---
name: create-operator
description: "Distill an Arknights operator into an AI Skill. Generate Knowledge + Persona with 5-layer structure, evolution support. | 将明日方舟角色蒸馏成AI Skill，生成知识库+5层人格，支持持续进化。"
argument-hint: "[operator-name-or-slug]"
version: "3.6.0"
user-invocable: true
allowed-tools: Read, Write, Edit, Bash
---

> **Language / 语言**: 本 Skill 支持中英文。根据用户第一条消息的语言，全程使用同一语言回复。

# 明日方舟角色.skill 创建器

## 触发条件

当用户说以下任意内容时启动：
- `/create-operator`
- "帮我创建一个明日方舟角色skill"
- "我想蒸馏一个角色"
- "新建角色skill"
- "给我做一个XX的明日方舟角色skill"

当用户对已有角色 Skill 说以下内容时，进入进化模式：
- "我有新资料" / "追加"
- "这不对" / "她不会这样" / "她应该是"
- `/update-operator {slug}`

当用户说 `/list-operators` 时列出所有已生成的角色。

---

## 工具使用规则

| 任务 | 使用工具 |
|------|---------|
| 读取游戏文本/剧情文本 | `Read` 工具（原生支持） |
| 读取图片/立绘 | `Read` 工具（原生支持图片） |
| 读取 MD/TXT/JSON 文件 | `Read` 工具 |
| 解析游戏数据 / PRTS Wiki | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/game_data_parser.py --source prts --name {角色名}` 或 `--source local --file {文件路径}` |
| 提取剧情对话 | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/story_extractor.py --chapter {剧情章节名} --character {角色名} --output /tmp/story.json` |
| 语境标注（构建 context.json） | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/context_annotator.py --operator-json {game_data_parser输出} --story-json {story_extractor输出} --knowledge-md {knowledge路径} --output operators/{slug}/context.json` |
| 分析角色对话指纹 | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/dialogue_fingerprint.py --input {对话文件} --format {plain\|prts-json}` 或 `--context-json operators/{slug}/context.json`（语境化模式） |
| 构建角色关系图谱 | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/relationship_graph.py --input {知识库文件} --format {markdown\|plain}` 或 `--context-json operators/{slug}/context.json`（语境化模式） |
| 话语行为分析 | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/speech_act_analyzer.py --context-json operators/{slug}/context.json [--output-profile profile.json]` |
| 时序切片分析 | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/temporal_slicer.py --context-json operators/{slug}/context.json [--output slices.json]` |
| 验证 Persona 一致性 | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/persona_validator.py --persona {persona路径} --dialogues {对话数据路径} --format {plain\|prts-json\|csv}` |
| 交叉验证角色设定 | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/canon_checker.py --sources {来源1} {来源2} ... [--misconceptions {自定义误解库}]` |
| 写入/更新 Skill 文件 | `Write` / `Edit` 工具 |
| 注入量化数据到 Prompt | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/data_injector.py --slug {slug} --base-dir {base} [--section fingerprint\|speech_acts\|relationships\|temporal\|context] [--output injected.md]`（留空则输出到 stdout） |
| 版本管理 | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/version_manager.py` |
| 列出已有 Skill | `Bash` → `python3 ${OPERATOR_SKILL_DIR}/tools/skill_writer.py --action list` |

**基础目录**：Skill 文件写入 `<项目根>/operators/{slug}/`（可用 `--base-dir` 覆盖；
`ARKNIGHTS_OPERATORS_DIR` 环境变量优先，其次项目根 `operators/`，最后回退 `./operators`）。

### 输出目录产物（v3.6.0 起）

`operators/{slug}/` 下的产物文件名由 `tools/artifacts.py` 统一提供（禁止硬编码）：

| 文件 | 生产者 | 说明 |
|---|---|---|
| `operator_data.json` | `game_data_parser.py` | 角色原始数据（语音/档案） |
| `story_data.json` | `story_extractor.py` | 剧情对话（旧名 `story.json` 仍可读，会告警） |
| `context.json` | `context_annotator.py` | 语境标注（场景/对象/时期） |
| `fingerprint.json` | `dialogue_fingerprint.py` | 8 维语言指纹 |
| `speech_act_profile.json` | `speech_act_analyzer.py` | 话语行为画像 |
| `temporal_slices.json` | `temporal_slicer.py` | 时序切片与演变规则 |
| `relationship_graph.json` | `relationship_graph.py` | 关系图谱 |
| `validation.json` | `persona_validator.py` | Persona 一致性报告 |
| `persona_validation.json` | `canon_checker.py` | 设定交叉验证报告 |
| `meta.json` / `SKILL.md` | `skill_writer.py` | 元数据（字段级 merge）与入口文件 |

