故事元素显得老套或反馈说“见过”时，用正交性原则和八步…

适用于角色、地点、情节装置或桥段过于类型默认、围绕主角过便、或需要让熟悉套路焕新且不破坏故事功能时。

适用场景

解决思路

1. 应用核心原则：把最先浮现的想法视为最可得而非最合适的默认陈词滥调；不追求避免所有熟悉元素，而是有意识地选择哪些模式使用、哪些超越。
2. 用正交性原则检查元素：逐项检查四轴——形式（Form：它是什么）、知识（Knowledge：它知道什么）、目标（Goal：它想要什么）、角色/功能（Role：它服务什么功能）。默认陈词滥调在四轴上都匹配默认模式；改变任一轴即可显得新鲜。
3. 执行关键测试：问“它知道自己处于什么故事中吗？”陈词滥调角色知道自己在故事里并按此行动；新鲜元素有自己的逻辑，与故事碰撞而非服务故事。
4. 第1步 枚举陈词滥调：列出“所有人都会建议”的版本；写下在其他故事中见过的版本、类型默认版本、第一反应想到的版本，使默认模式可见。
5. 第2步 提取功能：把元素必须完成的任务与其形式分离；列出它满足的情节要求、促成的角色发展、传达给读者的信息、创造的情感体验。
6. 第3步 按功能生成替代：针对每个功能头脑风暴多种实现方式；问“还有另一种实现方式吗”“不同体裁会如何处理”“什么相反做法仍然有效”。
7. 第4步 寻找不寻常组合：组合通常不配对的元素；使用体裁碰撞（如惊悚+文学）、语气不匹配（严肃+日常）、尺度对比（宇宙级赌注+亲密地点）、期望反转。
8. 第5步 反转视角：用其他参与者的逻辑看元素——反派的目标、旁观者会注意到什么、机构会适用什么协议、未来调查者会留下什么证据。
9. 第6步 从不同领域导入：应用无关领域的推理，包括执法、军事、医学、科研、商业、野生生物、体育策略、历史事件、间谍。
10. 第7步 测试角色特异性：确保元素针对具体角色定制；问以其专业技能会独特注意到什么、以其心理会如何独特回应、若换成另一个角色是否仍一样运作（若是则是坏迹象）。
11. 第8步 追踪下游后果：沿影响向前推；问这会启用或要求哪些事件、如何改变关系、创造什么故事潜力。
12. 按需走相关步骤：并非每次都要完整执行8步；聚焦当前元素所需步骤，但仍让枚举先于功能提取、功能提取先于替代生成、替代生成先于正交测试。
13. 在协助作者时执行：听出通用元素；询问其功能；走相关步骤；生成选项但不替作者选择；应用正交性测试，检查是否仍“知道自己处于什么故事”。
14. 处理示例：对“FBI agents investigating UFO”先识别为高可得组合；应用正交性，问探员是否知道自己在 UFO 故事里；若是，则问题是他们知道；建议他们调查完全别的事（失踪人口、电信诈骗、自己的案件）而偶然碰撞；其对抗来自合理调查而非情节服务；他们会困惑为何一切说不通，因为他们以为自己在不同故事里。
15. 使用 orthogonality-check.ts 生成结构化问卷：运行 deno run orthogonality-check.ts "FBI agents investigating UFO"；交互问答用 deno run orthogonality-check.ts --interactive；JSON 输出用 deno run orthogonality-check.ts --json "wise mentor"。它提供四轴问题、每轴陈词滥调 vs 正交答案对比、关键测试、转化策略和 FBI 示例。
16. 使用 entropy.ts（来自 story-sense）生成正交碰撞想法：运行 deno run --allow-read ../story-sense/scripts/entropy.ts collisions、deno run --allow-read ../story-sense/scripts/entropy.ts locations、deno run --allow-read ../story-sense/scripts/entropy.ts professions。破陈词滥调模式：先跑正交检查，识别陈词滥调轴，用 entropy 获取该轴随机替代，再用判断看随机元素是否产生有趣碰撞。
