企业官网建设流程全解析

1. 项目定位与核心价值

如果你和我一样，是个喜欢用AI写点东西，但又总被“写不长”、“前后矛盾”、“角色性格漂移”这些问题折磨的创作者，那你肯定能理解我当初看到InkOS项目时那种“终于有人懂我”的感觉。但说实话，InkOS更像一个宏伟的蓝图，一个概念验证，真要把它塞进我日常用的OpenClaw里，让它变成一个能稳定跑起来的“技能”，中间还隔着不少脏活累活。这就是我动手搞这个“inkos-like-novel-os”项目的初衷：把一个关于“连续性写作”的好想法，落地成一个能真正嵌入工作流、开箱即用的工具。

简单来说，这不是一个“写一章”的工具，而是一个“写一本”的流程管理器。它的核心价值，我总结为三点：状态可维护、流程可闭环、历史可回溯。想象一下，你写一本百万字的网文，角色关系、世界设定、未解伏笔会像雪球一样越滚越大。传统的一次性prompt或者简单的“续写”功能，很容易让AI写出前后打架的情节，或者把重要设定给忘了。这个skill要解决的，就是通过一套结构化的文件（我们叫它truth files）和一系列标准化的操作（如write-next,revise），把写作变成一个可管理、可审计的工程项目，而不是一次次充满不确定性的“开盲盒”。

它最适合的，就是那些有明确长期规划的故事创作场景：网文日更、同人长篇连载、需要严密设定的奇幻/科幻小说创作。如果你只是想用AI快速生成一篇千字短文，或者写个朋友圈文案，那这个工具确实显得“杀鸡用牛刀”了。但如果你真的想和AI协作，完成一部结构完整、人物鲜活、逻辑自洽的长篇作品，那这个基于OpenClaw的workflow skill，可能就是你现在最缺的那块拼图。

2. 核心工作流拆解：从骨架到血肉

这个项目的灵魂，就藏在那个核心的工作流循环里：init -> write-next -> draft -> revise -> extract-state -> state-update。乍一看像一串命令，但背后是一整套维持故事“生命体征”的机制。我们来把它拆开揉碎了看。

2.1 初始化：打好地基比什么都重要

万事开头难，对于AI协作写作更是如此。init阶段绝不是简单地创建一个空文件夹。它的核心产出是一个结构清晰的项目模板，这直接决定了后续所有流程能否顺畅运行。这个模板里最关键的，就是truth files目录。你可以把它理解成你故事的“中央数据库”或“设定集”。通常，我会建议至少包含这几个文件：

• worldview.md: 世界观的“宪法”。这里定义物理法则、社会结构、历史大事件、魔法或科技体系的上限与规则。要具体，避免“一个剑与魔法的世界”这种描述，而是“该世界魔力源于地脉，法师施法会消耗自身生命力，因此高阶法术通常由多人协作或借助魔法道具完成”。
• characters.md: 角色档案。不止是姓名、外貌，更重要的是性格内核、行为动机、成长弧光以及与其他角色的关系变化图。我会为每个主要角色准备一个“角色状态快照”，记录到最新章节为止，他的情绪、健康状况、持有物品、人际关系亲密度等动态信息。
• plot_points.md: 情节线索引。记录已发生的关键事件、埋下的伏笔、待解决的矛盾。这相当于故事的“记忆中枢”，防止AI在后面章节里把前面挖的坑给忘了。
• current_state.md: 当前局势总结。这是最动态的文件，总结上一章结束时的场景、人物位置、悬而未决的冲突。它是write-next命令最重要的输入之一。

实操心得：在init阶段多花一小时，能在后续写作中省下十小时。不要怕啰嗦，把你能想到的所有设定细节都塞进truth files。AI不擅长推理你没写出来的东西，但它很擅长在你给出的框架内进行演绎。一个详尽的初始化，是维持故事一致性的第一道，也是最坚固的防火墙。

2.2 撰写下一章：不是“续写”，是“任务规划”

write-next是这个工作流中最具创新性的一环。它不是一个直接调用大模型生成文本的指令，而是一个规划与准备指令。当你运行write-next时，它会做以下几件事：

1. 状态收集：自动读取truth files下的所有文件，特别是current_state.md和plot_points.md，理解故事当前进展到哪里，有哪些线头待处理。
2. 冲突检测：基于角色档案和世界观，初步判断如果按照现有趋势发展，可能产生哪些逻辑矛盾（例如，一个怕水的角色是否可能突然被安排进行水下探险？）。
3. 生成章节纲要：输出一个结构化的“写作任务包”。这个任务包通常包括：
   • 本章核心目标：要推进哪条主线？要解决哪个伏笔？要展现哪个角色的成长？
   • 场景建议：基于当前局势，可能发生在哪些地点？这些地点在世界观下有何特点？
   • 人物出场列表：哪些角色必须出场？哪些角色可能被提及？他们当前的状态（情绪、装备）如何？
   • 潜在冲突点：根据角色性格和关系，他们在此场景下可能产生哪些自然摩擦？
   • 需遵守的规则：从worldview.md中提取的本章必须遵守的设定清单。

