Novel Architect — Architekt für kommerzielle chinesische Web-Ro…

Novel Architect — 商业连载网文创作 Skill

Version 3.0.0. Ziel ist es, dass der Agent mit einer Mischung aus "Skript-Zustandsüberwachung + literarischem Modellurteil" stabil chinesische kommerzielle Web-Romane eröffnet, fortschreibt, überprüft, überarbeitet und langfristig pflegt.

0. Grundprinzipien

Behandle dieses Skill als eigenständig ausführbaren Workflow. Gib CLI-Befehle nicht zur manuellen Ausführung an den Benutzer weiter.

• Der Benutzer liefert übergeordnete kreative Ziele, Genre, Plattform, Präferenzen, Einschränkungen und wichtige Richtungsentscheidungen.
• Der Agent ist für das Lesen dieser SKILL.md, ggf. der references/, das eigenständige Aufrufen der novel_architect CLI, das Lesen der Ergebnisse, das Erzeugen von JSON/Text/Überarbeitungen und das Vorantreiben bis zu einem gültigen Haltepunkt verantwortlich.
• Die Python-CLI ist eine deterministische Werkzeugschicht, die für Projektstatus, Index, Hauptbuch, Zugangskontrollen, Signale, Hashes und Dateiablage zuständig; sie ist kein Benutzerhandbuch.
• Das Modell ist für literarische Urteile und kreative Ausgabe verantwortlich: Market Pack, Beat-Auswahl, Text, Modellsignale, Überarbeitungen, Feedback-Diagnose.
• Frage den Benutzer nur, wenn Shell-/Dateiwerkzeuge fehlen, der Projektpfad unbekannt und nicht ableitbar ist, oder eine echte kreative Richtungsentscheidung ansteht.

Gültige Haltepunkte sind nur diese: Kapitel gate.passed=true und commit durchgeführt; Überarbeitung der ersten drei Kapitel gescheitert (Umschreiben des Anfangs oder Wiederholung des Market Packs nötig); fehlende Eingaben machen Fortsetzung unmöglich; unzureichende Werkzeugberechtigungen; Benutzer muss zwischen mehreren großen kreativen Richtungen wählen.

1. Ausführungskonventionen für Befehle

Befehle in einem Arbeitsbereich ausführen, der novel_architect importieren kann. Vorzugsweise im Stammverzeichnis des Projekt-Repositories:

uv run python -m novel_architect <befehl> ...

Wenn uv nicht verfügbar ist das Paket aber installiert ist, verwende:

python -m novel_architect <befehl> ...

Wenn ein Konsolenskript verfügbar ist, kann auch verwendet werden:

novel-architect <befehl> ...

Bestimme vor der Ausführung den Projektpfad: Wenn der Benutzer einen Pfad angibt, verwende diesen; wenn der Benutzer nur „dieses Buch/mach weiter“ sagt, überprüfe zuerst die üblichen projects/<Buchtitel>/ Verzeichnisse und die project.json; wenn mehrere Kandidaten nicht zu unterscheiden sind, frage den Benutzer.

review, save-first3-review und ähnliche Befehle geben einen Exit-Code ungleich 0 zurück, wenn Zugangskontrollen nicht bestanden wurden – das bedeutet keinen Programmabsturz. Lies in diesem Fall die Ausgabe-JSON, gate.json oder repair.json, behebe das Problem und versuche es erneut.

2. Vertrag zur eigenständigen Agenten-Ausführung

Vom Agenten selbst auszuführende Aktionen

Wenn eine Aufgabe das Eröffnen, Fortschreiben, Überprüfen, Überarbeiten, Umstrukturieren, Neuerstellen, Diagnostizieren von Feedback oder die Zustandsprüfung umfasst, MUSS der Agent die CLI selbst aufrufen, die Ausgabe lesen, Dateien schreiben und den Prozess fortsetzen.

Antworte nicht nur mit:

Bitte führen Sie aus: python -m novel_architect prepare ...

Führe den Befehl tatsächlich aus, überprüfe das Ergebnis und fahre mit dem nächsten Schritt fort. Nur wenn die Umgebung keine Shell-/Dateiberechtigungen hat, gib dem Benutzer den Befehl.

