chinese-novelist-skill: ein Claude-Code-Skill, der Romane in 10 bis 50 Kapiteln durchzieht
🎭 AI 写小说：从零生成 10-50 章完整中文小说，三层问答 · 创作记忆 · 悬念钩子 · 自动校验，长篇网文连载皆宜｜开源免费，适配主流 coding agent｜AI novel writing skill
Auf einen Blick
- Was ist das?
- Der Skill zerlegt das Schreiben eines chinesischen Romans in vier Phasen mit Fragebogen, Planungs-JSON und automatischer Nachkontrolle. Interessant ist weniger die Textqualität als die Frage, ob ein Agent einen Langlauf über dreißig Kapitel ohne Abbruch durchhält.
- Für wen ist es gedacht?
- Wer einen Claude-Code-Skill sucht, der die Struktur eines mehrkapitligen Romans verwaltet und Wortzahl sowie Anschlussfähigkeit maschinell nachprüft, findet hier einen klar dokumentierten Ablauf mit `npx skills add PenglongHuang/chinese-novelist-skill` als Einstieg.
- Darf ich es kommerziell nutzen?
- Ja. MIT ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 10 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Das Problem ist nicht der erste Satz, sondern Kapitel 27
Die README benennt den Engpass selbst: Schreiben sei vor allem eine Frage des Durchhaltens. Ein Modell liefert auf Zuruf eine brauchbare Szene. Ein Roman mit 10 bis 50 Kapiteln verlangt dagegen, dass Figurenkonstellation, Konfliktstand und offene Fäden über Dutzende Sitzungen konsistent bleiben. Genau dort brechen freie Prompts auseinander: Ab Kapitel zehn driftet die Figur, der Antagonist verliert sein Motiv, der Spannungsbogen flacht ab.
Der Skill adressiert das nicht durch ein besseres Sprachmodell, sondern durch Buchhaltung. Er legt vor dem ersten Kapitel eine Planungsdatei an, führt nach jedem Kapitel eine Zusammenfassung fort und prüft am Ende nach. Zielgruppe sind damit weniger Literaten als Menschen, die einen Fortsetzungsroman mit festem Kapitelraster produzieren wollen, etwa für Webnovel-Plattformen. Die README nennt als Anwendungsfall ausdrücklich lange Fortsetzungsgeschichten.
Vier Phasen, ein JSON und ein Vorzugsprofil
Der Ablauf ist als Phase 0 bis Phase 4 dokumentiert. Phase 0 lädt `user-preferences.json`, ein projektübergreifendes Profil, und sucht nach unfertigen Projekten, die fortgesetzt werden können. Phase 1 stellt Fragen in zwei Stufen: drei Pflichtfragen zu Genre, Hauptfigur und Kernkonflikt, danach fünf optionale zu Welt, Erzählperspektive, Thema, Zielgruppe und Kapitelzahl. Jede Frage lässt sich überspringen oder per Zufallsoption beantworten.
Phase 2 erzeugt daraus drei Artefakte: eine Gliederung im Sieben-Spalten-Schema, Figurenprofile und ein Schreibplan-JSON. Die Ausgabestruktur in der README zeigt das konkret: neben `01-大纲.md` und `00-人物档案.md` liegt `02-写作计划.json`, beschrieben als maschinenlesbarer Schreibstatus, der die parallele Produktion koordiniert. Das ist der eigentliche Mechanismus. Das JSON ist der gemeinsame Zustand, aus dem mehrere Agenten lesen und in das sie zurückschreiben.
Phase 3 läuft ohne Rückfrage durch. Pro Kapitel sind vier Schritte vorgesehen: Analyse vor dem Schreiben, Verfassen im Umfang von 3000 bis 5000 Zeichen, Überarbeitung gegen KI-typische Formulierungen, Wortzahlprüfung, danach Aktualisierung der Zusammenfassung. Phase 4 prüft das Gesamtmanuskript auf Wortzahl und Kohärenz und schreibt durchgefallene Kapitel neu, laut README höchstens drei Runden.
Drei Modi, und nur einer ist der sichere
In Phase 2.5 wählt man zwischen seriellem Schreiben durch den Hauptagenten, parallelem Schreiben durch Unteragenten und dem Agent-Teams-Modus von Claude Code. Die README empfiehlt seriell als Standard und ordnet die beiden anderen Modi den Zielen Geschwindigkeit beziehungsweise sehr lange Texte zu.
Die Empfehlung ist plausibel. Paralleles Schreiben setzt voraus, dass jeder Unteragent denselben Stand aus dem Schreibplan-JSON liest und seine Figur nicht eigenmächtig weiterentwickelt. Der Skill liefert dafür die Datei, aber die README beschreibt kein Sperr- oder Konfliktauflösungsverfahren für gleichzeitige Schreibzugriffe. Wer den Parallelmodus wählt, sollte damit rechnen, dass Kapitelübergänge selbst nachgezogen werden müssen. Der Hinweis auf Agent Teams verweist zudem auf eine Funktion von Claude Code, nicht des Skills, und bindet das Projekt enger an diese Plattform als die Formulierung in der README nahelegt.
Installation und die Dateien, die den Ablauf tragen
Der schnellste Weg steht in der README: `npx skills add PenglongHuang/chinese-novelist-skill`. Danach genügt die Anweisung `使用 chinese-novelist 帮我写一部小说`, um den Ablauf zu starten. Alternativ lässt sich das Verzeichnis manuell nach `~/.claude/skills/chinese-novelist/` kopieren, so wie es die README für Claude Code beschreibt.
