Short Drama Knowhow Agent Skill
维护者专用的短剧 know-how 学习、验证与生命周期治理。仅在维护者明确要求从其当前会话提供的授权只读文本源学习完整短剧项目链，并把私有观察逐步转成去标识、去复刻、经盲测与独立审查的公共 reference、rubric 或 synthetic fixture 候选时使用；不用于普通创作、公开运行时取数、媒体生成或粗略数据分析。
Install
one command, takes just this skill from the repositorynpx skills add https://github.com/worldwonderer/drama-skills --skill short-drama-knowhowThe instruction itself
12 sections, as written by the author短剧 Know-how 学习
把学习过程当作编剧、漫剧工作室与编导共同参与的定性研究，而不是词频挖掘。
先理解完整项目如何把戏剧意图传递到可执行的文本制作规格，再决定哪些知识可迁移。
开始前锁定边界
只在维护者主动调用本 skill，且当前会话已经提供授权的只读访问时读取非公开来源。
把连接细节、凭据、源名称和私有卡片留在维护者指定的隔离工作区；不得写入本 skill、
公开技能树、公共候选或评测夹具。没有授权或无法确认只读时停止来源读取，只能用合成材料演练流程。
本流程只研究文本及其版本关系。可读创意简报、故事结构、剧本、资产/连续性台账、图片提示词、
分镜/关键帧文字、视频提示词、审查与修订记录；不生成、渲染、下载或检查图像、音频或视频。
公开运行时永不连接非公开来源，也不承担任何媒体生成。
核心原则
- 让 agent 判断题材语境、人物欲望、因果、信息差、情绪推进、表演动作、镜头意图与制作取舍。
- 只把校验格式、计算 hash、比较文件、查重与隐私扫描等确定性步骤交给现有工具；不要为创作语义写规则匹配脚本。
- 统计只用于描绘可选样本、发现覆盖缺口、寻找异常与安排下一次阅读；不得从频次、排名或相关性直接推出创作规则。
- 一条候选知识必须同时携带证据、反例或失败情形、冲突解释、适用边界和置信度；“常见”不等于“有效”。
- 每次只提出可审查的最小公共改动；未经盲测与独立审查不得直接进入公共 skill。
工作流
1. 确立只读授权与隔离工作区
记录本轮目的、允许读取的文本范围、禁止读取的内容、输出位置和销毁要求。测试一次只读行为，
但不回显连接信息。建立私有研究目录与单独的去标识候选目录；公共目录起初保持不变。
2. 以覆盖缺口选样
先查看维护者允许的最小索引或目录信息。按题材、受众承诺、核心机制、篇幅阶段、制作形态、
完成度与修订状态寻找缺口、对照组和反常样本。统计只能帮助“下一部读什么”，不能回答“应该怎么写”。
优先形成有差异的目的性样本，而不是只读最热门、最多见或最方便查询的项目。
3. 定性通读完整项目链
逐个项目从上游意图读到下游文本交付：创意/改编约束 → 故事引擎与分集设计 → 单集剧本 →
角色、场景、道具与连续性 → 图片提示词 → 分镜与关键帧文字 → 视频提示词 → 审查、修订和交付说明。
若某层不存在，明确记为缺失，不用别的项目或常识补齐。
沿同一承诺追踪：怎样建立期待、怎样制造阻碍和信息差、人物用什么可表演行动推进、转折怎样被铺垫，
以及镜头/提示词怎样保留而不是改写剧作意图。完整阅读后才写卡，不用批量关键词命中代替阅读。
卡片字段与合成例子见 cards-and-coverage.md。
4. 写私有 observation / decision cards
先写 observation card，严格区分直接观察、agent 解释与未知；再写 decision card，记录是否形成候选、
为什么缩小适用范围、有哪些替代解释。每张卡用不泄漏内容的稳定内部引用绑定同一项目链，
但私有卡片永不进入公共技能包。
5. 构建题材 × 机制 coverage matrix
用“题材/受众承诺”作为一轴，用“期待建立、冲突升级、信息释放、关系转向、反转兑现、集尾牵引、
表演动作、镜头承接、连续性”等机制作为另一轴。每格记录支持卡、反例卡、边界、缺口和下一样本，
不填出现次数或成功率。矩阵格式见 cards-and-coverage.md。
6. 用反例、冲突与适用边界压缩结论
主动寻找同机制失败、同题材例外、同结果的替代解释，以及上游有效但下游不可制作的情形。
冲突未解释时保持候选，不做多数表决。把“总是如此”改写成“在这些观众承诺、人物状态和制作约束下，
这项机制可能解决这个问题；出现这些信号时应换法或不用”。详细判别见
synthesis-and-promotion.md。
7. 去标识与 de-copy
删除或抽象源名称、人物名、专有设定、原句、罕见组合、精确数值、路径、地址、标识符和连接信息。
把表层桥段拆成“观众状态 → 戏剧问题 → 可选机制 → 可观察效果 → 失败边界”，再用全新的题材、人物关系、
场景和措辞重建例子。若只有复述原内容才能表达，就不进入公共候选。
8. 形成公共 reference / rubric / synthetic fixture proposal
每个候选包同时提出：简洁 reference 改动、能定位证据与失败模式的 rubric、完全合成且与任何来源不近似的
fixture，以及预期受益任务和潜在副作用。proposal 先留在维护者 staging 区，不直接改 public suite。
公共候选不得要求运行时访问非公开来源，不得声称文本能证明真实媒体效果。
9. 做 fresh-agent blind forward eval
让没有读取私有卡片、原始项目和预期答案的 fresh agent，仅用公共基线或匿名候选之一完成同一组合成任务。
盲评其剧作判断、题材适配、制作可执行性、变体能力和是否机械套模板。执行
blind-forward-eval.md；不要把候选作者的结论泄漏进 prompt。
10. 交给 independent reviewer
由未参与本轮摘取、合成或候选写作的 reviewer 复查证据充分性、反例、适用边界、去标识、de-copy、
盲测设计与公共运行边界。候选作者不得自审放行；有未解决的泄漏、近似复刻、机械化或证据断层即退回。
11. promotion / retire
只有候选通过 fresh-agent blind forward eval 和 independent reviewer，且 reference、rubric、synthetic fixture
彼此一致，才能由维护者把最小改动 promotion 到公共资料。保留不含私密内容的决策记录与回滚说明。
后续反例证明候选过宽、盲测无增益或诱发模板化时，缩窄、替换或 retire；不要靠沉默删除掩盖知识变化。
按需读取
- 写私有卡、合成例子或 coverage matrix 时读
cards-and-coverage.md。
- 判断能否去标识、如何处理冲突或准备 promotion / retire 时读
synthesis-and-promotion.md。
- 设计 fresh-agent blind forward eval、盲评和 reviewer handoff 时读
blind-forward-eval.md。
- 准备 promotion / hold / retire，或需要让公共规则的评测与回滚证据可重放时读
promotion-ledger.md。
不要预加载所有 reference；只读当前阶段需要的一份。
Other skills for the same job
different authors, same section of the catalogue