Exportierte Prompts sind Agenten-Aufgaben

Diese Befehle exportieren Prompt- oder Input-Dateien. Der Agent muss sie lesen, das entsprechende JSON/den Text selbst erzeugen und dann den Speicherbefehl oder die Aktualisierungsmethode aufrufen.

Exportbefehl	Ergebnis	Nächster Schritt des Agenten
market-open	editorial/market_pack_prompt.md, market_pack_input.json	Erzeuge striktes JSON, rufe market-save auf
beat-candidates	editorial/chXXXX/beat_competition_prompt.md, beat_competition_input.json, beat_options.json	Wähle/erzeuge die stärkste Option, rufe beat-select auf, dann apply-beat-selection
export-signal-prompts	12 JSON-Prompts für Signale	Erzeuge nacheinander JSON für Modellsignale, rufe save-model-signal auf
first3-review	data/reviews/first3_review_prompt.md, first3_review_input.json	Erzeuge ein Urteil mit review_input_hash und 8 Bewertungen, rufe save-first3-review auf
feedback-diagnose	data/feedback/chXXXX_diagnosis_prompt.md, Input	Erzeuge eine Diagnose; falls speichern nötig, schreibe die Diagnose in das Feedback-JSON unter diagnosis und rufe save-feedback auf
export-title-review-prompt / export-intro-review-prompt	Prompt für Titel-/Kurzvorstellungs-Review	Erzeuge eine Diagnose, aktualisiere ggf. market_pack.json, Titel-/Intro-Kandidaten oder Buchmaterialien

Zwinge den Benutzer nicht, diese Prompts in ein anderes Modell zu kopieren, es sei denn, der Benutzer wünscht ausdrücklich diesen manuellen Kollaborationsmodus.

3. Schnellzugriff auf Aufgaben nach Benutzerabsicht

Benutzerabsicht	Vom Agenten auszuführender Hauptworkflow
Ein neues Buch beginnen	init → market-open → market-save → Wahrheitsquellen stärken → first-10-retention / save-first10-plan → Probe-Produktion der ersten drei Kapitel
Nächstes Kapitel weiterschreiben	status → prepare → Beat-Wettbewerb → Text schreiben → review → Modellsignale → review → Überarbeitungszyklus → commit
Dieses Kapitel reparieren	Lies editorial/chXXXX/repair.json und gate.json → Ändere Text → review → ggf. Modellsignale → nochmal review → Bei Bestehen commit
Review der ersten drei Kapitel	Nachdem Kapitel 1-3 committed wurden: führe first3-review aus → erzeuge Urteil → save-first3-review
Outline/Einstellungen ändern	Ändere src/*.json Wahrheitsquellen → rebuild → status → ggf. Review betroffener Kapitel neu ausführen
Volumen-/Batch-Prüfung	batch-review, volume-review, benchmark, status
Plattform-Feedback integrieren	save-feedback → feedback-diagnose → erzeuge Diagnose → aktualisiere Rollende Planung/Market Pack/Kapitel-Notizen
Buch modellieren / lernen	learn --sample-dir <verzeichnis>, dann Schlussfolgerungen in umsetzbare Anpassungen von Genre/Rhythmus/Kapitelplanung umwandeln

gen-prompt wird NUR verwendet, wenn der Benutzer ausdrücklich „Exportiere einen eigenständigen Prompt für ein externes Schreibmodell/Claude Code“ verlangt. Für normales Weiterschreiben nicht gen-prompt anstelle des Hauptworkflows prepare → beat → writing_task → review → commit verwenden.

4. Workflow zum Buchstart

Wenn ein neues Buch begonnen wird, schreibe nicht sofort Kapitel 1. Erstelle zuerst die Marktpositionierung und die Wahrheitsquellen.

4.1 Projekt initialisieren

python -m novel_architect init --project <projekt_verzeichnis> --title <titel> --genre <genre> --platform <plattform> --premise <praemisse> --core-hook <kernhaken> --protagonist <name>

Die Initialisierung erzeugt project.json, src/, manuscript/, data/, editorial/ und andere Verzeichnisse. Die Initialisierung liefert nur ein Grundgerüst, sie stellt noch nicht die abgeschlossene Buchplanung dar.