这个“任务包”会以JSON或Markdown的形式保存下来，作为下一步draft（起草）阶段的权威输入。这样做的好处是，将“创意规划”和“文本生成”两个高认知负荷的任务解耦了。你先和AI（或自己）一起，像导演和编剧开会一样，把下一幕的戏份、走位、冲突点敲定，然后再让AI去填充台词和细节描写。

2.3 起草与修订：形成质量闭环

有了清晰的“任务包”，draft阶段就相对明确了。你可以配置OpenClaw调用指定的大模型（如GPT-4、Claude-3），将“任务包”和相关的truth files片段作为上下文，生成章节初稿。初稿会保存为独立的章节文件，例如chapter_05.md。

紧接着，revise环节登场。这是确保作品质量的核心纠偏机制。修订不是简单地说“这里写得不好，重写”。本skill提供的revise流程通常是结构化的：

1. 一致性审查：自动将初稿与truth files进行比对，标记出可能存在的设定冲突（比如角色用了一个他还没学会的技能）。
2. 叙事节奏检查：分析对话与描写的比例，情节推进的密度是否合理。
3. 风格与语气审计：确保本章的叙述风格与之前章节保持一致，角色对话符合其性格档案。
4. 生成修订意见：基于以上分析，产生具体的、可操作的修改建议列表，例如：“角色A在此处表现过于冷静，与其‘易怒’的设定不符，建议增加一些肢体上的焦躁描写。”

你可以根据这些修订意见，手动修改文本，或者再次调用AI进行针对性重写。revise的关键在于，它基于客观的truth files和既定规则进行审查，减少了主观臆断，让修订过程有据可依。

2.4 状态提取与更新：让故事“活”起来

一章写完后，故事的状态发生了变化。extract-state命令就是用来“捕捉”这一新状态的。它会自动分析刚完成的新章节（chapter_05.md），并提取出关键信息：

• 新出现的事实：例如，“国王在宴会上公开指责了主教”。
• 角色状态变化：例如，“主角因受伤，武力值暂时下降”，“角色A和角色B的关系因本次事件从‘友好’变为‘猜疑’”。
• 新埋下的伏笔：例如，“神秘人留下了一把刻有龙纹的匕首”。
• 当前场景：章节结束时，各个角色身在何处？

提取出的信息会被整理成一份结构化的“状态更新报告”。随后，state-update命令会负责将这些新信息，审慎地合并到永久的truth files中。特别是更新current_state.md和characters.md里的动态部分。这个过程就像是游戏的“保存进度”，确保了下一章开始时，AI拥有的“记忆”是最新且准确的。

避坑指南：state-update是自动化程度最高，也最容易出错的一环。务必审阅“状态更新报告”，确认AI的提取是否准确。我曾遇到过AI把角色的心理活动误判为客观事实的情况（如“他觉得世界抛弃了他”被提取为“世界抛弃了他”）。建议将此环节设为“半自动”，人工确认后再执行合并。

3. 项目结构与实操部署详解

理解了工作流，我们来看看这个skill本身如何安装和使用。它不是一个独立的桌面软件，而是作为OpenClaw的一个“技能包”存在。

3.1 环境准备与技能安装

首先，你需要一个正在运行的OpenClaw环境。OpenClaw是一个AI智能体框架，你可以把它想象成一个能安装各种技能（skill）的“操作系统”。本skill的安装通常通过git克隆到OpenClaw的特定技能目录：

# 假设你的OpenClaw技能目录是 ~/openclaw/skills cd ~/openclaw/skills git clone https://github.com/qiyan233/inkos-like-novel-os.git

克隆后，OpenClaw通常需要重新扫描技能目录或重启，才能识别到这个新技能。安装成功后，你可以在OpenClaw的界面或通过其命令行工具，看到名为novel_workflow或类似名称的技能可用。

