小说改编短剧怎么做：Drama Skills原著分析skill拆解改编价值与分集候选

小说改编短剧怎么做：Drama Skills原著分析skill拆解改编价值与分集候选

【免费下载链接】drama-skills开源 AI 短剧/漫剧创作 skill 合集：剧本、角色资产、分镜 storyboard、图片/视频提示词、审查，适配 Claude Code 与 Codex | Open-source AI short drama / micro-drama skills for Claude Code & Codex: script, assets, storyboard, image & video prompts, review. MIT.项目地址: https://gitcode.com/gh_mirrors/dr/drama-skills

小说改编短剧，第一步不是写剧本，而是判断这本原著"值不值得拆"。Drama Skills 是一个开源 AI 短剧创作 skill 合集，其中的原著分析 skill（short-drama-novel-analyze）把长篇小说变成一份可引用、可反驳、可接着用的分析层：章节索引、改编价值快评、逐章功能提取、剧情单元聚合，最后给出改编价值判定与分集候选——它只做只读分析，不写剧本、不建资产、不替创作者拍板。

一、为什么小说改编短剧需要先建"分析层"

很多改编失败的根源是拿着原著直接开切：按章号平均分集、把内心戏当画面、爽点落在十几集之后。原著分析 skill 的目标正是反过来的——找出每一段承担的戏剧功能，并说明它在竖屏短剧里值多少钱。

整条管道分六个阶段，产出全部落在项目开发/source-analysis/目录，阶段契约见 stage-contract.md：

规则很克制：分析永远是候选。保留哪条线、合并哪些人、从哪里开篇，是创作者的决定，交给下游$short-drama-develop立成改编契约。

二、章节索引：一切拆分的"唯一真源"

S0 用 novel_index.py 把原文切章。它只认"章/回/节"中出现最多的那一种编号单位，只把短的独立行当标题，剔除开头目录块，并做编号校验——跳号、重号、正文极少的章都会被报进problems，有问题就停下修，不带着错表进下一步。

这样做的原因很实际：如果每个阶段各跑一遍正则切章节，第 47 章会按两种边界分别分析、聚合，而且没人发现。一个 真实示例索引 里能看到每章的line_start/line_end行号 span——后续所有结论都能回指到原文的具体位置。

三、改编价值快评：抽 12 章先回答"值不值得拆"

S1 是全流程最省钱的一步：用脚本等距抽样（首尾必取、结果确定可复现），按 改编价值快评 写六件事——

1. 故事框架：升级流 / 复仇线 / 单元剧 / 多线交织 / 蜕变成长，框架决定后面按什么切单元；
2. 三类判定比例：抽样章里多少能直接拍、多少要换载体；
3. 开篇替换点：第 1 集从哪里开始，收益最强且能同时交代身份、危机与目标的位置；
4. 制作负担量级：最多几人同框、多少不重复空间、有无群戏动作特效；
5. 三处最大改编风险：具体到哪一章、哪个功能；
6. 分集候选量级：例如"约 20–30 集"。

写完就停靠问创作者：值不值得花全量拆解的成本。一份真实快评会直接给出"值得做全量拆解"的结论，并估算约 400 个情节点的工作量——快评是假设，S5 会用全量结果回填对照，被推翻的判断要写进报告开头。

四、逐章提取：白描与载体记录

S2 是工作量最大的阶段，每章提取五段：概要、情节点、载体记录、出场人物、未决项，写法规范见 chapter-extraction.md。两个关键纪律：

• 白描只写可观察事实。不写"林风展现了自己的实力"，写"林风三招击败对手，围观者倒吸一口凉气"——把结论写在证据的位置上，后面就没法核对了。
• 载体记录回答"原文靠什么通道让读者知道这件事"：可见行动 / 对白 / 心理叙述 / 叙述者旁白 / 信息密度。通道栏直接决定 S5 的判定，这是快评里三类判定的原始数据。

