@mcptoolshop/style-dataset-lab 1.1.0 → 1.2.1

package/CHANGELOG.md

@@ -2,6 +2,14 @@
 
 All notable changes to this project will be documented in this file.
 
+## [1.2.0] - 2026-04-14
+
+- Added `templates/` with blank constitution, review rubric, and example prompt pack
+- npm package now ships scripts + templates only (zero game data)
+- Fixed game data leak in v1.0.0/v1.1.0 npm packages (games/ was included in tarball)
+- All docs reframed around the pipeline (canon, prompts, generate, curate, bind, compare, export)
+- README, handbook, and landing page updated for v1.2.0
+
 ## [1.1.0] - 2026-04-14
 
 - Monorepo restructure: each game lives in `games/<name>/` with isolated canon, records, and assets

package/README.es.md

@@ -13,91 +13,133 @@
 
 # style-dataset-lab
 
-Factoría de conjuntos de datos visuales: genera, organiza y exporta datos de entrenamiento multimodales para el ajuste fino de modelos de lenguaje visual (VLM).
+Una canalización de producción para la creación de conjuntos de datos visuales: desde reglas establecidas hasta indicaciones estructuradas, pasando por la generación con ComfyUI, hasta la creación de datos de entrenamiento curados y sujetos a reglas.
 
 ## ¿Qué es esto?
 
-Un conjunto de herramientas para construir **"verdad visual" entrenable**. Cada elemento contiene tres cosas:
+Una **canalización** para la creación de conjuntos de datos visuales de entrenamiento estructurados. Se definen reglas de estilo (establecidas), se crean indicaciones, se genera contenido con ComfyUI, se realiza una curación con puntuación por dimensión, se asocian juicios a las reglas establecidas y se exporta en 10 formatos a través de [`@mcptoolshop/repo-dataset`](https://github.com/mcp-tool-shop-org/repo-dataset).
 
-1. **Píxeles de la imagen:** generados por ComfyUI con total trazabilidad (punto de control, LoRA, semilla, muestreador, configuración).
-2. **Explicación canónica:** por qué este elemento está dentro o fuera del estilo, basado en una constitución de estilo.
-3. **Juicio de calidad:** aprobado/rechazado con puntuaciones por dimensión y reglas citadas.
+La canalización es independiente del juego. Cada juego tiene su propio directorio de datos dentro de `games/<nombre>/`; los 13 scripts y las plantillas vacías se comparten. Cada activo generado contiene tres elementos:
 
-La salida se integra con [`@mcptoolshop/repo-dataset`](https://github.com/mcp-tool-shop-org/repo-dataset) para producir datos de entrenamiento multimodales en 10 formatos: TRL, LLaVA, Qwen2-VL, Axolotl, LLaMA-Factory, ShareGPT, pares RLHF, DPO, subtitulado y clasificación.
+1. **Píxeles de la imagen** -- generados por ComfyUI con información completa de origen (checkpoint, LoRA, semilla, sampler, cfg).
+2. **Explicación de la regla establecida** -- la razón por la cual la imagen es o no está de acuerdo con el estilo definido, basada en una constitución de estilo.
+3. **Juicio de calidad** -- aprobado/rechazado con puntuaciones por dimensión y reglas citadas.
 
 ## Modelo de seguridad
 
-**Solo local.** style-dataset-lab se comunica con ComfyUI en `localhost:8188` y nunca realiza solicitudes a la red externa. No hay telemetría, ni análisis, ni conexión a servidores externos. La generación de imágenes se realiza completamente en su GPU. Los registros y los datos canónicos permanecen en su sistema de archivos.
+**Solo local.** style-dataset-lab se comunica con ComfyUI en `localhost:8188` y nunca realiza solicitudes a la red externa. No hay telemetría, ni análisis, ni conexión a servidores externos. La generación de imágenes se realiza completamente en su GPU. Los registros y los datos de la regla establecida permanecen en su sistema de archivos.
 
-## Estadísticas del conjunto de datos
+## ¿Qué incluye el paquete npm?
 