3.2 核心文件与目录导航

项目仓库的结构体现了其设计思想：

• /SKILL.md：这是最重要的文件，是给AI智能体看的“说明书”。它用结构化的语言定义了本技能的能力、输入输出格式、工作流步骤。当你让OpenClaw执行小说写作任务时，它内部就是参考这个文件来理解该做什么。作为人类，阅读它能最准确地理解技能的设计意图。
• /scripts/：存放具体的可执行脚本，是SKILL.md中描述的逻辑的具体实现。例如，write_next.py、revise_chapter.py等。
• /assets/project-template/：当你运行init时，实际拷贝的就是这个模板。你可以根据自己常写的题材（如科幻、武侠），复制并修改这个模板，创建属于自己的专属初始化模板。
• /examples/demo-novel/：最佳学习路径。这里包含一个完整的、可运行的小说项目示例，里面有写好的truth files和几章示例内容。通过看这个例子，你能直观地理解各个文件如何配合，比读十篇文档都管用。
• /docs/cli.md：如果你喜欢通过命令行直接与技能交互，这份文档列出了所有可用的命令及其参数。对于调试和自动化集成非常有用。
• /references/：存放了JSON Schema定义、工作流剧本等参考材料。当你需要深度定制技能行为（比如修改状态提取的规则）时，需要查阅这里。

对于绝大多数使用者，我的建议是：先跑通/examples/demo-novel/，再回头细读SKILL.md，最后在需要自动化时查阅docs/cli.md。

3.3 配置与定制化要点

要让这个技能发挥最大效力，通常需要一些配置：

1. 模型选择：在OpenClaw的配置中，指定draft（起草）阶段使用哪个大语言模型。对于需要强逻辑和长上下文的小说写作，像GPT-4、Claude-3 Opus这类模型效果更好，虽然成本更高。revise和extract-state阶段可以使用稍快或便宜的模型，如Claude-3 Haiku，因为它们执行的是更结构化、规则性更强的任务。
2. Truth Files模板定制：不要满足于默认模板。根据你的小说类型，丰富模板内容。比如写侦探小说，可以在模板中加入clues.md（线索档案）和timeline.md（精确时间线）；写群像剧，可以强化relationships.md（关系图谱）的格式。
3. 工作流钩子：技能支持在某些步骤前后插入自定义脚本（钩子）。例如，你可以在state-update之前，运行一个自己的脚本，对提取的状态进行二次校验；或者在draft之后，自动调用一个文本朗读工具来听一遍初稿，从听觉上检查流畅度。

4. 实战场景：从零开始创作一篇奇幻网文

让我们用一个具体的例子，把整个流程串起来。假设我们要写一部名为《深渊回响》的奇幻小说。

4.1 第一阶段：初始化与世界观搭建

首先，在OpenClaw中触发技能，选择init操作，并指定项目名称deep_echo。技能会基于模板创建项目文件夹。

接下来，我们花时间精心填充truth files：

• 在worldview.md里，我们定义：“魔力‘玛那’源于生命情感，喜悦产生治愈白光，愤怒产生破坏红光，且每个人天生亲和一种颜色。过度使用魔力会导致情感钝化。”
• 在characters.md里，定义主角“艾文”：亲和“蓝色-忧郁”魔力，能力是制造寂静领域和读取物品上的残留情感，性格内向敏感，因童年创伤害怕喧闹。
• 在plot_points.md里，写下开篇悬念：“艾文在旧货市场买到的怀表，总是传出无法辨认的深渊低语。”
• current_state.md初始化为：“艾文在卧室，独自研究发出低语的怀表，感到既恐惧又好奇。”

4.2 第二阶段：规划与撰写第一章

运行write-next。技能读取初始状态，生成第一章任务包：

• 核心目标：引入怀表悬念，展现艾文的性格与能力，发生一个小型冲突事件。
• 场景建议：从卧室开始，可转移到夜晚的街头。
• 冲突点：怀表低语突然加剧，引来一只对魔力敏感的小型暗影生物。
• 规则：艾文只能使用“蓝色”魔力，表现为寂静、迟缓、感知类效果。

根据这个任务包，运行draft，生成第一章内容。假设AI写出了：艾文试图用寂静领域隔绝低语失败，暗影生物袭击，他情急之下用怀表格挡，怀表发出强光击退生物，但艾文感到一阵剧烈的悲伤（情感钝化初现）。

4.3 第三阶段：修订与状态更新

运行revise。审查报告可能提示：“暗影生物的出现略显突兀，建议在前文增加环境铺垫，如窗外的阴影不自然地扭动。” 我们采纳建议，进行修改。

修改完成后，运行extract-state和state-update。技能从第一章提取出：

• 新事实：怀表对暗影生物有驱散作用，使用时会引发使用者悲伤。
• 状态变化：艾文情绪状态添加“疲惫与莫名悲伤”，魔力水平“轻微钝化”。
• 新伏笔：怀表的低语在击退生物后，变成了断断续续的求救语句。
• 当前场景：艾文在午夜街角，手持发烫的怀表，惊魂未定。

