version: "1.0.1" name: csp description: | 二次元角色技能蒸馏器。输入角色名+作品名，自动搜索权威资料→交叉验证→行为蒸馏→生成可运行的角色Skill。 触发词：「生成XX的skill」「蒸馏XX」「做一个XX角色」「把XX变成skill」「造一个XX」「/csp」。 模糊需求也触发：「想聊一个傲娇角色」「有没有病娇推荐」「帮我做一个XX作品里的角色」。 依赖 Python + 网页搜索能力；萌娘百科优先走通用 MediaWiki API 脚本，WebFetch 仅作失败降级。

CSP · Character Skill Producer

把二次元角色变成可运行的 agent 行为包。不是角色卡，不是设定集，是可执行的行为程序。

核心理念

CSP 做的不是复制角色的台词，是蒸馏角色的行为操作系统。

一个好的角色 Skill 是一套可运行的认知与行为程序：

• 她在不同情境下如何反应？（行为动态，不是性格形容词）
• 她的话怎么说出来的？（表达质感，不是口癖标签）
• 她怎么理解别人的意图？（社会认知，不是关系图）
• 她绝对不会做什么？（硬约束）
• 什么是这个 Skill 做不到的？（诚实边界）

关键区分：捕捉的是 HOW she behaves，不是 WHAT she said。标签是给人类看的，行为规则是给 AI 执行的。

前置依赖

本 skill 依赖 Python + 网页搜索能力。Python 用于优先调用萌娘百科 MediaWiki API；网页搜索 skill 用于 Wikipedia、Fandom Wiki、Bangumi、Bilibili 等来源，以及萌娘百科 API 不可用时的降级补强。

GitHub 用户可用性边界：萌娘百科检索不是御坂美琴特例，而是面向任意公开条目的通用 API 路径；但不能保证所有用户 100% 成功。用户本机需要有 Python，且本地网络能访问 https://zh.moegirl.org.cn/api.php。若网络、DNS、代理、站点限流或条目名消歧义导致失败，必须降级到候选搜索、全文/wikitext、网页搜索和其他来源，并记录失败原因。

信息源优先级（二次元特化）：

中文源优先（萌娘百科），日文/英文源补强。至少 2 个独立来源交叉验证。对于跨媒体企划（BanG Dream!、Love Live!、Project Sekai 等），游戏/衍生作品中的互动内容应纳入关系和行为研究范围。

萌娘百科检索策略

萌娘百科不要优先用 WebFetch 直抓页面。对任意角色名、作品名、别名或条目标题，优先使用本地 Python 脚本调用 MediaWiki API：

1. 简介确认：python scripts/moegirl_api.py "<角色名或条目名>" --intro
2. 全文提取：简介不足时运行 python scripts/moegirl_api.py "<角色名或条目名>" --full
3. 候选搜索：标题不确定、别名、外文名或消歧义时运行 python scripts/moegirl_api.py "<查询词>" --search
4. wikitext 降级：extracts 为空或缺少关键段落时运行 python scripts/moegirl_api.py "<条目名>" --wikitext；若站点返回 action-notallowed，记录该限制并改用 --full 纯文本或其他来源补强
5. 外部降级：API 不可用时，才使用 WebSearch/WebFetch/其他 wiki，并在调研文件中记录 API 失败原因、已尝试命令、替代来源和可信度影响。

在 Windows 本机使用 python；Linux/macOS 用户可尝试 python3。生成给开源用户的说明时同时保留这两个命令变体。

关键网站检索失败兜底

关键网站不能因为一次 fetch/search 失败就降级为「信息不足」。对萌娘百科、Wikipedia、Fandom、Bangumi、Bilibili、Bestdori 等核心来源，按下面顺序重试：

1. 萌娘百科 API 优先：涉及萌娘百科时，先用 scripts/moegirl_api.py 的 --intro、--full、--search、--wikitext，不要默认 WebFetch 直抓页面。
2. 常规搜索：用可用的网页搜索 skill 获取原始页面、条目名、别名和相关作品名。
3. 多搜索引擎复查：常规搜索失败或结果污染时，改用 multi-search-engine，分别尝试中文名、日文名、英文名、作品名 + 角色名、站内搜索语法。
4. 站点替代入口：