-| Métrica | Valor |
-|--------|-------|
-| Registros organizados | 1,182 |
-| Elementos totales | 2.571 (893 aprobados, 887 variantes con estilo pictórico) |
-| Combinaciones de indicaciones | 28 |
-| Categorías visuales | 18 (disfraces, barcos, interiores, equipos, entornos, especies, estaciones, señalización, iluminación, carga, arquitectura, criaturas, superficies, vida cotidiana, planetario, daño/reparación, biología alienígena, detalles realistas) |
-| Comparaciones por pares | 6 creados por humanos + 71 creados sintéticamente |
-| Tipos de rechazo distintos | 30+ |
-| Sistema de paquetes de identidad | Personajes con nombre con ADN de facción, rango y anclajes visuales. |
-| Formatos de exportación | 10 (a través de `@mcptoolshop/repo-dataset`) |
+`npm install @mcptoolshop/style-dataset-lab` le proporciona:
+
+- **13 scripts** -- para generar, curar, comparar, asociar a la regla establecida, generar imágenes con estilo pictórico, generar identidades, generar imágenes con ControlNet/IP-Adapter, curación masiva, migración.
+- **Plantillas vacías** -- una constitución de inicio, una rúbrica de revisión y un paquete de ejemplos de indicaciones en `templates/`.
+
+El paquete npm **no** incluye datos del juego. Clone el repositorio si desea el ejemplo de Star Freight (1182 registros, 28 oleadas de indicaciones, 18 categorías visuales).
 
 ## Instalación
 
 ```bash
-npm install -g @mcptoolshop/style-dataset-lab
+# Get the pipeline scripts + templates
+npm install @mcptoolshop/style-dataset-lab
+
+# Or clone the repo for the Star Freight example data
+git clone https://github.com/mcp-tool-shop-org/style-dataset-lab
+cd style-dataset-lab
+npm install
 ```
 
-Luego, clone un proyecto o inicializa un nuevo espacio de trabajo de conjunto de datos:
+Para comenzar un nuevo juego a partir de las plantillas:
 
 ```bash
-git clone https://github.com/mcp-tool-shop-org/style-dataset-lab my-dataset
-cd my-dataset
-npm install
+# Copy templates into your game directory
+mkdir -p games/my-game/{records,comparisons,inputs/prompts,outputs/{candidates,approved,rejected,borderline,painterly},exports}
+cp -r templates/canon games/my-game/canon
+cp templates/inputs/prompts/example-wave.json games/my-game/inputs/prompts/wave1.json
+# Edit the canon and prompts, then generate
+```
+
+## Estructura del monorepositorio
+
+La canalización se encuentra en `scripts/` y `templates/`. Cada juego se encuentra en `games/<nombre>/` con su propia regla establecida, registros y activos. Los scripts aceptan `--game <nombre>` (por defecto, `star-freight`).
+
 ```
+style-dataset-lab/
+  scripts/                  13 pipeline scripts (generate, curate, compare, etc.)
+  templates/                Blank starting point for new games
+    canon/                  Starter constitution + review rubric
+    inputs/prompts/         Example prompt pack
+  games/
+    star-freight/           Star Freight example (1,182 records, repo-only)
+      canon/                Style constitution, review rubric, species canon
+      records/              Per-asset JSON (provenance + judgment + canon)
+      comparisons/          A-vs-B preference judgments
+      inputs/               Prompt packs, identity packets, references
+      outputs/              Generated images (gitignored)
+      exports/              repo-dataset output (gitignored)
+    <your-game>/            Add more games with the same structure
+```
+
+## Flujo de trabajo de la canalización
 