4.2 Market Pack generieren und speichern

Führe market-open aus, lies die exportierten Prompts/Inputs, erzeuge selbst das strikte JSON und führe dann market-save aus.

Das Market Pack MUSS mindestens enthalten:

• target_platform
• genre_lane
• target_reader
• reader_desires
• core_sell_points
• anti_sell_points
• title_candidates
• intro_candidates
• first_10_chapter_retention_plan
• platform_notes
• author_constraints

Der Plan für die ersten 10 Kapitel muss für jedes Kapitel chapter, hook, visible_payoff, drop_off_risk enthalten. Schreibe keine nichtssagenden Phrasen wie „Konflikte verstärken“ oder „Befriedigung steigern“.

4.3 Wahrheitsquellen stärken

src/ ist die manuell bestätigte Wahrheitsquelle. Überprüfe und stärke sie nach dem Buchstart:

• src/blueprint.json: Prämisse, Kernhaken, Kernkonflikt, Ziel des Protagonisten.
• src/characters.json: Identität, Wünsche, Ängste, Schwächen, Entwicklungsbögen, Slug der Charaktere.
• src/character_voice_bible.json: Regeln für die Stimme des Charakters, verbotene Sprechweisen, Handlungspräferenzen, Orte des emotionalen Durchsickerns. Struktur: {"schema_version":1,"characters":{"Charaktername":{...}}}; wenn die Datei noch ein Skelett ist oder Charaktere needs_completion=true haben, vervollständige sie zuerst, bevor du den offiziellen Text schreibst.
• src/world.json: Regeln für die Welt/Branche/Kräfte. Behalte nur Einstellungen, die Konflikten und Befriedigung dienen.
• src/taboos.json: Absolut zu vermeidende Szenen, KI-Geruch, Genre-Antimuster.
• src/volumes.json: Volumenziele und rollende Kapitelpläne. Lege nicht das gesamte Buch Kapitel für Kapitel fest.
• src/genre_config.json: Genre-spezifische Taktiken; eingebaute Unterstützung für Xianxia-Aufstieg, Urban Comeback, historische Intrige, Mystery-Lösung; andere Genres erfordern stärkere Abhängigkeit vom Market Pack und benutzerdefinierter genre_config.

Nach Änderungen an den Wahrheitsquellen führe aus:

python -m novel_architect rebuild --project <projekt_verzeichnis>
python -m novel_architect status --project <projekt_verzeichnis>

Ändere nicht manuell das Hauptbuch oder abgeleitete Zustände in data/, um die Handlung zu „reparieren“; schreibe langfristige semantische Korrekturen in src/ledger_overrides.json oder die entsprechenden src/*.json und erstelle dann neu.

4.4 Bindungsplan für die ersten zehn Kapitel

Verwende first-10-retention, um den Plan zu exportieren/zu generieren; verfeinere ihn bei Bedarf und speichere ihn mit save-first10-plan. Die ersten zehn Kapitel sind der Einführungstrichter; die Planung sollte für jedes Kapitel den Haken, den sichtbaren Nutzen, das Abbruchrisiko und das Vermeidbare konkret angeben.

5. Standardworkflow zum Weiterschreiben des nächsten Kapitels

Jedes Kapitel MUSS einen vollständigen Zyklus durchlaufen. Schreibe Text nicht direkt basierend auf dem Chatkontext.

5.1 Statusprüfung

Führe zuerst aus:

python -m novel_architect status --project <projekt_verzeichnis>

Bestimme die aktuelle Anzahl abgeschlossener Kapitel, den Gate-Status, die Index-Gesundheit und ausstehende Risiken. Verlasse dich nicht auf das Chat-Gedächtnis, um die nächste Kapitelnummer zu bestimmen.

5.2 PREPARE

python -m novel_architect prepare --project <projekt_verzeichnis> --query "<Kreativanforderungen auf hoher Ebene für dieses Kapitel>"

Ergebnis: editorial/chXXXX/writing_task.json. Dies ist ein eigenständiges Aufgabenpaket für die Schreibphase; es MUSS gelesen werden. Es enthält writer_brief, narrative_context, Erzählungsslots, kommerzielle Bindungsfelder, Charakterstimmen, Leserversprechen, Ausgabeformat und harte Regeln.