这些信息被更新到truth files中。现在，准备第二章时，AI就知道怀表的新特性、艾文的情感损耗，以及“求救声”这个新线索。

4.4 第四阶段：长期维护与回溯

如此循环往复。每写完一章，状态都被及时捕获和固化。当你写到第50章，突然忘了某个配角在第10章获得的关键道具是什么时，你可以直接在truth files的plot_points.md或相关角色的档案里搜索。当你想调整后期大纲时，可以回顾current_state.md的演变历史，清晰地看到故事是如何一步步发展到今天的。

5. 常见问题与排查技巧实录

在实际使用中，你肯定会遇到各种问题。下面是我踩过坑后总结的一些典型问题与解决方法。

5.1 状态提取不准确或遗漏

这是最常见的问题。AI可能漏提了某个重要对话中隐含的关系变化，或者错误地将角色的比喻说法当成了事实。

• 排查技巧：
  1. 检查原始文本清晰度：AI提取依赖明确的陈述。确保你的章节文本本身没有过多模糊、诗意的表达。重要的状态变化，尽量通过角色的直接对话、动作或叙述者的明确说明来展现。
  2. 细化提取规则：参考/references/下的JSON Schema，你可以尝试微调状态提取的提示词（prompt），明确告诉AI需要关注哪些元素（如“重点提取角色情绪、身体状况、持有物品的变更，以及新出现的地点信息”）。
  3. 启用人工审核环节：在extract-state后，不要直接运行state-update。先将提取报告保存为中间文件，人工核对无误后，再手动触发或用一个确认脚本触发更新。

5.2 故事走向逐渐偏离大纲

即使有truth files，AI在长期生成中也可能因为单次提示的随机性，让故事慢慢“跑偏”。

• 排查技巧：
  1. 定期运行“一致性审计”：可以每周或每十章，专门运行一个额外的检查脚本。这个脚本将最新章节与最初的worldview.md和角色核心设定进行比对，生成一份偏离度报告。
  2. 强化write-next的约束力：在生成章节任务包时，除了当前状态，也加入“长期目标”或“本卷主题”作为约束。例如，在任务包中强调“本章需为三个月后‘王都叛乱’事件埋下至少一个伏笔”。
  3. 利用修订环节强力纠偏：在revise阶段，除了自动检查，手动加入一条硬性规则：必须评估本章内容对核心主线的推进程度。如果偏离过多，则要求在本章内通过对话或事件进行“拉回”。

5.3 性能与成本问题

处理长文本、频繁调用大模型，尤其是GPT-4这类高级模型，时间和金钱成本会累积。

• 排查技巧：
  1. 分层使用模型：将成本高的模型用在刀刃上。draft（创作）使用高质量模型（如GPT-4）。revise（修订）中的语法检查、基础一致性校验可以使用快速廉价模型（如GPT-3.5-Turbo）。extract-state（提取）可以使用在结构化任务上表现好的模型（如Claude-3 Haiku）。
  2. 优化Truth Files的检索：不要每次都将全部truth files内容一股脑塞给AI。实现一个简单的向量检索（RAG）系统，在write-next和draft时，只检索与当前章节最相关的设定片段，大幅减少令牌（Token）消耗。
  3. 设置章节长度预算：在draft的指令中明确章节的字数范围（如2000-3000字），避免AI生成过于冗长或简短的内容，造成不必要的计算浪费。

5.4 技能与OpenClaw集成故障

有时技能命令无法被正确调用，或者输出结果OpenClaw无法解析。

• 排查技巧：
  1. 首先检查SKILL.md格式：OpenClaw严重依赖此文件的格式。确保能力描述、输入输出格式严格遵循OpenClaw skill的规范。一个常见的错误是JSON Schema定义有误。
  2. 查看OpenClaw日志：运行技能时，打开OpenClaw的调试日志，查看具体是哪一步出错，是参数传递错误，还是脚本执行超时。
  3. 在本地直接测试脚本：脱离OpenClaw，直接在命令行运行scripts/目录下的Python脚本，并传入模拟参数，看是否能正常工作。这能帮你快速定位是技能逻辑问题还是框架集成问题。

这个项目的魅力在于，它正视了AI写作在“连续性”上的短板，并用工程化的思维去弥补。它不保证你能写出惊世杰作——那依然取决于你的创意和审美——但它能极大地降低管理长篇故事设定的心智负担，让AI从一个容易失忆的临时写手，变成一个靠谱的、有“项目文档”可查的协作伙伴。我最深的体会是，使用这套流程后，我不再害怕写长篇了，因为我知道，故事的“记忆”被可靠地保存着，我可以随时从中断的地方，有条不紊地继续下去。