Die inhaltliche Arbeit steckt nicht in `SKILL.md`, sondern in zwei Referenzordnern. Unter `references/flows/` liegen sieben Dateien, die den Phasen zugeordnet sind, darunter `phase0-initialization.md`, `phase2-planning.md`, `phase4-validation.md` und `shared-infrastructure.md` für das Vorzugssystem und die Wortzahlskripte. Unter `references/guides/` liegen acht Schreibhilfen: `chapter-guide.md` mit Erzähltechnik und Kohärenzhinweisen, `hook-techniques.md` mit 13 Typen von Kapitelendhaken, dazu Dateien zu Figurenbau, Dialog, Handlungsstruktur, Texterweiterung und Vorlagen für Gliederung, Figuren und Kapitel.
Für die Prüfung ist `scripts/check_chapter_wordcount.py` zuständig. Das Skript ist der einzige Teil des Projekts, der eine harte Zahl durchsetzt, nämlich den Bereich von 3000 bis 5000 Zeichen pro Kapitel. Alles andere, etwa ob ein Kapitelende wirklich als Haken funktioniert, bleibt eine Einschätzung des Modells.
Was die Prüfung nicht misst
Die automatische Validierung in Phase 4 prüft zwei Dinge: Wortzahl und Kohärenz. Die Wortzahl ist deterministisch, das Skript zählt Zeichen. Die Kohärenzprüfung dagegen wird von demselben Modell vorgenommen, das die Kapitel geschrieben hat. Ein Modell, das einen Figurenwiderspruch beim Schreiben übersehen hat, wird ihn beim Nachlesen mit hoher Wahrscheinlichkeit ebenfalls übersehen, weil ihm derselbe Kontext vorliegt.
Das ist keine Schwäche der Umsetzung, sondern eine Grenze des Verfahrens, und die README benennt sie nicht. Wer den Skill einsetzt, sollte die Kohärenzprüfung als Formatkontrolle lesen, nicht als inhaltliche. Ein zweiter Punkt: Die Qualitätsregeln des Projekts sind auf Wirkung ausgelegt, nicht auf Zurückhaltung. Die vier Kernregeln lauten zeigen statt erzählen, Konflikt treibt die Handlung, jeder Kapitelabschluss setzt einen Haken, die ersten 20 Prozent müssen ziehen. Für Fortsetzungsromane ist das stimmig. Für eine ruhige Erzählung mit offenem Ausgang arbeitet der Skill gegen die eigene Absicht, weil er jedes Kapitel auf einen Haken verpflichtet.
Wann ein anderer Weg sinnvoller ist
Die naheliegende Alternative ist der direkte Umgang mit dem Modell über eine eigene Projektdatei, etwa ein Gliederungsdokument und ein Figurenblatt, die man bei jeder Sitzung erneut in den Kontext gibt. Der Unterschied liegt nicht im Ergebnis, sondern in der Arbeitsteilung: Der Skill automatisiert das Nachführen von Zusammenfassungen, das Fortsetzen nach einem Abbruch und die Wortzahlprüfung. Wer ohnehin nur fünf Kapitel schreibt und die Dateien selbst pflegt, gewinnt durch den Skill wenig und übernimmt zusätzlich die Abhängigkeit von seiner Verzeichnisstruktur.
Für kürzere Texte, Lyrik oder Sachprosa ist der Skill das falsche Werkzeug, weil Kapitelraster und Hakenlogik dort nicht greifen. Und wer nicht mit Claude Code arbeitet, muss prüfen, ob der jeweilige Agent die Skill-Konventionen überhaupt kennt; die README beschreibt Installation und Aufruf ausschließlich für diese Umgebung, auch wenn die Themenliste allgemein von coding agents spricht.
Pflege, Lizenz und der Preis des Weiterbetriebs
Das Projekt steht unter MIT-Lizenz. Diese erlaubt Weitergabe und Änderung, verlangt aber, dass Lizenz- und Urheberrechtshinweis erhalten bleiben. Wer den Skill in ein eigenes Produkt einbettet, sollte den Hinweis in der Weitergabe nicht entfernen; eine rechtliche Bewertung des eigenen Falls ersetzt das nicht.
Die Wartungslast liegt weniger im Code als in den Referenztexten. Sieben Ablaufdateien und acht Leitfäden beschreiben, wie ein Modell schreiben soll. Ändert sich das Antwortverhalten des Modells, müssen diese Anweisungen nachgezogen werden, und das ist Handarbeit an Prosa, nicht an einer Bibliothek. Das Projekt hat mit v2.0 die ausführlichen Anweisungen aus `SKILL.md` in `references/flows/` ausgelagert, was die Pflege einzelner Phasen erleichtert, aber die Zahl der Dateien erhöht, die zueinander passen müssen. Eine Upgrade-Anleitung für den Wechsel von v1.0 auf v2.0 verlinkt die README auf einen Pull Request; ein Changelog mit Versionsständen ist im vorliegenden Material nicht enthalten, und es wurden keine Releases abgerufen.
Redaktionelles Fazit
Wer einen Claude-Code-Skill sucht, der die Struktur eines mehrkapitligen Romans verwaltet und Wortzahl sowie Anschlussfähigkeit maschinell nachprüft, findet hier einen klar dokumentierten Ablauf mit `npx skills add PenglongHuang/chinese-novelist-skill` als Einstieg. Wer fertige Prosa ohne Nacharbeit erwartet oder außerhalb von Claude Code arbeitet, sollte es bleiben lassen: Der Skill hängt an der Skill-Mechanik eines bestimmten Agenten, und die Referenzdateien unter `references/guides/` sind Schreibhilfen, keine Garantie. Vor dem ersten Langlauf lohnt ein Probelauf mit wenigen Kapiteln, um zu sehen, ob die Kapiteldateien im Ausgabeverzeichnis tatsächlich die 3000 bis 5000 Zeichen erreichen, die `scripts/check_chapter_wordcount.py` verlangt.
Community-Notizen