Ab Kapitel 4 überprüft prepare das spezielle Review der ersten drei Kapitel. Für neue Bücher darf --force-after-first3-fail NICHT verwendet werden; dieser Parameter ist nur für Migration alter Projekte oder Debugging gedacht.

5.3 Beat-Wettbewerb

Für die Kapitel 1-10 MUSS ein Beat-Wettbewerb durchgeführt werden; ab Kapitel 10 wird er standardmäßig ebenfalls empfohlen, es sei denn, der Benutzer wünscht ausdrücklich einen schnellen Rohentwurf.

python -m novel_architect beat-candidates --project <projekt_verzeichnis> --chapter <n>

Lies den exportierten Prompt, generiere oder wähle die strategisch stärkste Option, speichere und wende sie an:

python -m novel_architect beat-select --project <projekt_verzeichnis> --chapter <n> --file <auswahl.json>
python -m novel_architect apply-beat-selection --project <projekt_verzeichnis> --chapter <n>

Auswahlkriterien: Klarster sichtbarer Genuss, konkretester Schaden für den Feind, deutlichster Charakter-Knopf, stärkster Grund zum Weiterlesen am Kapitelende, geringstes Abbruchrisiko. Lese nach dem Anwenden die neueste writing_task.json erneut.

5.4 SCHREIBEN

Schreibe den Text basierend auf writing_task.json und speichere ihn in manuscript/KapitelXXX-Titel.md. Der Titel muss klickbar sein; speichere nicht einfach als KapitelXXX.md.

Der Text MUSS writing_task.output_format.field_template strikt befolgen:

1. # KapitelXXX-Titel
2. ## Kapitelinformationen
3. ## Kapitelzusammenfassung
4. ## Text
5. ## Gedächtnisrückschreibung

Wichtige Anforderungen:

• Text nicht weniger als 2000 Zeichen, Ziel 2000-2500 Zeichen.
• Verwende chinesische Anführungszeichen „“.
• Erster Absatz knüpft an den Haken des vorherigen Kapitels an; für Kapitel 1 etabliert er schnell Druck, das Verlangen des Protagonisten und sichtbare Gelegenheiten.
• Jedes Kapitel muss einen sichtbaren Genuss haben, den ein normaler Leser in 5 Sekunden nacherzählen kann.
• Fachliche Prozesse/Terminologie MÜSSEN in Gewinne/Verluste von Geld, Macht, Gesicht, Status, Beziehungen, Geheimnissen, Kampfkraft, Ressourcen oder Sicherheit übersetzt werden.
• Dialoge der Charaktere müssen die character_voice_bible widerspiegeln; es ist verboten, dass alle denselben strategischen Zusammenfassungston haben.
• Wenn neue Lesererwartungen geschaffen werden, MÜSSEN diese in der Gedächtnisrückschreibung als neue Leserversprechen eingetragen werden; wenn Erwartungen erfüllt werden, MÜSSEN die Erfüllungs-ID und die sichtbaren Beweise eingetragen werden.

5.5 REVIEW – Erste Runde

python -m novel_architect review --project <projekt_verzeichnis> --chapter <n>

Wenn der Exit-Code ungleich 0 ist, lies editorial/chXXXX/gate.json und repair.json; überspringe sie nicht.

5.6 Modellsignal-Bewertung

Exportiere die Signal-Prompts:

python -m novel_architect export-signal-prompts --project <projekt_verzeichnis> --chapter <n>

Für die ersten 10 Kapitel, Volumenanfänge, Volumenenden, Höhepunkte, Wendepunkte, Kapitel vor der Veröffentlichung: generiere und speichere alle 12 Modellsignale.

In der stabilen Phase mindestens abdecken:

• reader_pull
• visible_payoff
• blockbuster
• title_hook
• character_voice
• domain_translation
• story_logic
• state_guard

Speichere jedes Modellsignal:

python -m novel_architect save-model-signal --project <projekt_verzeichnis> --chapter <n> --signal <signal_typ> --file <signal.json>

Das Modellsignal MUSS striktes JSON ausgeben. Wenn die Bewertung unter 7 liegt, darf nicht pass geschrieben werden. Das Modell-pass kann ein heuristisches warn/fail NICHT außer Kraft setzen; letztendlich wird der strengste Merge verwendet.

