分析已出版书籍并逆向提取逐场景结构大纲：用于研究写作技法…

当你已有书籍文本并想研究其故事结构、写作技法、类型套路或制作教学材料时，用逆向大纲把成品散文拆解成结构化逐场景大纲。

适用场景

解决思路

1. 应用核心原则：已完成的书隐藏其构造，大纲揭示散文下的骨架；把每个场景视为同时服务结构、情感和角色功能，系统提取这些功能来绘制故事如何实现效果的地图。
2. 先确定当前状态：检查已有文件和已有分析，对照 RO0 到 RO6 判断处于哪个状态。
3. 按诊断流程操作：确定当前状态后，根据状态表识别下一干预，运行合适工具推进到下一状态，继续前验证输出，迭代直到 RO6。
4. RO0 无输入时：询问要分析哪本书、是否已准备好文本文件、学习目标是什么，例如技法分析、类型研究或教学；引导用户准备文本输入，并讨论范围是整本书还是某一部分。
5. RO1 未分段文本时：询问书是否有显式章节标记、场景分隔是否用空白、符号或 POV 转换标记、该类型的典型场景长度；运行 `deno run --allow-read scripts/segment-book.ts book.txt [options]` 识别章节和场景。
6. RO1 使用 `--chapter-pattern <regex>` 自定义章节检测模式，使用 `--scene-break <marker>` 自定义场景分隔标记，使用 `--output <file>` 输出 JSON 文件，默认输出到 stdout；输出 JSON 包含 chapters、scenes、line ranges、word counts。
7. RO2 已分段但未分析时：询问总共有多少场景、是否准备开始逐场景分析；运行 `deno run --allow-read scripts/analyze-scene-batch.ts segments.json book.txt [options]` 做 G/C/D 分析。
8. RO2 使用 `--depth quick|standard|detailed` 控制分析深度，使用 `--output <file>` 输出 JSON 文件；输出 JSON 包含每个场景的 G/C/D 分析。
9. RO3 类型未识别时：询问主要元素类型是什么、是否有次要类型、适用哪套 Key Moments 框架；运行 `deno run --allow-read scripts/detect-genre.ts book.txt [options]`，然后映射 Key Moments。
10. RO3 使用 `--sample-size <n>` 设置采样场景数，默认 10，使用 `--output <file>` 输出 JSON 文件；输出 JSON 包含类型检测和 Key Moments 映射。
11. RO4 角色未追踪时：询问谁是主角、哪 3 到 5 个次要角色最重要、每个角色遵循哪种弧类型；运行 `deno run --allow-read scripts/track-characters.ts segments.json book.txt [options]` 识别并追踪角色弧。
12. RO4 使用 `--protagonist <name>` 指定主角，使用 `--max-secondary <n>` 设置最大次要角色数，默认 5，使用 `--output <file>` 输出 JSON 文件；输出 JSON 包含角色弧和关键场景引用。
13. RO5 准备综合时：询问输出深度是 summary、standard 还是 detailed，包含所有场景还是仅重要场景；运行 `deno run --allow-read --allow-write scripts/generate-outline.ts [options]` 生成 markdown 输出。
14. RO5 使用 `--segments <file>`、`--scenes <file>`、`--genre <file>`、`--characters <file>` 传入中间分析 JSON，使用 `--depth summary|standard|detailed` 控制输出深度，使用 `--output <file>` 输出 markdown 文件。
15. RO6 大纲完成时：询问大纲是否捕捉书籍结构、是否有缺口或需要人工复核的场景；进行手动细化、导出或比较研究。
16. 运行完整流水线：`deno run --allow-read --allow-write scripts/reverse-outline.ts book.txt [options]` 从 book.txt 直接生成 outline.md。
17. 完整流水线使用 `--output <dir>` 指定输出目录，默认 `./reverse-outlines/{book-name}/`，使用 `--depth quick|standard|detailed` 控制分析深度，使用 `--protagonist <name>` 指定主角，使用 `--genre <type>` 覆盖类型检测；输出目录包含 `outline.md` 和 `analysis/` 文件夹下的所有中间 JSON。
18. 避免表面化拆解：不要只列发生了什么而不解释为什么；对每个场景询问它服务什么结构功能，以及如果移除它会破坏什么。
19. 避免类型盲分析：不要对浪漫作品套用惊悚模式或反之；始终先检测类型，并使用适合类型的 Key Moments。
20. 避免假定主角：不要假定第一个 POV 角色就是主角；跨所有 POV 角色追踪目标依附和弧存在。
21. 避免猜测场景边界：不要把段落分隔当作场景分隔；使用多种检测策略，偏好保守分段并进行人工复核。
22. 遵守技能边界：不生成原创故事内容，不评判书籍质量，除非被要求不与其他书比较，不跳过状态，每个状态建立在前一个之上，不修改源文本。
23. 输出发现：做任何其他工作前，检查项目中的 `context/output-config.md`；如果找到，查找本技能的条目；如果未找到，在 `./reverse-outlines/{book-name}/` 创建输出。
24. 持久化主要输出：保存 `outline.md`、`analysis/segments.json`、`analysis/scenes.json`、`analysis/genre.json`、`analysis/characters.json`。
25. 区分文件与对话：把分段数据、场景分析、类型检测、角色弧、最终大纲写入文件；把澄清问题、方法论讨论、模糊情况选项、实时反馈、作者探索留在对话。
26. 入站集成：如果来自 `story-sense` 的 `SS7: Ready for Evaluation`，进入 `RO0`，分析已出版作品以与自己的作品比较；如果来自 `dna-extraction` 的 `EX7: Extraction Complete`，进入 `RO5`，比较提取的功能与检测到的结构。
27. 出站集成：在 `RO6: Outline Complete` 后，可接入 `story-zoom` 的 `Z2` 把已出版书映射到自己的结构；接入 `scene-sequencing` 的 `SQ1` 作为场景结构参考；接入 `character-arc` 的 `CA1` 作为弧设计参考；接入 `genre-conventions` 的 `GC1` 研究类型执行。
28. 互补技能关系：`scene-sequencing` 复用核心 G/C/D 分析模式；`genre-conventions` 提供类型检测模式；`character-arc` 提供弧类型识别模式；`dna-extraction` 借用功能分类法；`story-zoom` 输出格式兼容以便比较；`revision` 采用类似结构分析方法。

适用边界 · 注意事项

• 当你需要生成原创故事内容时，不适用。
• 当你需要评判一本书的质量时，不适用。
• 除非用户要求，否则不适用于与其他书进行比较。