**退出码**：`0` 成功；`1` 运行期失败；`2` 用法/前置错误（含资产自检失败、`confirm_required`）。

### 工具详情

#### dialogue_fingerprint.py — 对话指纹分析器
从角色语音/对话文本中自动提取 8 个维度的量化语言特征：
1. **句式长度分布** — 统计分布分析（百分位数 + 变异系数 + 节奏稳定性判断）
2. **停顿标记** — 省略号、破折号的使用频率与模式
3. **自称模式** — "我"/"吾"/省略自称的频率
4. **情感词汇** — 12 类情感（含嘲讽/绝望/好奇/戏谑）的加权词汇密度（权重 0.5-1.5）
5. **修辞模式** — 反问、排比、明喻、暗喻、设问的使用频率（支持暗喻检测如"你是光"）
6. **称呼模式** — 对不同人的差异化称呼
7. **自然意象偏好** — 花朵/星空/大地等意象的出现频率
8. **口头禅/标志性短语** — n-gram 频率分析，自动发现角色特有的高频短语

支持**语境化模式**（`--context-json`）：按场景/对象/时期分片分析，输出各分片指纹及与全局的差异（shifts），直接写入 Persona Layer 2-4。

#### relationship_graph.py — 关系图谱构建器
从角色资料/剧情文本中自动提取角色关系网络：
- 自动识别文本中的角色名（内置明日方舟角色名库，支持 `--operator-db` 加载自定义名库）
- 检测 12 种关系类型（亲属/战友/对抗/信任/背叛/师徒/情感等）
- 改进的方向判断（语法模式 + 关键词距离 + 语序综合判断）
- 计算关系可信度（基于出现频率和多来源交叉）
- **关系强度量化**（0.0-1.0）：综合共现频率、情感词密度、直接对话次数
- **关系演变追踪**：检测跨时期关系强度变化（加深/疏远），输出演变轨迹
- 支持**语境化模式**（`--context-json`）：按时期分片提取关系，计算跨时期关系演变轨迹（trajectories），结果回写 context.json 的 annotated_relations

#### speech_act_analyzer.py — 话语行为分析器
从角色对话中分类话语行为（邀请/回避/质问/承诺/宽慰/克制/存在确认等）：
- 基于规则的话语行为分类（7 种核心类型）
- **上下文感知分类**：考虑前后文调整分类置信度（如质问后的省略号更可能是回避）
- **行为链检测**：识别角色的典型行为序列（如 question→evade→comfort 接纳仪式）
- 按场景/对象/时期的行为分布统计
- 自动检测行为模式并生成可执行规则（如"高回避倾向""选择性邀请""克制型情感表达"）
- 输出 speech_act_profile.json，回写 context.json 的 speech_acts 字段

#### temporal_slicer.py — 时序切片器
按 timeline 的 period 切片分析角色语言，检测跨期演变：
- 按 period 分组计算切片级指标（句式长度/省略号/否定句/话语行为/自称等）
- **统计显著性检验**：小样本警告（<5 条时标记为不可靠）+ 效应量计算
- **情感弧线检测**：识别跨时期情感趋势（U型/下降/平稳/波动）
- 相邻时期比较，检测显著偏移
- 对象维度：同一时期内对不同人的表达差异
- 生成可写入 Persona Layer 2/4 的时序演变规则

#### context_annotator.py — 语境标注器
将所有原始数据统一标注为语境化数据模型：
- 合并 game_data_parser、story_extractor、语音数据
- **多信号场景分类**：标题关键词 + 内容情感 + 对话对象 + 时间段综合判断
- **对话对象内容推断**：从对话内容中识别称呼模式（如"博士，你来了"→对象是博士）
- 自动推断场景类型、对话对象、时期
- 输出 context.json（统一数据中间层，下游所有工具的消费源）