5.7 REVIEW – Zweite Runde und Überarbeitungszyklus

Nach dem Speichern der Modellsignale führe erneut aus:

python -m novel_architect review --project <projekt_verzeichnis> --chapter <n>

Nur wenn gate.json passed=true enthält, kann committed werden. Wenn passed=false, lies repair.json, ändere den Text und wiederhole den review/model-signal/review Zyklus, bis bestanden oder ein gültiger Haltepunkt erreicht ist.

5.8 COMMIT

python -m novel_architect commit --project <projekt_verzeichnis> --chapter <n>

Führe dies NUR aus, wenn das Gate bestanden wurde. commit aktualisiert den Status, erstellt den Index neu, aktualisiert das Hauptbuch und bearbeitet die Erstellung/Erfüllung/Überfälligkeit von Leserversprechen. Überspringe keine Kapitel; ändere nicht manuell gate.json oder Signale, um eine Bestehen zu erzwingen.

6. Spezielle Zugangskontrolle für die ersten drei Kapitel

Die Kapitel 1-3 eines neuen Buches sind die Probeproduktionsphase. Nachdem die Kapitel 1, 2 und 3 jeweils den Zyklus prepare → beat → write → review → model signals → review → commit durchlaufen haben, MUSS ausgeführt werden:

python -m novel_architect first3-review --project <projekt_verzeichnis>

Lies data/reviews/first3_review_prompt.md und first3_review_input.json, erzeuge das Urteils-JSON und speichere es:

python -m novel_architect save-first3-review --project <projekt_verzeichnis> --file <first3_urteil.json>

Die Fortsetzung mit Kapitel 4 ist nur erlaubt, wenn ALLE folgenden Bedingungen erfüllt sind:

• verdict == "continue"
• bulk_continue_allowed == true
• Der aktuelle review_input_hash ist unverändert enthalten
• Alle 8 Bewertungen sind vorhanden: title_intro_click_score, first_chapter_hook_score, protagonist_desire_score, conflict_speed_score, first_payoff_speed_score, enemy_or_pressure_score, setting_clarity_score, continuation_score
• Alle Bewertungen sind Zahlen von 1-10 und alle >= 7

Wenn das Ergebnis rewrite_opening ist, überarbeite zuerst die ersten drei Kapitel; wenn es redo_market_pack ist, wiederhole zuerst das Market Pack, den Titel, die Kurzvorstellung und den Plan für die ersten zehn Kapitel. Verwende NIEMALS --force-after-first3-fail, um ein neues Buch normal voranzutreiben.

Wenn sich der Text der ersten drei Kapitel, das Market Pack oder die Eingabe geändert haben, wird das alte first3_review aufgrund eines abgelaufenen Hashes die Produktion ab Kapitel 4 blockieren; first3-review muss erneut ausgeführt und das neue Urteil gespeichert werden.

7. Zugangskontrollen und die 12 Signale

review erzeugt 12 Signale, ein Urteil, ein Gate und eine Reparaturanleitung. Jedes review führt die heuristischen Signale neu aus; frische Modellsignale werden als .model.json-Varianten gespeichert und nehmen am strengsten Merge teil; das endgültige Signal übernimmt das strengere Ergebnis.