全部落盘后跑覆盖率检查，missing非空就补跑；不要在覆盖率不足时进入 S3——聚合照样产出一份读起来完整的报告，缺章不会在任何地方留痕。

五、三类判定法：这个功能在画面上成不成立

这是原著分析与通用拆书最大的分水岭，判定对象是剧情单元而不是章，规则见 adaptation-value.md：

needs_carrier的替换检验标准只有一条：观众不需要旁白就能知道发生了什么。需要旁白解释的替换，是把文字问题搬到了画面上。而prose_only要诚实标记——承认放弃比假装能拍便宜得多，假装的代价会在分镜阶段才暴露。

六、分集候选怎么切：跟着爽点走，不按章号

S5 切候选集的规则是爽点分布、局部戏剧结果与精确交接，不按章号或字数平均切。章与集不是 1:1——一章撑不起一集就合并，一章里有两个大爽点就拆。

每条候选集必须回答四问：

1. 进入时观众已经知道什么；
2. 本集内兑现了哪一部分承诺（不能一条都不兑现）；
3. 出去时留下的具体决定、危险或问题是什么；
4. 下一集必须继承哪些事实。

只留钩子、不兑现任何承诺的集，观众会在第三集停——这是分集候选里最常见的错误。每条候选带来源章号区间、承担的功能、判定类别、桥段标签（打脸、信息差、反转打脸……）、承接的爽点与未决项，字段格式见 episode-candidate.example.jsonl。

集数不由本技能决定：候选可以多于或少于创作者设定的集数，差多少要明说，由创作者裁定合并还是拆分。

七、看一次真实产出：20 章原著如何变成 24 个候选集

仓库里带着一份完整参考运行：一本 20 章的网文，分析产物全部在 reference-run/项目开发/source-analysis/ 下。几个值得留意的细节：

• 快评判断"升级流"框架，两次任务闭环各自完整，抽样 67% 的章为screen_ready；
• 系统播报、老人内心判断这类文字专属载体，候选集里逐个给出了新载体方案——如"系统倒计时钉在手机屏幕上"、"三个递进的微动作加一句短评"；
• 大段网友评论罗列被替换成"交叉剪辑：剪辑室里的专注与出租屋里的数据飙升"；
• 每条候选都带unresolved未决项，比如"原著未给对手任何结局，改编须决定是否补一个"——分析层不猜，把决定留给创作者。

最终 episode-candidates.jsonl 切出 24 条候选，creator_acceptance全部是pending状态。

八、分析完成后怎么交接

S5 结束后向创作者展示摘要：拆了多少章、跳过了哪些、切出多少候选集、最大三处改编风险、快评里被推翻的判断。然后交给$short-drama-develop把候选变成改编契约adaptation-map.jsonl；需要质量结论时，再交给独立的$short-drama-review（范围source_analysis）。

整条链的边界很清晰：novel-analyze 只拥有项目开发/source-analysis/下的文件，不改写输入、不写剧本、不建资产——人物归并在这里只是候选，真正的人物身份要等剧本被接受后才由 assets 技能建立。

📚 延伸阅读

• 技能总览与管道定义：skills/short-drama-novel-analyze/SKILL.md
• 改编价值快评规范：references/adaptation-triage.md
• 逐章提取与白描纪律：references/chapter-extraction.md
• 剧情单元、爽点表与人物归并：references/aggregation-and-entities.md
• 改编价值判定与分集候选切法：references/adaptation-value.md
• 章节索引脚本源码：scripts/novel_index.py

【免费下载链接】drama-skills开源 AI 短剧/漫剧创作 skill 合集：剧本、角色资产、分镜 storyboard、图片/视频提示词、审查，适配 Claude Code 与 Codex | Open-source AI short drama / micro-drama skills for Claude Code & Codex: script, assets, storyboard, image & video prompts, review. MIT.项目地址: https://gitcode.com/gh_mirrors/dr/drama-skills