#### story_extractor.py — 剧情对话提取器
从 PRTS Wiki 剧情页面提取角色对话：
- 自动识别目标角色的台词
- **说话者名称标准化**：处理括号注释（如"特蕾西娅(幼年)"→"特蕾西娅"）和别名映射
- **舞台指示情感标注**：从括号内描述提取情感（如"目光柔和"→温柔）
- 推断场景和时期
- 提取旁白/舞台指示
- 输出结构化 JSON

#### persona_validator.py — Persona 一致性验证器
用角色已知对话验证生成的 Persona 是否准确：
- **Layer 0 验证**：检测对话是否违反核心性格规则（如"从不用感叹号"→检测感叹号）
- **Layer 2 验证**：检查口头禅出现频率、高频词是否确实高频、自称模式是否一致
- **Layer 5 验证**：检测对话是否触碰禁忌
- **风格一致性验证**：对比 Persona 描述与 fingerprint 量化数据（句式/停顿/情感/修辞）
- 综合评分 A-D 等级，标注具体违反示例

#### canon_checker.py — 设定交叉验证器
从多个来源交叉验证角色设定，标注矛盾和可信度：
- 自动提取设定声明（种族、阵营、身份、MBTI）
- 多来源一致性比对（一致→confirmed / 不一致→conflicted / 单一来源→unverified）
- **外置误解库**：从 `tools/_data/misconceptions.json` 加载，支持按角色扩展
- **通用模式检测**：阵营混淆、关系误判、时间线错乱等通用误解模式
- **角色一致性检查**：基于 persona.md 的 Layer 0 规则和 Layer 5 禁忌验证文本
- 支持 `--misconceptions` 加载自定义误解库 JSON
- 来源可信度评级（官方/Wiki > 社区考据 > 同人）

#### data_injector.py — 数据注入器
将工具链的量化分析结果注入到 Prompt 模板的占位符中：
- 格式化对话指纹数据（句式/停顿/情感/修辞/口头禅）
- 格式化关系图谱数据（关系类型 + 强度 + 演变）
- 格式化时序切片数据（弧线 + 偏移）
- 输出注入后的 Prompt 模板，确保 LLM 生成时参考真实数据而非空白模板

---

## 主流程：创建新角色 Skill

### Step 1：基础信息录入（3 个问题）

参考 `${OPERATOR_SKILL_DIR}/prompts/intake.md` 的问题序列，只问 3 个问题：

1. **角色名称/代号**（必填）
2. **基本信息**（一句话：阵营、身份、身份特征、关系网络）
3. **性格画像**（一句话：MBTI/性格类型、核心特质、领导风格、行为标签）

除名称外均可跳过。收集完后汇总确认再进入下一步。

### Step 2：资料导入

询问用户提供资料来源，展示多种方式供选择：

```
资料怎么提供？
  [A] 游戏剧情文本
      导入角色剧情、活动关卡文案、语音档案
  [B] 角色档案/资料
      游戏内的角色资料、立绘描述、天赋与技能描述
  [C] 游戏数据 JSON
      提供从 PRTS Wiki 或游戏数据中导出的 JSON
  [D] 同人创作/二创
      优秀的同人作品（文章、图片说明）
  [E] 上传其他文件
      PDF / 图片 / 任意文本
  [F] 直接粘贴内容
      把文字复制进来
可以混用，也可以跳过（仅凭手动信息生成）。
```

---

#### 方式 C：PRTS Wiki 直接获取 / 游戏数据 JSON

**方式 C-1：从 PRTS Wiki 直接获取并解析（推荐）**

```bash
python3 ${OPERATOR_SKILL_DIR}/tools/game_data_parser.py \
  --source prts \
  --name {角色名} \
  --output /tmp/operator_data_out.txt
```

然后 `Read /tmp/operator_data_out.txt`

自动从 PRTS Wiki API 获取角色页面 wikitext，提取基本信息、档案、语音记录等结构化数据。
支持干员页面和敌人/NPC 页面，自动识别页面类型。

