Cordis Plugin Novelist

一套以文件账本为状态载体的长篇写作工具链。同一套工具、同一份能力真源，发行成两个宿主形态：DSH 插件形态，与 WorkBuddy 专家包形态（下表最后一行为第二个宿主形态）；此外还可作为独立 MCP server 接到任何客户端。

双宿主一句话：流程只在一份真源里写一次（能力 × 宿主 × 形态 ＝ roles/tool-face.json，生成器 roles/build-tool-face.mjs），宿主只决定"哪一层由机器守、哪一层由纪律守"，不决定流程形状。说"本仓是 DSH 插件"没错，但那描述的是机制形态，不是宿主绑定。

本仓五件东西（三件宿主无关 ＋ 两个宿主形态各一件）：

件	是什么	给谁用
插件（lib/，详见 README-plugin.md）	十五个确定性工具（novel_*）：每部书一个目录，读写账本文件（项目/设定/人物/伏笔/时间线/章纲/状态）、正文与版本快照、追加式事件日志（JSONL）、以及编辑工作区（事务回执、逐版事实快照、评分、决策记录）。章节提交是事务性的——回执绑正文哈希、expected_rev 乐观并发、同文本重试幂等、编辑期快照、可回滚到任意旧版。代码做记账，模型做写作	想在 agent 宿主上做长篇连续性生产的人
MCP server（mcp/，详见 mcp/README.md）	同一套工具的 MCP（Model Context Protocol）形态：执行逻辑零改动复用，路径安全由 fs 适配层自担（书库根在启动时强制校验：词法 + realpath 双防线），工具说明与机制文档走 prompts 注入	不用 DSH 的智能体用户（Claude Code / ZCode / Cursor 等任意 MCP 客户端）
编辑部 starter 预设（preset-starter/）	两座位制预设（主编 + 主笔，其余按需 one-shot）：人格提示词、防自批的工具白名单（子代理禁止写类工具，落盘权只在主编）、盲读输入隔离，附冷读协议与前情事实卡模板	想要现成协作编排（而非裸工具集）的 DSH 用户
仪器（instruments/）	零 LLM 的确定性检查与统计层：文体机检（正则规则）、语料证伪、判据聚合、盲池构建、批量日报生成	想量化验证写作规范或判官可靠性的人（不依赖 DSH，纯 Node）
WorkBuddy 专家包（模板 wb-expert-starter/ ＋ 装配器 scripts/build-wb-expert.mjs；第二个宿主形态）	同一套工具＋编辑部编成 WorkBuddy（CodeBuddy 家族）的"专家"：team 型，leader 是主编（主智能体）、members 是主笔，另有五个按需工种；工具面隔离由能力表渲进宿主载体（包内定义不带封名单——官方校验器禁止）。装配器认公开单仓与私有 monorepo 两种布局	用 WorkBuddy 的用户（装法见下方§五）

为什么是"运行逻辑"而不是"又一个 AI 写作插件"

我们不认为当前任何模型能自主写出能赚钱的长篇。两个月的对照实验把我们按在这个结论上：

1. **文笔层已经够用。**机检无红旗、盲判官四分档、与真人的差距不在句子层。
2. **瓶颈在上游：结构与选题。**同一写手换大纲做对照——统计平均值拼装的大纲产出"被量化后的平庸"；真人爆款的节拍 1:1 移植能提升文笔/一致性维，但整体仍在真人水位之下。结构 > 文笔，实验证实。
3. **编制不买质量。**六角色编辑部管线 vs 通用智能体挂一份技能文件：盲评 3:3 打平。钱应该花在仪器上，不是花在角色编排上。

