dialoguequality

对话质量系统

用于分析角色对白、提取说话习惯、检查角色声音是否区分明显，以及识别 AI 味对话问题。

当前数据来源

对话分析不要只盯着对白片段本身。当前推荐读取顺序是：

1. data/manuscript/arc_*/ch_*.md — 实际章节正文
2. src/characters/*.md — 角色单源文档
3. data/style/composed.md — 当前作品风格约束
4. src/outline.md / canonical packet — 本章戏剧位置与章节目标

如果需要完整判断某章对白是否失真，优先结合 review_chapter 或章节 packet，而不是只看几行台词。

可用工具

工具	说明
extract_dialogue_fingerprint	提取角色对白指纹
review_chapter	对整章做审查，可发现台词失真、解释性对话、套路对白

什么时候用

• 角色说话越来越像同一个人
• 想提取某角色口头禅、句长、问句比例
• 怀疑一段对白太工整、太礼貌、太像 AI 写的
• 想比较两个角色的声音有没有拉开

工作方式

1. 提取对白指纹

先定位章节和角色，再提取：

用户: 分析一下林月在第六章的对话风格

AI:
[COMMAND] extract_dialogue_fingerprint {
  "chapter_id": "ch_006",
  "character_names": ["林月"]
}

重点观察：

• avg_sentence_length：句长偏短还是偏长
• question_ratio：疑问句比例
• common_bigrams：高频词组
• speech_patterns：口头禅、重复习惯、语气特征

2. 结合角色档案复核

提取完后，要对照 src/characters/*.md：

• 角色身份是否和说话方式一致
• 是否符合性格、教育程度、职业背景
• 是否保留了角色特有的回避方式、攻击方式、冷幽默或停顿习惯

3. 识别 AI 味对白

重点查这些问题：

过度礼貌

• 普通熟人反复说“请”“劳烦”“阁下”
• 同事或熟人之间说话像正式公文

解释性对话

• A 向 B 解释 B 本来就知道的事
• 台词承担“给读者讲设定”的任务，而不是人物交流

完美逻辑

• 每句话都有正面回应
• 没有打断、沉默、敷衍、转移话题
• 像在辩论，不像在说话

套路表达

• “受教了”“所言极是”“你说得对”
• “我很生气”“我很震惊”这类直接把情绪说出来
• “嘴角微微上扬”“眼中闪过一丝”这类套路型动作标签

角色同声化

• 不同角色句长接近
• 用词层次相同
• 职位、年龄、教育背景、社交方式没有反映在对白里

检查清单

角色声音

• 主角是否有稳定的思维口癖
• 配角是否有可识别的用词边界
• 高压状态下的说话方式是否会变化

对话结构

• 是否有人答非所问
• 是否有停顿、省略、打断
• 是否存在大量“解释给读者听”的台词

风格一致性

• 是否符合 data/style/composed.md
• 是否符合章节当前戏剧位置
• 是否和上一章衔接自然

输出建议格式

对话检查结果：ch_006 / 林月

1. 角色声音
- 句长偏短，命令句比例高，符合技术组长的控制型表达
- 高频表达偏直接，几乎不解释理由，角色识别度高

2. 问题
- 第 3 段存在解释性对话，林月不该向熟悉项目的人完整解释背景
- 第 6 段礼貌度偏高，不像她一贯说话方式

3. 修改建议
- 删掉完整解释，改成一句结论 + 一个动作
- 把“请你尽快处理”改成“今天收掉”

示例

示例 1：识别解释性对话

❌
"你也知道，我们项目组最近一直在做那套老系统重构，所以今天才会出这种问题。"

✅
"老系统又炸了。"

原因：后者更像熟人之间的真实说话方式，信息由上下文承担，不靠台词硬讲。

示例 2：识别角色同声化

❌ 陈明 / 林月 / 赵磊都用类似的完整句式解释问题

✅
陈明：偏技术比喻、偏自嘲
林月：短句、结论先行
赵磊：口语化、插科打诨

注意

• extract_dialogue_fingerprint 适合看“说话指纹”
• review_chapter 适合看“对白放在整章里是否成立”
• 真要改对白，必须结合人物文档和章节戏剧位置一起判断