**方式 C-2：解析本地文件**

```bash
python3 ${OPERATOR_SKILL_DIR}/tools/game_data_parser.py \
  --source local \
  --file {文件路径} \
  --output /tmp/operator_data_out.txt
```

支持格式：游戏解包数据 JSON、自定义格式的角色资料、已保存的 PRTS 页面 wikitext。

> **提示**：部分角色在 PRTS 上可能使用不同名称（如特蕾西娅的干员版为「魔王」）。若 `--source prts` 提示页面未找到，可尝试使用该角色的其他名称。网络不可用时会自动降级为元数据模式（仅输出 slug + URL）。

---

如果用户说"没有文件"或"跳过"，仅凭 Step 1 的手动信息生成 Skill。

### Step 3：分析资料

将收集到的所有资料和用户填写的基础信息汇总，按以下两条线分析：

**线路 A（Knowledge Skill）**：
- 参考 `${OPERATOR_SKILL_DIR}/prompts/knowledge_analyzer.md` 中的提取维度
- 运行 `relationship_graph.py` 自动提取关系网络（如有剧情文本）
- 运行 `canon_checker.py` 交叉验证设定一致性（如有多个来源）

**线路 B（Persona）**：
- 参考 `${OPERATOR_SKILL_DIR}/prompts/persona_analyzer.md` 中的提取维度
- 运行 `dialogue_fingerprint.py` 提取语言指纹（如有语音/对话数据）
- 语言指纹结果直接用于支撑 Layer 2 表达风格的量化描述

**语境化管线（推荐，当有 PRTS 数据时执行）**：

当 game_data_parser 成功获取数据后，自动执行以下管线：

1. **构建 context.json**（数据中间层）：
   ```bash
   python3 ${OPERATOR_SKILL_DIR}/tools/context_annotator.py \
     --operator-json /tmp/operator_data.json \
     --story-json /tmp/story_*.json \
     --knowledge-md operators/{slug}/knowledge.md \
     --output operators/{slug}/context.json
   ```

2. **话语行为分析**：
   ```bash
   python3 ${OPERATOR_SKILL_DIR}/tools/speech_act_analyzer.py \
     --context-json operators/{slug}/context.json \
     --output-profile operators/{slug}/speech_act_profile.json
   ```

3. **语境化指纹分析**：
   ```bash
   python3 ${OPERATOR_SKILL_DIR}/tools/dialogue_fingerprint.py \
     --context-json operators/{slug}/context.json \
     --output operators/{slug}/fingerprint.json
   ```

4. **语境化关系图谱**：
   ```bash
   python3 ${OPERATOR_SKILL_DIR}/tools/relationship_graph.py \
     --context-json operators/{slug}/context.json
   ```

5. **时序切片分析**：
   ```bash
   python3 ${OPERATOR_SKILL_DIR}/tools/temporal_slicer.py \
     --context-json operators/{slug}/context.json \
     --output operators/{slug}/temporal_slices.json
   ```

6. **数据注入到 Prompt**：
   ```bash
   python3 ${OPERATOR_SKILL_DIR}/tools/data_injector.py \
     --slug {slug} \
     --base-dir operators \
     --output operators/{slug}/data_context.md
   ```
   data_injector 会自动读取 `operators/{slug}/` 下的 `fingerprint.json`、
   `speech_act_profile.json`、`context.json`、`temporal_slices.json`，
   汇总为可直接嵌入 `persona_builder.md` / `knowledge_builder.md` 的 Markdown 数据上下文。

7. **注入 Persona/Knowledge**：
   - 按照 `persona_builder.md` 的"数据驱动约束"规则，将分析结果注入 Persona 各层
   - 按照 `knowledge_builder.md` 的"数据驱动约束"规则，将时间线/关系注入 Knowledge

### Step 4：生成并预览

参考 `${OPERATOR_SKILL_DIR}/prompts/knowledge_builder.md` 生成 Knowledge Skill 内容。
参考 `${OPERATOR_SKILL_DIR}/prompts/persona_builder.md` 生成 Persona 内容（5 层结构）。

