网文工坊（WebNovel Studio）（开源社区）

📌 工具简介

网文工坊（WebNovel Studio）是 GitHub 上一款专为中文网络小说全流程写作打造的开源 Claude Code 插件，采用 MIT 许可证，当前版本 0.29.1，提供 39 个技能，覆盖从“一个灵感”到“投稿过稿”的完整链路。它的定位不是又一个通用写作工具套壳，而是按起点、番茄的爽点逻辑、打脸四拍和追读节奏来调校的专业工具，男频女频双线覆盖，适配起点、番茄、晋江、UC、知乎盐选和 Webnovel（起点国际），并内置同人合规与全品类题材库。网文工坊的核心优势在于把中文网文创作中那些“老师傅才懂”的商业直觉——黄金开篇钩子、金手指设计、爽点密度、追读留存——拆解为可执行的技能和可量化的诊断指标，让作者从“零散复制 Prompt”升级为一套懂网文商业逻辑的工作流。它原生吃 Claude 的超长上下文（200K token），也通过导出方案兼容 ChatGPT、DeepSeek、Gemini、Kimi、豆包、通义、智谱、文心等任意大模型，并提供独立的终端版，不会写代码、没用过 Claude Code 的作者也能零基础部署。

⚡ 主要功能

• 全流程技能覆盖：39 个技能从选题、灵感、大纲、黄金开篇钩子、金手指设计、人设、世界观搭建，到正文扩写、爽点打脸、节奏标注、追读诊断、去AI味、投稿过稿和平台趋势，14 个核心技能各管一段，减少在不同工具之间跳转的摩擦
• 专为中文网文商业逻辑调校：不是通用写作工具的套壳，而是按起点/番茄的爽点逻辑、打脸四拍和追读节奏设计，输出贴合国内网文平台读者的阅读习惯和付费心理
• 200K 超长上下文连贯性：利用 Claude 的超长上下文窗口，一本大纲加全书人设可以完整载入，写到几十万字仍能记住设定、不断伏笔，缓解长篇创作中最典型的“写着写着就忘了”的问题
• 数据化诊断与可视化标注：钩子、爽点和修饰词可以可视化标注，追读诊断从钩子强度、伏笔管理、人物塑造等多个维度评估章节，帮助作者在读者反馈之前先看见数据层面的薄弱点
• 去AI味与人性化润色：专门的 deslop 技能剥离 AI 生成的常见痕迹——过度比喻、不自然的过渡、滥用标点——替换为中文网文读者习惯的直白口语；更深一层的 human 技能针对过度理性行为和“ neatly closed emotional arcs”等微妙 AI 特征做进一步处理
• 跨模型兼容与终端独立运行：原生为 Claude Code 插件，但通过 exports/ 目录的导出方案可适配 DeepSeek、ChatGPT、Gemini、Kimi、豆包、通义、智谱、文心等任意大模型；终端版 CLI 支持 Windows 双击启动、Mac 运行脚本，接自己的 API（DeepSeek/Kimi/硅基/OpenRouter/本地 Ollama），零基础也能部署
• 记忆与连续性存档：memory 技能将大纲、角色档案、进度日志和投稿历史保存为类似 git 的快照系统，项目中断数周后回来，AI 仍然能接上世界观和已埋设的线索
• 平台与题材感知：每个技能接受平台（番茄、晋江等）、频道（男频/女频）和题材（都市战神、古代宫斗等）参数，AI 根据目标市场的叙事惯例和“脉搏”调整输出，而不是给出笼统的“通用网文风格”
• 写作教学陪练（可选）：内置可开关的写作教练模式，新手可以打开来学习网文技法，专注码字时关闭即可，兼顾“学”和“写”两种状态

💰 价格信息

网文工坊本身完全开源免费，采用 MIT 许可证，代码可自由使用、修改和分发，不收取软件授权费、订阅费或点数费用。实际成本主要来自生成内容时所调用的大模型 API：如果使用 Claude Code 内置的模型，按 Anthropic 的计费规则消耗；如果通过终端版接入 DeepSeek、Kimi、硅基流动、OpenRouter 或本地 Ollama，则按对应渠道的价格或本地硬件成本计算。由于技能本身是 prompt 和知识库的组合，不包含需要下载的模型权重，clone 仓库本身不产生费用。对于预算敏感的作者，终端版配合性价比高的 API 或本地模型，可以将长期使用的边际成本压到很低；对于已经在使用 Claude Code 的作者，安装插件即可在现有订阅或 API 额度内使用，不需要额外为工具付费。

👥 适合人群

正在用 Claude Code、VSCode 或终端写中文网文的作者，希望从零散复制 Prompt 升级为一套系统化工作流；需要跨平台投稿（起点、番茄、晋江、知乎盐选、Webnovel 等）的男频/女频写手，希望 AI 能感知不同平台的节奏和读者预期；长篇连载作者，苦于设定遗忘、伏笔断裂和时间线混乱，需要 200K 上下文和 memory 技能来维持连贯性；对 AI 味敏感、希望生成文本更接近中文网文读者习惯的创作者，deslop 和 human 技能直接针对这一痛点；以及想系统学习网文技法的新人，可利用可开关的教学陪练模式边写边学。网文工坊尤其适合“技术接受度尚可、且对网文商业逻辑有明确追求”的作者。如果完全不熟悉命令行、也不愿意尝试终端版 CLI 的四步部署，或者核心需求只是偶尔让 AI 续写一段文字，这套工具的技能密度和配置成本可能超出必要范围。