Comprehensive spreadsheet creation, editing, and analysis with support for formulas, formatting, data analysis, and visualization. When Claude needs to work with spreadsheets (.xlsx, .xlsm, .csv, .tsv, etc) for: (1) Creating new spreadsheets with formulas and formatting, (2) Reading or analyzing data, (3) Modify existing spreadsheets while preserving formulas, (4) Data analysis and visualization in spreadsheets, or (5) Recalculating formulas
Use this skill any time a spreadsheet file is the primary input or output. This means any task where the user wants to: open, read, edit, or fix an existing .xlsx, .xlsm, .csv, or .tsv file (e.g., adding columns, computing formulas, formatting, charting, cleaning messy data); create a new spreadsheet from scratch or from other data sources; or convert between tabular file formats. Trigger especially when the user references a spreadsheet file by name or path — even casually (like \"the xlsx in my downloads\") — and wants something done to it or produced from it. Also trigger for cleaning or restructuring messy tabular data files (malformed rows, misplaced headers, junk data) into proper spreadsheets. The deliverable must be a spreadsheet file. Do NOT trigger when the primary deliverable is a Word document, HTML report, standalone Python script, database pipeline, or Google Sheets API integration, even if tabular data is involved.
Picks random winners from lists, spreadsheets, or Google Sheets for giveaways, raffles, and contests. Ensures fair, unbiased selection with transparency.
Query openFDA API for drugs, devices, adverse events, recalls, regulatory submissions (510k, PMA), substance identification (UNII), for FDA regulatory data analysis and safety research.
MATLAB and GNU Octave numerical computing for matrix operations, data analysis, visualization, and scientific computing. Use when writing MATLAB/Octave scripts for linear algebra, signal processing, image processing, differential equations, optimization, statistics, or creating scientific visualizations. Also use when the user needs help with MATLAB syntax, functions, or wants to convert between MATLAB and Python code. Scripts can be executed with MATLAB or the open-source GNU Octave interpreter.
UMAP dimensionality reduction. Fast nonlinear manifold learning for 2D/3D visualization, clustering preprocessing (HDBSCAN), supervised/parametric UMAP, for high-dimensional data.
Creating interactive data visualisations using d3.js. This skill should be used when creating custom charts, graphs, network diagrams, geographic visualisations, or any complex SVG-based data visualisation that requires fine-grained control over visual elements, transitions, or interactions. Use this for bespoke visualisations beyond standard charting libraries, whether in React, Vue, Svelte, vanilla JavaScript, or any other environment.
Access AlphaFold 200M+ AI-predicted protein structures. Retrieve structures by UniProt ID, download PDB/mmCIF files, analyze confidence metrics (pLDDT, PAE), for drug discovery and structural biology.
How to use it
Take worldwonderer/short-drama-knowhow from the repository into ~/.claude/skills for personal
use, or into .claude/skills inside a project.
The agent identifies a skill by the name field in its header. Two skills with the
same name cannot sit side by side — one of them will be ignored.