-## Flujo de trabajo
+La canalización completa, desde la regla establecida hasta la exportación para el entrenamiento:
 
 ```bash
-# 1. Start ComfyUI
-# (point it at your checkpoint + LoRA setup)
+# 1. Write your canon -- style constitution + review rubric
+#    (start from templates/ or write from scratch)
 
-# 2. Generate candidates from a prompt pack
-npm run generate -- inputs/prompts/wave1.json
-npm run generate -- inputs/prompts/wave1.json --dry-run
+# 2. Create prompt packs in inputs/prompts/
+#    (see templates/inputs/prompts/example-wave.json)
 
-# 3. Generate identity-packet characters
-npm run generate:identity -- inputs/identity-packets/wave27a-identity-spine.json
+# 3. Start ComfyUI and generate candidates
+npm run generate -- --game star-freight inputs/prompts/wave1.json
+npm run generate -- --game star-freight inputs/prompts/wave1.json --dry-run
 
-# 4. Generate painterly variants of approved assets
-npm run painterly -- <asset_id>
+# 4. Generate identity-packet characters (named subjects)
+npm run generate:identity -- --game star-freight inputs/identity-packets/wave27a.json
 
 # 5. Curate -- approve, reject, or mark borderline
-npm run curate -- <asset_id> approved "explanation" --scores "silhouette:0.9,palette:0.8"
-npm run curate -- <asset_id> rejected "explanation" --failures "too_clean,wrong_material"
+npm run curate -- --game star-freight <asset_id> approved "explanation"
+npm run curate -- --game star-freight <asset_id> rejected "explanation" --failures "too_clean"
+
+# 6. Generate painterly variants of approved assets
+npm run painterly -- --game star-freight
 
-# 6. Bind canon explanations to assets
-npm run canon-bind -- <asset_id>
+# 7. Bind canon explanations to curated assets
+npm run canon-bind -- --game star-freight
 
-# 7. Record pairwise comparisons
-npm run compare -- <asset_a> <asset_b> a "A has better faction read because..."
+# 8. Record pairwise comparisons
+npm run compare -- --game star-freight <asset_a> <asset_b> a "A has better faction read"
 
-# 8. Export training data via repo-dataset
-npm run export
-npm run inspect
-npm run validate
+# 9. Export training data via repo-dataset
+repo-dataset visual generate ./games/star-freight --format trl
+repo-dataset visual inspect ./games/star-freight
 ```
 
-## Estructura de directorios
+## Añadir un nuevo juego
+
+```bash
+# Create structure and copy blank templates
+mkdir -p games/my-game/{records,comparisons,inputs/prompts,outputs/{candidates,approved,rejected,borderline,painterly},exports}
+cp -r templates/canon games/my-game/canon
+cp templates/inputs/prompts/example-wave.json games/my-game/inputs/prompts/wave1.json
+
+# Edit your canon/constitution.md and canon/review-rubric.md
+# Edit your prompt pack, then run the pipeline with --game my-game
+```
+
+## Estructura del directorio por juego
+
+Cada directorio `games/<nombre>/` contiene:
 
 ```
-canon/                  Style constitution, review rubric, identity gates, species canon
+canon/                  Style constitution, review rubric, species canon, identity gates
 inputs/
   prompts/              Prompt packs per wave (JSON: subjects, variations, defaults)
   references/           IP-Adapter reference images
-  control/              ControlNet control images
   control-guides/       ControlNet guide overlays
-  identity-packets/     Named character identity spines (faction DNA, rank, visual anchors)
+  identity-packets/     Named character identity spines
 outputs/
   candidates/           Raw generations (gitignored)
   approved/             Curated approved (gitignored)
@@ -107,11 +149,9 @@ outputs/
 records/                Per-asset JSON (provenance + judgment + canon binding)
 comparisons/            A-vs-B preference judgments
 exports/                repo-dataset output (gitignored)
-scripts/                generate, curate, compare, canon-bind, painterly, identity gen
-workflows/              Reusable ComfyUI workflow templates
 ```
 
-## Configuración de generación
+## Configuración de la generación
 
 ```yaml
 checkpoint: dreamshaperXL_v21TurboDPMSDE.safetensors
@@ -124,14 +164,14 @@ scheduler: karras
 speed: ~9s per image (RTX 5080)
 ```
 
-Modos de generación adicionales: ControlNet (guiado por pose/profundidad), IP-Adapter (guiado por referencia) y paquetes de identidad (consistencia de personajes con nombre).
+Modos de generación adicionales: ControlNet (guiado por pose/profundidad), IP-Adapter (guiado por referencia) y paquetes de identidad (consistencia de personajes nombrados).
 
 ## Requisitos
 
 - [ComfyUI](https://github.com/comfyanonymous/ComfyUI) ejecutándose en localhost:8188
-- Punto de control DreamShaper XL Turbo + LoRA ClassipeintXL
+- Checkpoint DreamShaper XL Turbo + LoRA ClassipeintXL
 - Node.js 20+
-- [`@mcptoolshop/repo-dataset`](https://github.com/mcp-tool-shop-org/repo-dataset) para la exportación de entrenamiento.
+- [`@mcptoolshop/repo-dataset`](https://github.com/mcp-tool-shop-org/repo-dataset) para la exportación del entrenamiento.
 
