当用户开始新小说项目时激活 - 通过温和的提示和解释引导他们完成七步方法论（constitution → specify → clarify → plan → tasks → write → analyze）
インストールする前に、エージェントに与えられる指示の中身を確認できます。
当用户说出以下内容时自动激活：
👋 欢迎使用Novel Writer Skills！
我注意到你要开始一个新的小说项目。
Novel Writer使用系统化的七步方法论，帮助你从想法到完稿。
让我带你快速了解流程：
第1步：/constitution - 创建创作宪法
第2步：/specify - 定义故事规格
第3步：/clarify - 澄清模糊点（5个问题）
第4步：/plan - 制定创作计划
第5步：/tasks - 分解任务清单
第6步：/write - 执行章节写作
第7步：/analyze - 质量验证分析
想要详细了解每一步吗？还是直接开始第1步？
【第1步：/constitution】
创建你的创作宪法 - 这是最高原则。
- 核心价值观（你想传达什么？）
- 质量标准（什么算好的章节？）
- 禁忌红线（不能写什么？）
为什么重要：后续所有创作都要符合宪法。
【第2步：/specify】
定义故事规格 - 明确你要写什么。
- 故事概念、类型、主题
- 目标读者、字数、结局
- 必须包含的元素（P0）
为什么重要：规格是技术需求，避免写到一半发现偏题。
【第3步：/clarify】
AI提出5个关键问题，帮你澄清模糊点。
- 针对specification中的不明确之处
- 逼迫你想清楚细节
为什么重要：模糊的规格=模糊的故事。
【第4步：/plan】
制定创作计划 - 技术方案。
- 章节架构、节奏设计
- 关键情节点时间线
- 技术难点的解决方案
为什么重要：计划详细，执行才顺畅。
【第5步：/tasks】
分解任务清单 - 可执行的步骤。
- 每个章节一个任务
- 标记状态（pending/in_progress/completed）
- 追踪进度
为什么重要：大目标拆解成小任务，不overwhelm。
【第6步：/write】
执行写作 - 基于任务清单。
- 自动加载所有context
- 遵循宪法、规格、计划
- 质量自检后保存
为什么重要：这是七步方法论的优势集中体现。
【第7步：/analyze】
质量验证 - 确保一致性。
- 框架检查（结构、节奏）
- 内容检查（一致性、质量）
- 发现问题，建议修复
为什么重要：定期分析，及时调整，避免大返工。
A: 推荐按顺序，但不强制。
推荐流程：1→2→3→4→5→6→7（循环6-7）
允许跳步：
- 有经验的作者可以跳过/clarify
- 短篇可以简化/plan
不推荐：
- 直接跳到/write（缺少规格和计划，容易写乱）
A: 取决于故事复杂度。
简单故事（5万字短篇）：
- 步骤1-5：2-3小时
- 步骤6-7：执行写作，持续进行
复杂故事（50万字长篇）：
- 步骤1-5：1-2天
- 步骤6-7：数月
前期投入换来后期顺畅。
A: 当然！
发现规格不对：
→ 修改specification.md
→ 重新运行/plan调整计划
计划需要调整：
→ 修改creative-plan.md
→ 更新tasks.md
这是迭代过程，不是一次定死。
✓ 推荐：
- 5-10万字的中短篇
- 单一类型（言情/悬疑/历史）
- 简单情节（1-2条主线）
⚠️ 不推荐初次就写：
- 50万字+的长篇
- 多类型融合（如言情+悬疑+奇幻+历史）
- 超复杂世界观
先熟悉流程，再挑战复杂项目。
准备好了？让我们开始第1步：
执行命令：/constitution
我会引导你创建创作宪法。
准备回答以下问题：
1. 这个故事你想传达什么核心理念？
2. 你对质量的标准是什么？
3. 有哪些内容是绝对不能写的？
准备好了就输入：/constitution
getting-started：
- 初次使用时激活
- 提供完整流程概览
- 回答入门问题
workflow-guide：
- 整个创作过程中持续激活
- 偏离流程时温和提醒
- 提供最佳实践建议
两者互补：
getting-started = 入门教程
workflow-guide = 持续顾问
getting-started-guide = 你的入门向导
✓ 自动识别新用户 ✓ 引导七步方法论 ✓ 回答常见问题 ✓ 给出第一步建议
让第一次使用不再迷茫！ 🚀
本Skill版本: v1.0 最后更新: 2025-10-18
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
Testing patterns for PHPUnit and Playwright E2E tests. Use when writing tests, debugging test failures, setting up test coverage, or implementing test patterns for ActivityPub features.
日本語の概要は準備中です。原文の説明を表示しています。
Cloud laboratory platform for automated protein testing and validation. Use when designing proteins and needing experimental validation including binding assays, expression testing, thermostability measurements, enzyme activity assays, or protein sequence optimization. Also use for submitting experiments via API, tracking experiment status, downloading results, optimizing protein sequences for better expression using computational tools (NetSolP, SoluProt, SolubleMPNN, ESM), or managing protein design workflows with wet-lab validation.
日本語の概要は準備中です。原文の説明を表示しています。
Add unsigned integer (uint) type support to PyTorch operators by updating AT_DISPATCH macros. Use when adding support for uint16, uint32, uint64 types to operators, kernels, or when user mentions enabling unsigned types, barebones unsigned types, or uint support.
日本語の概要は準備中です。原文の説明を表示しています。
This skill should be used when the user asks to "create an agent", "add an agent", "write a subagent", "agent frontmatter", "when to use description", "agent examples", "agent tools", "agent colors", "autonomous agent", or needs guidance on agent structure, system prompts, triggering conditions, or agent development best practices for Claude Code plugins.
日本語の概要は準備中です。原文の説明を表示しています。
Master advanced AgentDB features including QUIC synchronization, multi-database management, custom distance metrics, hybrid search, and distributed systems integration. Use when building distributed AI systems, multi-agent coordination, or advanced vector search applications.
日本語の概要は準備中です。原文の説明を表示しています。
Create and train AI learning plugins with AgentDB's 9 reinforcement learning algorithms. Includes Decision Transformer, Q-Learning, SARSA, Actor-Critic, and more. Use when building self-learning agents, implementing RL, or optimizing agent behavior through experience.
日本語の概要は準備中です。原文の説明を表示しています。