回放分支（fine_outline_replay）

何时用：plan-chapter 产出的 fine_outline 候选进入独立评分前。检测器只看冻结到 as_of 的规划上下文和候选，不看目标章标准事实，不把评测答案倒灌回规划侧。

检查对象和证据格式：

检查对象	检查项	高严重度条件	证据必须包含
候选结构	必填字段、目标章号、事件 ID、事件顺序	缺字段、重复事件或目标章错误导致无法评估	字段路径 + 候选值摘要
因果链	事件触发、行动、结果方向是否自洽	后一事件无前置、结果与前置状态矛盾	事件 ID 对 + 冲突原因
实体状态	角色/势力/地点/能力是否违反冻结事实	引用未来事实或越过 N 时点能力边界	sourceId + 冻结字段
伏笔动作	埋、推进、回收和不确定标记	将未知或未来回收写成确定事实	伏笔标识 + 当前台账定位
来源引用	sourceRefs 是否来自快照、是否包含目标章及以后	目标章/未来来源出现在候选引用中	来源 ID + 章号范围
未知项纪律	unknowns / assumptions 是否显式承载缺口	用无来源断言替代未知项	候选字段路径

机器报告的类别是闭集：findings.category 只允许 candidate_structure、causal_chain、entity_state、foreshadowing_action、source_reference、unknowns_discipline；coverageFindings.category 只允许 frozen_context_gap。未登记类别不得用近义词或变体绕过，编排器必须失败关闭。

报告仍然只产审查结果，不修改候选。回放中任一高严重度问题阻断该臂进入 judge；目标章新角色是否缺卡需要目标章标准事实，detector 无权判断，归 judge/eval。

红线

只产报告,不改任何创作文件;证据先行——无依据的观感问题归「建议」并标明主观;底牌信息仅用于检测判断。

数据边界

• 可发起受治理的外部模型调用；不落库除非合同另有声明。
• 不写 Canonical、不改正式规划。

输入

• 用户明确点名本 Skill 所服务的创作阶段任务包（作品、章节/场景范围、冻结上下文摘要）。
• 只消费 本 Skill 的 references/ 目录 中与当前阶段相关的合同段落。

复利合同

• 消费：候选正文与冻结上下文 / 大纲锚点。
• 回写：本检测槽不单独落 example_lesson；阻断结论进入 write-next-chapter / evaluate-frozen-replay 后由生产或评测链登记效果信号。