所以本仓的论点：模型负责生成，代码负责确定性和测量，人只做一件事——当判官（盲读判词、方向投票、终验）。其余全部可以制度化。

仪器层：我们把圈内流行规范拿去验了一遍

instruments/corpus-falsify.mjs 对 59 本起点头部作品（分层抽样、种子可复算）逐条验证流行写作规范，代表性结果：

流行规范	验证结果
感叹号 ≤3/千字	不成立：59.3% 的好书超标
"严禁使用"类负向词清单	不成立（作为质量判据）：84.7% 的好书里这些词常见（中位 4.2/万字）——它们区分的是"AI 稿/人稿"，区分不了"好/坏"
≥70% 段落控制在两行以内	非普遍事实：仅 33.9% 的书达标——是那位作者的口味，不是行业线
模板开场套话在好书正章罕见	成立（章首命中中位 0%）

我们还发现自己管线掉进了对称的坑：过度规避——禁词压到 0、感叹号压到 0，同样偏离人类分布。人味 = 落在人类分布带内，不是越干净越好。仪器的正确用法是测双向偏差。

跨层声明（必读）：上表语料 100% 为起点系长线作品，结论对"起点长线好书"成立与否——不能直接外推到番茄短平快（节拍密度/章长/爽点频率的分布不同），工具头已显式标注。要让阈值对生产平台成立，需另采番茄头部语料重跑一遍证伪；在此之前，这些数字只作"阈值来源可见、可复算"的参照，不作生产判据。

判据信度同理：宽松判据（within-1 一致率）下，一个只会恒定打 4 分的判官能拿满分信度。instruments/instrument-aggregate.mjs 强制报 exact agreement、ICC(2,1)、量程使用分布，sd=0 / n<5 的维度显式"不可测"，绝对分与成对判两把尺子打架时阻断达标结论。

快速开始

# 一、DSH 插件（任选其一）
dsh plugin --profile <你的profile> add github:NovaDev9-bot/cordis-plugin-novelist   # 从本仓装
dsh plugin --profile <你的profile> add <本仓本地路径>                                  # 本地装
# 装好后该 profile 的会话即带 novel_* 15 工具与 novelist-guide（无需其他配置）
# 想要现成的编辑部编排（主编/主笔人格与协作框架）→ preset-starter/（v0.8.0 起公开）

# 二、MCP server（不用 DSH 的智能体：Claude Code / ZCode / Cursor 等任意 MCP 客户端）
node mcp/server.mjs --root <书库根目录>    # 路径安全硬前置：所有 book_dir 圈在书库根内
# 客户端注册与差异说明见 mcp/README.md（工具与 guide 和 DSH 形态同源）

# 三、仓库自检（Node ≥ 20）
git clone https://github.com/NovaDev9-bot/cordis-plugin-novelist.git
cd cordis-plugin-novelist
npm test                                          # 插件测试
node --test mcp/test/mcp.test.mjs                 # MCP 测试（根安全+协议+工具全链）
node --test instruments/style-check.test.mjs instruments/instrument-aggregate.test.mjs   # 仪器测试

# 四、仪器单用（不依赖任何宿主，纯 Node——机检/证伪/聚合任何人的书稿都能用）
node instruments/style-check.mjs 某章.txt                    # 文体机检（GBK 自动识别；--lexicon 叠加负向词库）
node instruments/corpus-falsify.mjs --corpus <语料根> --index <索引.csv> --out <输出>    # 用你自己的语料证伪规范
node instruments/instrument-aggregate.mjs <书工程目录> --baseline <calibration-baseline.json>  # 判据聚合
node instruments/batch-report.mjs <book_dir> --write         # 生产批日报（章状态/伏笔收支/待裁事项）

# 五、WorkBuddy 专家包（把同一套工具 + 编辑部编成 WorkBuddy 的"专家"）
node scripts/build-wb-expert.mjs --book-root <你的书库目录> --out <专家包目录>
#    纯 Node、零依赖。装配器同时认公开单仓与私有 monorepo 两种布局。
#    --handbooks <目录> 可另外带上主编/主笔两份作业规程；不给会**明确报"本次不含"**，不静默少件。

边界说明：本仓=账本工具+编辑部 starter 编排+测量仪器。两宿主形态共享同一份流程真源与能力真源（工具面隔离只渲一次，按宿主映射落地；谁强谁弱逐项分宿主标注，不取平均）。starter 预设（2026-09-17 起人格公开版）与生产预设同源：机制不变，公开侧不含本机私有路径与档案库引用，读者画像卡随包提供。