 ## Licencia
 
@@ -139,4 +179,4 @@ MIT
 
 ---
 
-Creado por <a href="https://mcp-tool-shop.github.io/">MCP Tool Shop</a>
+Creado por <a href="https://mcp-tool-shop.github.io/">MCP Tool Shop</a

package/README.fr.md

@@ -13,91 +13,133 @@
 
 # style-dataset-lab
 
-Fabrique de jeux de données visuels : génère, organise et exporte des données d'entraînement multimodales pour l'affinage des modèles de langage visuels (VLM).
+Une chaîne de production pour la création de jeux de données visuels : des règles de base aux invites structurées, en passant par la génération avec ComfyUI, jusqu'aux données d'entraînement sélectionnées et conformes aux règles.
 
 ## Qu'est-ce que c'est ?
 
-Une boîte à outils pour créer une **vérité visuelle entraînable**. Chaque élément contient trois informations :
+Une **chaîne de production** pour la création de jeux de données visuels structurés. Vous définissez des règles de style (règles de base), rédigez des invites, générez avec ComfyUI, sélectionnez les données avec un système de notation par dimension, associez les jugements aux règles de base et exportez dans 10 formats via [`@mcptoolshop/repo-dataset`](https://github.com/mcp-tool-shop-org/repo-dataset).
+
+Cette chaîne de production est indépendante du jeu. Chaque jeu dispose de son propre répertoire de données sous `games/<nom>/`; les 13 scripts et les modèles vierges sont partagés. Chaque élément produit contient trois informations.
 
 1. **Pixels de l'image** : générés par ComfyUI avec une traçabilité complète (point de contrôle, LoRA, graine, échantillonneur, cfg).
 2. **Explication canonique** : pourquoi cet élément est conforme ou non au style, basé sur une constitution du style.
 3. **Jugement de qualité** : approuvé/refusé avec des scores par dimension et des règles citées.
 
-La sortie est intégrée à [`@mcptoolshop/repo-dataset`](https://github.com/mcp-tool-shop-org/repo-dataset) pour produire des données d'entraînement multimodales dans 10 formats : TRL, LLaVA, Qwen2-VL, Axolotl, LLaMA-Factory, ShareGPT, paires RLHF, DPO, légende et classification.
-
 ## Modèle de sécurité
 
 **Uniquement local.** style-dataset-lab communique avec ComfyUI sur `localhost:8188` et ne fait jamais de requêtes réseau externes. Pas de télémétrie, pas d'analyses, pas de communication avec un serveur distant. La génération d'images se fait entièrement sur votre GPU. Les enregistrements et les données canoniques restent sur votre système de fichiers.
 
-## Statistiques du jeu de données
+## Ce que le paquet npm contient
+
+`npm install @mcptoolshop/style-dataset-lab` vous donne :
 
-| Métrique | Valeur |
-|--------|-------|
-| Enregistrements organisés | 1,182 |
-| Nombre total d'éléments | 2 571 (893 approuvés, 887 variantes picturales) |
-| Séquences de prompts | 28 |
-| Catégories visuelles | 18 (costumes, bateaux, intérieurs, équipements, environnements, espèces, stations, signalisation, éclairage, cargaison, architecture, créatures, surfaces, vie quotidienne, planétaire, dommages/réparations, biologie extraterrestre, détails de vie) |
-| Comparaisons par paires | 6 réalisées par des humains + 71 synthétiques |
-| Types de refus distincts | 30+ |
-| Système de paquets d'identité | Personnages nommés avec ADN de faction, grade et ancres visuelles. |
-| Formats d'exportation | 10 (via @mcptoolshop/repo-dataset) |
+- **13 scripts** -- génération, sélection, comparaison, application des règles de base, style pictural, génération d'identités, génération ControlNet/IP-Adapter, sélection en masse, migration.
+- **Modèles vierges** -- constitution de base, grille d'évaluation et ensemble d'exemples d'invites dans le dossier `templates/`.
+
+Le paquet npm **ne contient pas** les données du jeu. Clonez le dépôt si vous souhaitez l'exemple de Star Freight (1 182 enregistrements, 28 séries d'invites, 18 catégories visuelles).
 
