# 拆书分析插件 - Book Analysis Plugin

## 简介

Book Analysis Plugin 是一个专业的小说分析工具，通过深度拆解成功作品，帮助作者学习和掌握爆款小说的写作技巧。它能够从结构、节奏、人物、文笔等多个维度剖析作品，提取可复用的成功模式。

## 功能特色

- 📊 **全方位分析** - 从宏观到微观，多维度深度剖析
- 🎯 **爽点识别** - 精确定位爽点分布和设计技巧
- 👥 **人物研究** - 透视角色塑造和关系网络
- ✍️ **文笔拆解** - 解码描写技法和语言风格
- 📈 **节奏分析** - 可视化情节起伏和节奏控制
- 🔮 **公式提炼** - 提取可复制的成功模板
- ⚡ **🆕 风格内化** - 自动将分析结果转化为项目配置，让对标作品的风格成为你的创作基础

## 安装方法

### 前置条件

确保已安装 novel-writer-cn：

```bash
npm install -g novel-writer-cn
```

### 安装插件

```bash
# 安装拆书分析插件
novel plugins:add book-analysis
```

### 验证安装

安装完成后，可以验证插件是否正确安装：

```bash
# 查看已安装的插件列表
novel plugins:list

# 输出示例：
# 已安装的插件:
#   novel-book-analysis (v1.0.0)
#   小说拆解分析插件 - 基于文档的深度写作技法分析
```

### 管理插件

```bash
# 卸载插件（如需要）
novel plugins:remove book-analysis

# 重新安装
novel plugins:add book-analysis
```

## 使用方法

### 1. 准备分析素材

**重要**：本插件需要您提供小说文本文件（.txt 或 .md 格式），不支持网络爬取。

```bash
# 准备文件结构
analysis/
├── target-novel.txt     # 待分析的小说全文
├── chapter-01.md        # 或按章节分割
├── chapter-02.md
└── ...
```

### 2. 基础分析命令

```bash
# 基础信息分析 - 快速了解作品概况
/book-analyze

# 故事骨架分析 - 剖析三幕结构
/book-skeleton

# 节奏曲线分析 - 评估爽点分布
/book-rhythm

# 人物体系分析 - 研究角色设置
/book-characters

# 文笔技法分析 - 学习描写手法
/book-style

# 爆文公式提取 - 总结成功模式
/book-formula

# 🆕 风格内化 - 转化为项目配置
/book-internalize
```

### 3. 使用流程

#### 步骤 1：加载小说文件

```bash
# 首先使用基础分析命令加载文件
/book-analyze

# 系统会提示您：
# 1. 选择要分析的小说文件
# 2. 确认基本信息（字数、章节等）
# 3. 开始自动分析
```

#### 步骤 2：深度分析

加载文件后，可以使用其他专项分析命令：

```bash
# 分析故事结构
/book-skeleton
# 输出：三幕划分、转折点、高潮设置等

# 分析节奏控制
/book-rhythm
# 输出：爽点密度图、节奏曲线、张力分布

# 分析人物设计
/book-characters
# 输出：人物关系图、成长轨迹、人设特点
```

#### 步骤 3：提取学习要点

```bash
# 最后提取可复用的成功公式
/book-formula
# 输出：开篇公式、章节模板、爽点设计模板等
```

#### 🆕 步骤 4：风格内化（推荐）

```bash
# 将分析结果自动转化为项目配置
/book-internalize
# 输出：
# - memory/style-reference.md（风格参考，AI写作时自动读取）
# - memory/constitution-draft.md（宪法草稿，供/constitution参考）
# - spec/presets/rhythm-config.json（节奏配置，供/plan参考）
```

**为什么要用 `/book-internalize`？**

- ❌ **之前**：分析报告只是文档，你需要手动参考
- ✅ **现在**：AI 在写作时自动应用对标作品的风格
- 🎯 **效果**：词汇、句式、节奏都更接近对标作品