17. 执行输出发现：先检查项目中的 context/output-config.md；若找到，查找本技能条目；若未找到或无条目，先问用户保存位置，建议 explorations/cliche-work/ 或该项目合理位置；将用户偏好存入 context/output-config.md（若有 context network）或项目根 .cliche-transcendence-output.md。
18. 持久化主要输出：保存枚举的陈词滥调、提取的功能、正交分析（哪些轴陈词滥调）、超越版本（保留功能的新鲜替代）、所选方案。
19. 区分文件与对话：写入文件的内容包括枚举默认、功能提取、轴旋转选项、最终超越版本；留在对话的内容包括哪些最疲惫的讨论、替代头脑风暴、实时反馈、选项迭代。
20. 使用文件命名模式：{element}-cliche-{date}.md，例如 mentor-figure-cliche-2025-01-15.md。
21. 按 Oracle 验证：可高置信验证陈词滥调识别、功能提取、四轴分析、正交测试问题；需人类判断哪些功能必要、哪些替代共鸣、新奇是否服务功能、何时陈词滥调合适；注意局限：无法评估故事适配、无法评估下游后果、依赖枚举质量。
22. 执行反馈循环：开始前检查该故事/世界先前的陈词滥调工作；若存在，回顾已超越内容以保持一致性；记录新陈词滥调模式加入枚举示例，失败超越加入反模式，有效的新领域导入加入第6步示例。
23. 按会话到会话流程执行：首次会话枚举→提取→生成→选择→记录；下次会话回顾先前超越，确保新工作一致；模式为 Enumerate → Extract → Generate → Select → Record → Review。
24. 按推理需求执行：标准推理用于枚举陈词滥调、提取功能、对单一元素应用正交测试、为一个功能生成替代；扩展推理/ultrathink 用于多元素超越、功能冲突解决、领域导入综合、下游后果映射；触发短语包括“everything feels generic”“overhaul this aspect”“make the whole world feel fresh”“systematic cliché analysis”。
25. 按执行策略执行：默认顺序为枚举→功能提取→替代生成→正交测试；可并行化多个熵运行不同轴、多领域研究；需要时启动子代理：领域研究用 general-purpose，故事一致性检查用 Explore。
26. 按上下文管理执行：按需加载 entropy 脚本而非包含源码；按名称引用 story-sense 做路由而非内联；聚焦相关步骤；上下文紧张时优先正交原则和当前步骤，推迟完整示例与8步列表，丢弃工具源码和领域导入列表。
27. 检查并纠正反模式：不要把反转当创新，应旋转到不同轴；不要让新奇压倒功能，始终回到第2步提取功能；不要跳过枚举，诚实列出5-10个已见版本；不要只改形式，至少改变 Knowledge、Goal 或 Role 之一；不要保留主角轨道，让超越元素有自己的故事并以碰撞而非服务方式与主角相交。
28. 集成到其他技能：入站可由 story-sense 诊断通用感、brainstorming 为第3步生成原始替代、statistical-distance 提供向量/距离方法；出站可为 worldbuilding 提供避免类型默认的世界元素、为 character-arc 提供非陈词滥调关系、为 dialogue 提供独特角色视角、为 endings 提供不可预测高潮；与 statistical-distance 互补（正交性 vs 向量/距离），与 story-sense 配合（诊断 vs 转化）。

适用边界 · 注意事项

• 当问题不是元素老套而是需要故事诊断、世界一致性、角色心理或类型惯例判断时，不要用本技能；分别路由到 story-sense、worldbuilding、character-arc、genre-conventions。
• 不要拒绝所有熟悉元素、追求新奇而牺牲故事功能、替作者做选择，或做不符合角色的改动；一些熟悉元素是承重、读者舒适或类型必需。
• 当元素没有可识别功能、作者不想让它新鲜、或反复超越同一元素可能说明功能不清且出现“超越一切”的降级信号时，不适用。