✅ 优点

• 专为中文网文商业逻辑调校，而不是通用写作工具套壳：爽点逻辑、打脸四拍和追读节奏是按起点/番茄的真实读者行为设计的，对于以签约和付费阅读为目标的作者，输出方向的匹配度明显高于泛写作类 AI 工具
• 全流程覆盖减少了工具碎片化：从选题到投稿的 39 个技能在同一个插件内闭环，不需要在灵感工具、大纲软件、润色 AI 和投稿管理器之间反复搬运素材和上下文
• 数据化诊断在同类工具中少见：钩子/爽点可视化标注和多维追读诊断，让作者在数据反馈到来之前就能定位章节的结构性薄弱点，把“凭感觉改稿”部分转化为可检查的指标
• 去AI味处理有明确的针对性层级：deslop 处理表面痕迹，human 处理更深层的“过度理性”和“情感弧线过于闭合”问题，对于需要规避平台 AI 检测或读者反感的场景，提供了比通用改写更细的工具
• 跨模型兼容和终端独立运行降低了锁定风险：不强制使用 Claude，导出方案覆盖主流大模型；终端版让没有 Claude Code 或编程经验的作者也能通过双击脚本和填写 API Key 来使用，扩展了可达用户范围
• MIT 许可证开源免费，社区活跃，版本迭代持续（0.29.1），39 个技能和知识库随仓库公开，对于愿意投入时间学习的作者，长期使用成本低且可定制空间大

⚠️ 缺点

• 不是开箱即用的写作 APP，安装和配置存在门槛：Claude Code 插件方式需要先安装 CLI 或 VSCode/JetBrains 扩展，终端版虽然提供了双击脚本，但仍需要填写 API Key 和选择模型，对于完全没有技术接触的作者，首次跑通需要一定的耐心
• 技能数量多，学习成本不低：39 个技能覆盖全流程，新手容易在“该用哪个技能、什么时候用”上感到困惑，虽然 v0.27 之后做了 start 模式化入口来收拢复杂度，但要真正发挥工具的全部能力，仍然需要投入时间理解网文工坊的方法论
• 生成质量高度依赖所接入的模型：插件的技能本质上是 prompt 和知识库的组合，最终文本的质量受底层模型能力影响明显。使用能力较弱的模型时，去AI味、节奏控制和爽点设计的效果会打折扣，不能默认“装了插件就能写出好网文”
• 对网文商业套路的调校是双刃剑：它擅长起点/番茄式的爽文逻辑，但如果作者追求的是更文学化、更个人化的表达，或者创作的是非典型网文形态，工具的“套路感”可能成为限制，需要在 AI 输出之外做更多的个人化改写
• 终端版虽然降低了代码门槛，但文档和报错信息仍然偏技术化：遇到 API 连接失败、模型不支持或依赖缺失时，不熟悉命令行的作者需要花时间排查，社区支持主要依赖 GitHub issue 和文档，没有商业产品的即时客服
• 作为个人或小团队维护的开源项目，长期稳定性和极端场景下的表现需要持续观察，部分高级技能（如 human 的深层去AI处理）的实际效果因文本类型和模型而异，建议先用免费额度在小范围章节中验证再全量依赖

💡 使用技巧

• 先从 start 模式化入口开始，不要直接面对 39 个技能：网文工坊在 v0.27 之后把技能收进了“新建 / 继续 / 优化 / 投稿”四个门，按你当前所处的阶段选择入口，工具会自动调度背后的技能，等熟悉流程后再按需调用具体技能，能显著降低上手阶段的迷茫感
• 第一次跑通全流程时，用一章的体量做“压力测试”：从选题或大纲开始，走完黄金开篇、正文扩写、节奏标注、追读诊断和去AI味，完整感受一遍输出质量、耗时和修改工作量。一章测试通过后，再决定是否把这套流程铺到整本书上，避免在工具不匹配的情况下投入大量时间
• 善用 memory 技能做项目存档：长篇连载最怕的是中断几周后回来，AI 和作者都忘了世界观和伏笔。每次阶段性完成后让 memory 保存快照，下次继续时先加载存档，比重新复述设定更可靠，也更省 Token
• 去AI味不要一步到位，分两层处理：先用 deslop 清理表面的过度比喻、不自然过渡和标点滥用，通读一遍确认可读性；如果平台对 AI 痕迹检测较严或读者反馈“还是有点怪”，再对重点章节使用 human 做更深层的理性行为和情感弧线调整，避免一次性过度改写丢失原有的叙事意图
• 终端版用户优先选择性价比高且中文能力扎实的 API：DeepSeek 和 Kimi 在中文网文场景中通常有较好的性价比，硅基流动和 OpenRouter 提供了多模型切换的便利，本地 Ollama 适合对数据隐私有要求或希望完全离线使用的作者。先用低成本渠道测试技能效果，确认匹配后再升级模型
• 把追读诊断当作“改稿地图”而不是“评分器”：诊断给出的多维指标（钩子强度、伏笔、人物等）是用来定位需要回头调整的章节，而不是给整本书打一个分数。重点关注连续几章都偏弱的维度，那通常比单章的波动更值得优先处理
• 如果主要投稿目标是海外平台（Wattpad、Royal Road、Webnovel 国际），使用内置的 english 技能来调整出海内容的表达，让文本读起来像本地作者写的而不是翻译腔，而不是把中文原文直接机翻后投稿
• 开源项目迭代较快，升级前先看 CHANGELOG 和 skills 目录的变化：技能名称、参数和调用方式可能随版本调整，升级后先在测试章节中验证核心流程是否正常，再用于正在连载的项目，避免因为版本变化打断创作节奏