### 4. 分析报告示例

每个命令会生成详细的分析报告，例如：

```markdown
# 《斗破苍穹》节奏分析报告

## 爽点密度分析
- 平均爽点间隔：2.3章
- 小高潮频率：每5章一次
- 大高潮分布：第30、60、90章...

## 节奏曲线
[可视化图表展示]

## 成功要素
1. 打脸爽点占比35%
2. 升级爽点占比28%
3. 装逼爽点占比22%
...
```

### 5. 专家模式

需要个性化指导时，可以启用拆书专家：

```bash
# 启用专家一对一指导
/book-expert

# 专家服务包括：
# - 对比分析多部作品
# - 定制学习方案
# - 写作问题诊断
# - 改进建议
```

## 分析维度说明

### 🏗️ 结构分析

- 三幕式结构划分
- 起承转合识别
- 冲突升级路径
- 高潮设置技巧

### 🎵 节奏分析

- 爽点类型分布
- 爽点间隔统计
- 情绪曲线绘制
- 张弛控制技巧

### 👤 人物分析

- 主角成长轨迹
- 配角功能定位
- 人物关系网络
- 性格塑造方法

### ✒️ 文笔分析

- 描写技法统计
- 对话设计特点
- 叙述视角运用
- 语言风格特征

### 📐 公式提取

- 开篇黄金三章模板
- 标准章节结构
- 打脸套路公式
- 感情线发展模式

## 输出文件

分析结果会保存在 `analysis-reports/` 目录：

```text
project/
├── analysis/           # 原始小说文件
├── analysis-reports/   # 分析报告
│   ├── basic-analysis.md
│   ├── skeleton-analysis.md
│   ├── rhythm-analysis.md
│   ├── character-analysis.md
│   ├── style-analysis.md
│   └── formula-extraction.md
└── learning-notes/     # 学习笔记（可选）
```

## 最佳实践

### 学习建议

1. **从模仿开始** - 先完整分析一部成功作品
2. **重点突破** - 每次专注学习一个技能点
3. **对比学习** - 分析多部同类型作品找共性
4. **实践验证** - 分析后立即在自己作品中实践
5. **迭代优化** - 根据效果不断调整

### 分析技巧

1. **选择合适作品**
   - 同题材爆款作品
   - 目标平台热门作品
   - 个人喜欢的作品

2. **分阶段分析**
   - 先看整体结构
   - 再看局部技巧
   - 最后提炼公式

3. **建立作品库**
   - 收集优秀作品
   - 分类建档分析
   - 形成参考体系

## 常见问题

### Q: 可以分析网络小说吗？

A: 可以，但需要您提供TXT或MD格式的文本文件。

### Q: 分析需要多长时间？

A: 取决于作品长度，通常10-30分钟完成全部分析。

### Q: 可以分析英文小说吗？

A: 目前主要针对中文小说优化，英文支持在开发中。

### Q: 分析结果准确吗？

A: 基于AI深度学习，准确率较高，建议结合个人理解。

### Q: 可以分析自己的作品吗？

A: 当然可以！这是诊断和改进作品的好方法。

## 进阶功能

### 对比分析

同时分析多部作品，找出共性成功要素：

```bash
# 将多部小说放在同一目录
/book-analyze --compare
```

### 定制模板

根据分析结果生成个性化写作模板：

```bash
# 基于分析生成模板
/book-formula --generate-template
```

### 追踪学习

记录学习进度和实践效果：

```bash
# 创建学习记录
/book-analyze --track-learning
```

## 技术原理

- 基于自然语言处理技术
- 结构化文本分析算法
- 模式识别和统计分析
- 可视化数据展示

## 更新日志

### v1.0.0 (2025-09-22)

- 初版发布
- 六大分析维度
- 专家指导模式
- 公式提取功能
- 报告自动生成

## 注意事项

⚠️ **版权提醒**：请确保分析的作品仅用于个人学习，尊重原作者版权。

⚠️ **文件要求**：必须提供TXT或MD格式文本文件，不支持PDF、EPUB等格式。

⚠️ **分析限制**：单次分析文件不超过10MB，约300万字。

## 支持

如遇问题或有建议，请提交 Issue：
<https://github.com/wordflowlab/novel-writer/issues>

## 许可证

MIT License