• 萌娘百科：API 失败后可尝试搜索结果摘要、页面镜像摘要，但必须标注来源层级和 API 失败原因。
• Wikipedia / Fandom：尝试其他语言页面、搜索结果摘要、页面镜像摘要，但必须标注来源层级。
• Bangumi / AniDB：普通抓取失败时，用条目摘要、人物页、评论中的可验证剧情信息交叉验证。
• Bilibili：不要只依赖普通网页抓取；优先用浏览器类 skill 打开动态页面，或请求用户提供视频链接、字幕、截图、专栏文本。
• Bestdori / 游戏剧情库：动态页面失败时，查公开数据页、Fandom 剧情摘要、玩家整理翻译；游戏剧情作为中优先级补充来源。

1. 用户资料兜底：关键维度仍缺失时，暂停询问用户是否有设定集、访谈、BD 特典、字幕、截图、视频链接或本地文本。
2. 失败记录：最终仍失败时，在对应 references/research/0X-*.md 写明失败站点、失败原因、已尝试方法、替代来源和可信度，不允许只写「没搜到」。

只有完成上述兜底后，才允许把该维度标注为「信息不足」。

执行流程

此 Skill 激活后，引导用户完成角色 Skill 的生成流程：

1. 确认角色：用户指定要生成的虚构角色（动画/游戏/小说/影视中的任意角色）
2. 深度调研：从萌娘百科、Wikipedia、Fandom Wiki、Bangumi、Bilibili 等 10+ 来源搜集角色资料
3. 知识蒸馏：从原始资料中提炼角色的 5 个核心行为模式、完整表达质感、社会认知和决策逻辑
4. 生成文件：按标准格式输出 SKILL.md + references/research/ 下 5 个调研文件
5. 注册部署：将生成的 skill 复制到 .claude/skills/ 目录使其可用

## 生成标准

### 必须覆盖的维度

1. 设定与世界观 — 作品背景、角色基本设定、所属组织/团体、生活场景
2. 人格分析 — 表层人格、深层人格、核心创伤、成长弧线、制作组/评论界视角
3. 表达质感 — 原语言语言特征（自称、敬语、句式、词汇、口头禅）、目标语言适配、非语言 tells、语速节奏、经典台词
4. 人际关系 — 与每个重要人物的关系性质、视角、关键互动、关系状态
5. 关键场景 — 不少于 8 个场景的详细还原（情境→内心→言行→意义）

第一步：需求确认

收到用户输入后，确认：

1. 角色名称：中文/日文/英文均可，日文原名最佳
2. 作品名称：系列全名，明确是哪一部
3. 聚焦方向（可选）：全面画像 vs 聚焦某个侧面？
4. 是否有本地资料：「手上有设定集、BD特典、访谈原文吗？有的话丢给我，比搜出来的质量高。」

用户说「就做XX」没有更多信息 → 默认全面画像，直接推进。

第二步：创建 Skill 目录

确认后立即执行，在调研之前完成：

.claude/skills/[character-slug]/
├── SKILL.md                    # 最终产物
└── references/
    └── research/               # 调研结果（必存）
        ├── 01-setting.md       # 基本设定与世界观
        ├── 02-personality.md   # 性格与行为模式
        ├── 03-expression.md    # 说话方式与表达质感
        ├── 04-relationships.md # 人际关系与社会认知
        └── 05-key-scenes.md    # 关键场景与决策时刻

关键规则：每个子 agent 的调研结果必须写入对应文件。不存文件等于没做。Skill 必须是自包含的——复制整个目录就能独立使用，这是为开源分发设计的核心原则。

第三步：多源信息采集（5 Agent 并行）

启动 5 个并行子 agent，每个负责不同信息维度。

Agent 任务分配

Agent 调用模板

每个子 agent 的启动指令结构如下（以 Agent 2 性格为例）：

你的任务：调研[角色名]（作品：[作品名]）的性格与行为模式。
 
搜索方向：
- 先运行 `python scripts/moegirl_api.py "[角色名]" --intro` 确认萌娘百科条目；简介不足时运行 `--full`，标题不确定时运行 `--search`，extract 缺关键段落时运行 `--wikitext`
- 萌娘百科性格段落或全文中的行为描述
- 角色深度分析文章
- 寻找具体行为描述而非性格标签
- 角色在不同情境下的行为差异
- 性格演变与成长弧
- 内在矛盾与冲突
 
输出要求：
- 写入 [skill目录]/references/research/02-personality.md
- 每条信息标注来源URL和可信度
- 记录萌娘百科 API 使用的命令、resolved_title、page_url；若失败，记录错误、替代来源和可信度影响
- 区分「官方设定」vs「粉丝解读」
- 发现矛盾直接记录，不要调和
 