**自动验证**（如有对话数据）：
- 运行 `persona_validator.py` 验证生成的 Persona 与角色实际对话的一致性
- 如果评分低于 B（75分），根据违反示例调整 Layer 0 规则或补充 Correction
- 将验证结果展示给用户

向用户展示摘要，询问确认。

### Step 5：写入文件

用户确认后，创建目录并写入：
- `operators/{slug}/knowledge.md`
- `operators/{slug}/persona.md`
- `operators/{slug}/meta.json`
- `operators/{slug}/SKILL.md`
- `operators/{slug}/context.json`（语境化数据中间层）
- `operators/{slug}/speech_act_profile.json`（话语行为画像）
- `operators/{slug}/fingerprint.json`（对话指纹）
- `operators/{slug}/temporal_slices.json`（时序切片）

---

## Correction 优先级规则

当用户纠正与现有规则冲突时：

1. **Correction 修正 Layer 1-5**：直接生效，无需额外确认
2. **Correction 涉及 Layer 0**：必须经用户显式确认后才修改 Layer 0 本身，而非在 Correction 中覆盖
3. **优先级**：`Layer 0 > Correction > Layer 1-5`
4. **Correction 内部**：序号越大越新，越新越优先

---

## 进化模式

**追加资料**：用户提供新文件时自动分析增量并合并。
**对话纠正**：用户表达"不对"时写入 Correction 层。

---

## 管理命令

| 命令 | 说明 |
|------|------|
| `/list-operators` | 列出所有角色 Skill |
| `/operator-rollback {slug} {version}` | 回滚到历史版本 |
| `/delete-operator {slug}` | 删除 |

---

## 特蕾西娅角色预设

如果你想创建的是**特蕾西娅（Theresa）**本人，以下是经过剧情考证的预设信息：

### 基础信息
- **种族**：萨卡兹（混血）
- **阵营**：巴别塔（创始人）/ 卡兹戴尔（前萨卡兹魔王）
- **身份**：卡兹戴尔正统萨卡兹魔王，巴别塔组织创立者，罗德岛创始人
- **MBTI**：INFJ
- **生日**：7月11日
- **身高**：165cm
- **年龄**：约200岁

### 核心特质
- 善良、博爱、亲民的慈悲君主
- 专注于基础设施建设、教育与医疗进步
- 致力于为萨卡兹缓解无知和矿石病的苦痛
- 即使通过读心术知晓自己的死亡，也依然选择相信和宽恕

### 关键关系
- **特雷西斯（Theresis）**：胞兄，摄政王。理念分歧导致内战，但兄妹之间有深厚的感情
- **阿米娅（Amiya）**：她如母亲般呵护与教导的卡特斯女孩，临终将王冠传给她
- **博士（Doctor）**：巴别塔的核心策略家，与她的死亡有复杂关系
- **凯尔希（Kal'tsit）**：巴别塔核心成员，医疗项目主管
- **可露希尔（Closure）**：工程主管，巴别塔元老
- **W（维什戴尔/Wiš'adel）**：她救下的雇佣兵，对她有复杂的忠诚

### 核心事件
- 泰拉历893年：六英雄之一，抵御三国联军
- 泰拉历898年：成为萨卡兹魔王正统继承人
- 泰拉历1031年：启动巴别塔计划，军事委员会成立
- 泰拉历1086年：内战爆发，率巴别塔离开卡兹戴尔
- 泰拉历1090年：在雷姆必拓发现罗德岛舰船，找到博士
- 泰拉历1094年：遇刺身亡，将王冠传给阿米娅，清除博士记忆
- 第10章：被赦罪师以巫术复活
- 第14章「慈悲灯塔」：最终选择灵魂消逝，将力量留给阿米娅

### 能力
- 改变源石形态
- 操纵空间
- 通晓他人思维（读心术）
- 萨卡兹魔王之力（王冠的力量）
- 以源石创造花朵

### 哲学理念
- 感染者与外族应当和平共存
- 萨卡兹应摆脱仇恨循环，以和平方式重建家园
- 慈悲不是软弱——是在看清世界的残酷后依然选择温柔
- 即使知晓自己会被背叛，也选择相信他人内心的善良