三分钟：把你自己的一本书变成一张写手参照卡

参照卡带原文，而且每张都有出处行。两条理由：

• 实证：要让模型换一副嗓子，最有效的做法是给它看目标语域的原文——不是"去看第 N 章"这种坐标。主笔的 glob/grep 是被禁的，只能按精确路径读，坐标它解不出来，那种卡在生产链路上等于空转。反过来，把风格写成"句长中位 X、短句占比 Y"这类数字，被提示（prompting）与 LoRA 一致优于；更强的是，追加可逐条核验的约束反而把风格归属准确率拉低（Wang et al. 2025，400+ 位作者、4 万次生成）。机制是 extremal Goodhart——观测出的分布性质一旦变成逐句目标，模型就去凑比例、牺牲真语域。
• 法律：风格不受版权保护，载体受保护。所以卡里贴了别人的正文，就必须指明作者与作品名——这是「适当引用」的前提条件，不是可选项。卡名用风格指纹（形态描述，不点作者），卡头写出处，两者各管各的：名字落在那段字上，不落在这张卡上。

# 1. 把锚书目录交给它（认两种布局：<锚书>/manuscript/chapter_NNN.md，或目录下任意 *.md/*.txt）
#    --source 是引用出处：卡里贴的是别人的正文，这一行就是"适当引用"的前提条件
node instruments/build-author-card.mjs --book <你的锚书目录> --source "《书名》· 作者" \
       --out 我的卡.md --json 实测.json
#    → 我的卡.md（给写手）：出处行 + 一段锚段 + 按**场景功能**挑的范例（对话戏配对话戏，不按主题相似度）
#    → 实测.json（给审校）：句长中位/短句占比/对话段占比——数字只走 stderr 与 --json，永不进卡正文
# 2. 卡里三处空槽只能人填：语域指南一句话、这个作者不会做的事、AI 腔黑名单
# 3. 派工包里**全文**贴给主笔；卡留在库里不贴＝这一格空转

设计要点：卡正文 0 个数字型风格断言是硬断言（出现 \d+% 或"中位/占比"即退出码 1、拒发）——这个工具的存在理由就是不让一张自带代理目标的卡出厂。锚书里测不到某类范例时它报"未测到"并说明原因（含引号形态普查，防"语料没带引号"被误读成"这本书没有对白"），不拿别的类顶替；锚书切不出正文时退出码 2 而不是 0——"没测成"和"测到没有"必须分开。

卡目录、六节骨架与建卡纪律见 craft/author-cards/_模板与建卡纪律.md；体量/章长/钩型分布这类参数类参考在 craft/reference/（规格清单形态，只作骨架与审校侧参考，参数不得当写手任务书）。

设计红线

• 判定归模型、代码做壳：机检只报数+软警告，永不作语义质量门禁；符号级护栏（章号/版本链/引文核验）才用确定性代码。
• 一切判断锚正文原句：判据账 evidence 子串核验硬闸，伪引文当场拒收。
• 词库=数据不是散文：instruments/style-lexicon.json 是 JSON，三层各司其职——L1 forbidden_lexicon（命中即问题，清单随派工包给写手）、L2 negative_lexicon（只报密度、不判违规）、L3 positive_lexicon（正向锚，限特定角色口吻）。发布版与生产版逐字节相同。要叠加自己的清单：--lexicon your.json，格式 {类别:[词...]}。L2 不可当质量判据——它区分"AI 稿/人稿"，区分不了"好/坏"；压到 0 同样偏离人类分布（实测 78% 的头部作品超其阈值，中位 3.577/万字）。
• novel_count 只返回计数：file 模式读取任意指定路径文本，但输出仅 汉字数/字节数/行数/来源路径——不回显内容（计数-only，侧信道面=文件长度指纹）。工具面按角色 deny 收口见 preset。

License

MIT。所有实验数字可复算（种子与口径随文件注明），欢迎推翻我们。