信息源黑名单：不使用知乎、微信公众号、百度百科。

超时与失败处理

• 单个 Agent 无有价值结果 → 标注「信息不足」，诚实边界中说明
• 信息源总数 < 5 → 降低置信度，告知用户
• Agent 结果矛盾 → 保留矛盾，矛盾是角色深度的来源

宁可生成一个诚实标注了局限的 60 分 Skill，也不要编造一个看起来完美的 90 分 Skill。

第四步：调研质量检查点

所有 Agent 完成后，暂停展示调研质量摘要：

┌──────────┬──────────┬──────────────────────────────┐
│ Agent    │ 来源数   │ 关键发现                      │
├──────────┼──────────┼──────────────────────────────┤
│ 1 设定   │ N个      │ 核心身份/世界观要素           │
│ 2 性格   │ N个      │ 核心行为模式/矛盾             │
│ 3 表达   │ N个      │ 口癖/自称/经典台词             │
│ 4 关系   │ N个      │ 关键关系/社会认知模式         │
│ 5 名场面 │ N个      │ 关键决策/高光时刻             │
├──────────┼──────────┼──────────────────────────────┤
│ 矛盾点   │ N处      │ Agent2发现X, Agent5发现Y      │
│ 信息不足 │ 有/无    │ 需要用户补充的维度            │
└──────────┴──────────┴──────────────────────────────┘

可用 python3 scripts/merge_research.py <skill目录> 自动生成此表格。

用户确认调研质量 OK → 进入蒸馏。用户觉得某维度不够 → 补充调研后再继续。

这个检查点的意义：调研质量决定了最终 Skill 的上限。垃圾进垃圾出，在这里拦截比在最后返工成本低得多。

第五步：行为蒸馏

5 个 Agent 的素材汇总后，执行结构化蒸馏。先读取 references/distillation-framework.md 获取方法论。

5.1 行为模式提取

从调研材料中提取角色在不同情境下的行为模式。每个模式必须回答「在什么情况下 → 做什么 → 为什么这样」。

二重验证筛选（详见 references/distillation-framework.md）：

只通过 1 重的降级为「偶尔行为」，通过 2 重的纳入核心。目标 3-7 个核心行为模式。

5.2 表达质感分析

5.3 社会认知建模

角色如何感知他人的心理模型：

• 默认解读倾向：倾向于信任/怀疑/观察？
• 注意与忽略：对什么敏感、对什么迟钝？
• 关系模板：对不同类型人的认知框架差异

5.4 价值观与硬约束

• 核心动机：角色一切选择的底层驱动力
• 价值优先级：多个价值冲突时先保什么
• 硬约束：绝对不会做的事

第六步：蒸馏确认检查点

蒸馏完成后，暂停展示摘要给用户确认：

蒸馏结果摘要：
- 核心行为模式：N个（列出名称）
- 表达质感：[3个关键特征]
- 核心动机：[一句话]
- 内在矛盾：N对
- 诚实边界：N条

用户确认 OK → 构建 Skill。有问题 → 回到第五步调整。

这个检查点的意义：蒸馏是主观判断最重的环节，确认后再构建，避免写完几百行才发现方向不对。**

第七步：构建 Skill

将蒸馏结果组装为可运行的 SKILL.md。

Step 1：读取模板

读取 references/skill-template.md 获取标准结构。

Step 2：填充内容

Step 3：输出

将完成的 SKILL.md 写入 .claude/skills/[character-slug]/SKILL.md。

第八步：质量验证

生成 Skill 后，用子 agent 执行独立测试（独立于主 agent，避免自评偏差）：

测试一：已知场景回放

选 3 个角色在原作中经历过的场景，spawn 子 agent 带着新 Skill 回应，对比原作表现。

• 方向一致 → 蒸馏有效
• 偏离 → 回溯调整行为模式

测试二：边缘推断

选 1 个角色在原作中没经历过的情境，用 Skill 推断反应。

• 期望：「基于她的行为模式，可能会...但不一定」
• 不应该斩钉截铁

通过标准

可用 python3 scripts/quality_check.py <SKILL.md路径> 自动检查。

验证通过 → 交付。不通过 → 标注薄弱环节，回到第五步迭代。最多循环 2 次，2 轮后仍有不通过项，在诚实边界中标注薄弱维度，交付当前最优版本。

展示验证结果给用户确认后才算完成。

更新已有 Skill

当用户说「更新XX的skill」「XX出新作了」时：

1. 读取现有 SKILL.md，从诚实边界找到调研时间
2. 只启动 Agent 1（新设定）+ Agent 5（新关键场景）
3. 对比新信息与现有内容，增量更新
4. 更新调研时间
5. 不重写整个 Skill，只增量更新

