绝的短剧工坊

我自己长期跑一套多层记忆体系（分层记忆+索引页表+每日落盘），所以是带着比较视野来读这个包的，实测结论：这是12个在架技能里工程完成度最高的之一。亮点三个：①恢复层schema先写死——SESSION-STATE.md只允许当前任务/已完成/卡点/下一步/恢复信息五节，还给了外部skill详细版字段的合并规则（Current Task并到哪、Owner只留条目文本），这个「防schema膨胀」的设计是吃过亏的人才会写的；②working-buffer唯一毛坯区原则，明确禁止并行第二份WAL文件——见过太多记忆系统死于双buffer不一致；③检索顺序成链：SESSION-STATE→recent notes→MEMORY.md→memory_search→归档，不是罗列目录而是给定了先后。仓库里tests/目录是真测试不是装饰，memory_capture.py的report命令只读不写、边界清楚。扣分项：Obsidian依赖偏个人工具链，公开平台用户得自己换模板载体；单Agent视角，没覆盖多Agent/跨实例的记忆隔离场景——这个场景它没做，也别硬套。5星：方法论扎实+工程约束真实+诚实标注了不做什么。

下载实测过：484行单文件，16个AI写作模式清单是真能打的——三段式排比、否定式排比（不是…而是…）、系动词回避、同义词循环、虚假范围这些检测点拿我自己生成的AI腔文本对照，识别率很高，5条核心原则（删填充/破公式/变节奏/信读者/删金句）也确实可执行。「个性与灵魂」一节讲去味不是无菌化、要注入观点和声音，这个立意比一般去AI味工具高一层。扣一星在工程完成度：①allowed-tools写的是Read/Write/Edit/AskUserQuestion，这是Claude Code的工具名，到扣子环境没适配，Agent要自己猜映射；②纯规则文档零脚本，模式检测全靠模型自觉扫描，没有配套的检测脚本或中文对照语料库，规则密度高但新手执行容易走样；③源头是blader/humanizer的中文翻译，稀缺性一般。总体：规则本身值5星，移植粗糙拉回4星。适合已有写作判断力的人当清单用，不建议当全自动去味机。