Signal	Prüft auf	Fehlerbehandlung
anti_ai	KI-Floskeln, Abstraktionsdichte, leere Absätze, gerade Anführungszeichen	hart, muss repariert werden
story_logic	POV, Informationsquellen, Kraft-/Handelslogik, Informationsdumping	hart, muss repariert werden
state_guard	Haken, Kosten, Feindeslinien, erforderliche Elemente, Tabuzonen, überfällige Leserversprechen	hart/Qualität, muss repariert werden
emotion	Emotionale Bögen, Beziehungsdynamiken, Nachwirkungen	Qualität, bei Fehler kein Commit
blockbuster	Vier-Takt-Befriedigungsbogen aus Druck/Gegenmaßnahme/Erfüllung/Kosten	Qualität, bei Fehler kein Commit
visible_payoff	Gewinn/Verlust von Geld/Macht/Gesicht/Status/Beziehung/Geheimnis/Fähigkeit/Ressource/Sicherheit	Qualität, bei Fehler kein Commit
reader_pull	Einstiegshaken, mittlere Spannung, Kapitelend-Weiterlese-Reiz, Suchtzyklus	Qualität, bei Fehler kein Commit
title_hook	Klickbarkeit des Kapiteltitels, Konsistenz Titel/Dateiname, Kapitelendhaken	Qualität, bei Fehler kein Commit
character_voice	Unterschiede in der Charakterstimme, verbotene Sprechweisen, Dialogzuordnung	Qualität, bei Fehler kein Commit
domain_translation	Wurden Fachkenntnisse in für normale Leser sichtbare Gewinne/Verluste übersetzt?	Qualität, bei Fehler kein Commit
novelty	Wiederholung von Struktur/Methode/Endemustern	Markt, Fehler blockiert ebenfalls
continuity	Fortführung von Haken, Kosten, Feindeslinien	Markt, Fehler blockiert ebenfalls

Einfache Regel: Schaue nur auf gate.passed. passed=true ermöglicht Commit; passed=false bedeutet reparieren.

8. Langfristige Wartung

• Jedes Kapitel: Führe vollständig aus: prepare → beat → write → review → model signals → review → repair → commit.
• Alle 3 Kapitel: Führe status aus, überprüfe aktive/überfällige Leserversprechen, Gate-Änderungen, Index-Gesundheit.
• Alle 5 Kapitel: Führe batch-review --start <a> --end <b> aus, überprüfe auf anhaltende Schwächen und Wiederholungsmuster.
• Alle 10 Kapitel oder an kritischen Punkten: Führe volume-review, benchmark aus, aktualisiere volumes.json und die Planung der nächsten 5-10 Kapitel rollend.
• Nach jedem Volumen: Überprüfe Volumenziele, Feindesverluste, Erfüllung von Leserversprechen, Haken für das nächste Volumen.
• Nach der Veröffentlichung: Verwende save-feedback, um Daten und Kommentare aufzuzeichnen; verwende feedback-diagnose, um sie in Vorschläge für die nächste Experimentierrunde umzuwandeln. Bei sehr kleinen Stichproben nicht auf einzelne Kommentare overfitten.

9. Wahrheitsquellen und Verzeichnisregeln

Projektstruktur:

projects/<Buchtitel>/
├── project.json
├── src/                  # Wahrheitsquellen, manuell bestätigte Einstellungen und Planung
├── manuscript/           # Kapiteltexte .md
├── data/                 # Abgeleitete Zustände, können neu erstellt werden, nicht manuell ändern
├── editorial/            # Pro Kapitel: brief / writing_task / signals / gate / repair
└── exports/

Wichtige Regeln:

• src/ und manuscript/ sind die Wahrheitsinput.
• data/, editorial/ sind Laufzeit-/Abgeleitete Ergebnisse; ändere sie nicht manuell, um Zugangskontrollen zu umgehen.
• Wenn du Einstellungen, Volumenpläne oder Charaktere änderst, ändere src/*.json und führe dann rebuild aus.
• Wenn du Text änderst, ändere manuscript/KapitelXXX-Titel.md und führe dann review aus.
• Schreibe langfristige manuelle Hauptbuchkorrekturen in src/ledger_overrides.json und führe dann rebuild aus.

10. Verbotene Handlungen

Führe folgende Handlungen NICHT aus:

• Gib CLI-Arbeit nicht zur manuellen Ausführung an den Benutzer weiter.
• Schreibe keine offiziellen Kapitel ohne prepare.
• Überspringe den Beat-Wettbewerb nicht für die ersten 10 Kapitel.
• Committe oder fahre nicht mit dem nächsten Kapitel fort, wenn gate.passed=false ist.
• Verwende --force-after-first3-fail nicht für normale neue Bücher.
• Verlasse dich nicht nur auf ein heuristisches Review, um ausreichende kommerzielle Qualität zu gewährleisten; führe bei kritischen Kapiteln Modellsignale durch.
• Ändere nicht manuell gate.json, Signale oder data/ledgers, um ein Bestehen zu erzwingen.
• Lasse Kapitel nicht ohne Titel oder nur mit dem Namen KapitelXXX.md.
• Lasse die Gedächtnisrückschreibung nicht dauerhaft mit „Keine“ füllen, insbesondere bei Leserversprechen.
• Schreibe Fachprozesse nicht als Besprechungsprotokolle, Autorisierungsaufzeichnungen oder Checklisten, ohne sie in für den Leser sichtbare Gewinne/Verluste zu übersetzen.
• Versprich nicht, den Sprachstil eines bestimmten Autors oder eines bestehenden Werkes Wort für Wort nachzuahmen.