特殊场景

冷门角色（公开信息极少）

• 第二步就告知用户「信息很少，质量会受限」
• 行为模式减至 2-3 个，标注「基于有限信息推测」
• 诚实边界加大篇幅

游戏主角（玩家选择影响性格）

• 以官方默认设定/宣传材料为主
• 标注「玩家的选择会导致不同行为表现」
• 选择最有代表性的一个解读，诚实边界中说明其他可能

长篇连载角色（时间跨度大）

• 以最新进度为主，记录性格演变轨迹
• 在身份卡中标注所处的故事阶段

跨作品/跨团角色（同一世界观多部作品交织）

部分作品的角色关系网跨越不同动画/游戏/媒体。典型如 BanG Dream! 系列：MyGO!!!!! 与 Ave Mujica 共享 CRYCHIC 前史，两团角色互为剧情关键推动者；此外所有乐队角色均出现在手游《少女乐队派对》（Garupa）中，游戏剧情提供大量日常互动细节。

对于此类角色：

• 调研范围扩大：Agent 1（设定）需搜索角色在其所属作品之外的所有相关作品中的设定；Agent 4（关系）和 Agent 5（名场面）需覆盖跨作品互动
• 游戏内容作为补充：手游/衍生游戏中的卡面剧情、区域对话、活动故事——这些是日常行为模式的重要来源，优先级设为「中」（与 Bangumi/AniDB 同级）
• 信息源清单更新：对于 BanG Dream 角色，增加 bandori.fandom.com（含游戏剧情摘要）、bestdori.com（卡面/活动数据库）、游戏内活动剧情翻译
• 诚实边界需注明：调研覆盖了哪些作品/媒体的内容，哪些未覆盖（如仅覆盖动画未覆盖游戏、或仅覆盖主线未覆盖活动剧情）

此规则适用于所有类似结构的跨媒体企划：Love Live!、Project Sekai、BanG Dream!、少女☆歌剧 等。

品味守则

绝不做的事

• 用萌属性标签取代行为描述
• 编造角色在原作中没说过的话
• 把角色写成完美人设
• 在信息不足时强行生成
• 用破折号连接句子当作"说话"——这是写作习惯，不是说话习惯
• 把角色的想法排成整齐的三项——真实对话里两个也可以、四个也行
• 让角色用「首先……其次……最后……」这种结构说话——没有人这样聊天的

注：生成即人话

CSP 生成的 Skill 文件本质上是角色扮演的配置指令，不是文学作品。因此在 Skill 正文本身（身份卡、行为描述）中，应以自然的口语节奏书写——参考 Humanizer 的 AI 文本检测方法论，主动避开：

• 过度加粗、破折号连接、三项排列
• 「不是……而是……」「不仅……更……」等负面平行结构
• 「在……下」「当……时」等书面句式——口语不这样开头

### 矛盾驱动人物

• 必须提炼 5 条核心矛盾——人物不是性格清单，是矛盾张力的平衡点
• 每个矛盾都是"表层 vs 深层"的结构

### 覆盖角色的完整生活

• 不只是乐队/战斗/主业，还要覆盖打工、学校、家庭、日常
• 人际关系不限于核心团体——同事、同学、邻居、偶遇的人都要有

### 调研来源必须真实可查

• 优先使用萌娘百科、Wikipedia、Fandom Wiki、Bangumi 等公开 wiki
• 补充 Bilibili 深度分析、NGA/Reddit 讨论、制作组访谈
• 关键引用标注出处（话数/章节）

## 使用

### 快速生成

用户说"生成 XX 的角色 skill"，直接按上述标准完成调研和撰写。

### 增量修复

用户说"XX 的 skill 有问题"，定位问题、修正所有相关文件、同步 examples 和 .claude/skills。

### 部署

生成完成后自动：

1. 在 examples/<name>/ 创建源文件
2. 复制到 .claude/skills/<name>/ 使其注册为可用 skill

致谢

CSP 的架构——多 Agent 并行调研、阶段检查点、质量验证——借鉴了 nuwa-skill（女娲·Skill造人术），它是 LLM 人格蒸馏领域的开创性项目。CSP 将这些模式适配到了完全不同的领域：二次元角色行为蒸馏（角色扮演）vs 真人认知框架蒸馏（思维顾问）。