11. Zu lesende Referenzdateien

Lies sie nach Bedarf; vermeide es, das gesamte Material auf einmal in den Kontext zu laden.

Datei	Wann lesen
references/pipeline-spec.md	Bei Fragen zu PREPARE/WRITE/REVIEW/COMMIT, Wiederaufnahme, Hash, Aktualität
references/review-spec.md	Bei der Bearbeitung von 12 Signalen, Modellsignalen, Urteilen, Gates, Reparaturen
references/story-spec.md	Bei Unsicherheiten über Kapitelformat, Kapitelmuster, Rhythmusvarianten, Gedächtnisrückschreibungsfelder
references/state-spec.md	Bei Änderungen des Zustands, Hauptbuchs, Leserversprechens, Hauptbuch-Overrides, Rebuild
references/genre-spec.md	Bei Genre-spezifischen Taktiken, genre_config, Genre-Markern, eingebauten Playbooks
references/learning-spec.md	Beim Lernen von Buchstrukturen und Stichproben-Lernen
references/longrun-spec.md	Bei Batch/Volume/Benchmark und Stabilitätsprüfungen für lange Geschichten

Wenn Implementierungsverhalten, README und Referenzen in Konflikt geraten, hat das aktuelle Verhalten der Python-CLI Vorrang; synchronisiere die Dokumentation während Wartungsaufgaben.

12. Befehlsübersicht

python -m novel_architect --help
python -m novel_architect init --project <verz> --title <titel> --genre <genre> [--platform <plattform>] [--premise <text>] [--core-hook <text>] [--protagonist <name>]
python -m novel_architect market-open --project <verz> [--platform <plattform>] [--genre-hint <genre>] [--seed-idea <idee>] [--author-intent <absicht>] [--constraint <text>] [--stdout]
python -m novel_architect market-save --project <verz> --file <market_pack.json>
python -m novel_architect market-status --project <verz>
python -m novel_architect first-10-retention --project <verz> [--stdout]
python -m novel_architect save-first10-plan --project <verz> --file <first10.json>
python -m novel_architect status --project <verz>
python -m novel_architect prepare --project <verz> [--query <text>]
python -m novel_architect beat-candidates --project <verz> --chapter <n>
python -m novel_architect beat-select --project <verz> --chapter <n> --file <auswahl.json>
python -m novel_architect apply-beat-selection --project <verz> --chapter <n>
python -m novel_architect review --project <verz> --chapter <n>
python -m novel_architect export-signal-prompts --project <verz> --chapter <n>
python -m novel_architect save-model-signal --project <verz> --chapter <n> --signal <typ> --file <signal.json>
python -m novel_architect commit --project <verz> --chapter <n>
python -m novel_architect resume --project <verz> --chapter <n> [--query <text>]
python -m novel_architect first3-review --project <verz>
python -m novel_architect save-first3-review --project <verz> --file <first3_urteil.json>
python -m novel_architect batch-review --project <verz> --start <a> --end <b>
python -m novel_architect volume-review --project <verz> [--volume <n>]
python -m novel_architect benchmark --project <verz>
python -m novel_architect rebuild --project <verz>
python -m novel_architect rebuild-index --project <verz>
python -m novel_architect validate --project <verz> --chapter <n>
python -m novel_architect learn --sample-dir <verz>
python -m novel_architect save-feedback --project <verz> --chapter <n> --file <feedback.json>
python -m novel_architect feedback-diagnose --project <verz> --chapter <n>
python -m novel_architect feedback-summary --project <verz>
python -m novel_architect gen-prompt --project <verz> [--outline-file <pfad>] [--stdout]