 ## Installation
 
 ```bash
-npm install -g @mcptoolshop/style-dataset-lab
+# Get the pipeline scripts + templates
+npm install @mcptoolshop/style-dataset-lab
+
+# Or clone the repo for the Star Freight example data
+git clone https://github.com/mcp-tool-shop-org/style-dataset-lab
+cd style-dataset-lab
+npm install
 ```
 
-Clonez ensuite un projet ou initialisez un nouvel espace de travail de jeu de données :
+Pour démarrer un nouveau jeu à partir des modèles :
 
 ```bash
-git clone https://github.com/mcp-tool-shop-org/style-dataset-lab my-dataset
-cd my-dataset
-npm install
+# Copy templates into your game directory
+mkdir -p games/my-game/{records,comparisons,inputs/prompts,outputs/{candidates,approved,rejected,borderline,painterly},exports}
+cp -r templates/canon games/my-game/canon
+cp templates/inputs/prompts/example-wave.json games/my-game/inputs/prompts/wave1.json
+# Edit the canon and prompts, then generate
+```
+
+## Structure du dépôt monorepo
+
+La chaîne de production se trouve dans les dossiers `scripts/` et `templates/`. Chaque jeu se trouve dans le dossier `games/<nom>/` et possède ses propres règles de base, enregistrements et ressources. Les scripts acceptent l'argument `--game <nom>` (par défaut : `star-freight`).
+
+```
+style-dataset-lab/
+  scripts/                  13 pipeline scripts (generate, curate, compare, etc.)
+  templates/                Blank starting point for new games
+    canon/                  Starter constitution + review rubric
+    inputs/prompts/         Example prompt pack
+  games/
+    star-freight/           Star Freight example (1,182 records, repo-only)
+      canon/                Style constitution, review rubric, species canon
+      records/              Per-asset JSON (provenance + judgment + canon)
+      comparisons/          A-vs-B preference judgments
+      inputs/               Prompt packs, identity packets, references
+      outputs/              Generated images (gitignored)
+      exports/              repo-dataset output (gitignored)
+    <your-game>/            Add more games with the same structure
 ```
 
-## Flux de travail
+## Flux de travail de la chaîne de production
+
+La chaîne de production complète, des règles de base à l'exportation des données d'entraînement :
 
 ```bash
-# 1. Start ComfyUI
-# (point it at your checkpoint + LoRA setup)
+# 1. Write your canon -- style constitution + review rubric
+#    (start from templates/ or write from scratch)
 
-# 2. Generate candidates from a prompt pack
-npm run generate -- inputs/prompts/wave1.json
-npm run generate -- inputs/prompts/wave1.json --dry-run
+# 2. Create prompt packs in inputs/prompts/
+#    (see templates/inputs/prompts/example-wave.json)
 
-# 3. Generate identity-packet characters
-npm run generate:identity -- inputs/identity-packets/wave27a-identity-spine.json
+# 3. Start ComfyUI and generate candidates
+npm run generate -- --game star-freight inputs/prompts/wave1.json
+npm run generate -- --game star-freight inputs/prompts/wave1.json --dry-run
 
-# 4. Generate painterly variants of approved assets
-npm run painterly -- <asset_id>
+# 4. Generate identity-packet characters (named subjects)
+npm run generate:identity -- --game star-freight inputs/identity-packets/wave27a.json
 
 # 5. Curate -- approve, reject, or mark borderline
-npm run curate -- <asset_id> approved "explanation" --scores "silhouette:0.9,palette:0.8"
-npm run curate -- <asset_id> rejected "explanation" --failures "too_clean,wrong_material"
+npm run curate -- --game star-freight <asset_id> approved "explanation"
+npm run curate -- --game star-freight <asset_id> rejected "explanation" --failures "too_clean"
+
+# 6. Generate painterly variants of approved assets
+npm run painterly -- --game star-freight
+
+# 7. Bind canon explanations to curated assets
+npm run canon-bind -- --game star-freight
 
-# 6. Bind canon explanations to assets
-npm run canon-bind -- <asset_id>
+# 8. Record pairwise comparisons
+npm run compare -- --game star-freight <asset_a> <asset_b> a "A has better faction read"
 
-# 7. Record pairwise comparisons
-npm run compare -- <asset_a> <asset_b> a "A has better faction read because..."
+# 9. Export training data via repo-dataset
+repo-dataset visual generate ./games/star-freight --format trl
+repo-dataset visual inspect ./games/star-freight
+```
+
+## Ajout d'un nouveau jeu
 
-# 8. Export training data via repo-dataset
-npm run export
-npm run inspect
-npm run validate
+```bash
+# Create structure and copy blank templates
+mkdir -p games/my-game/{records,comparisons,inputs/prompts,outputs/{candidates,approved,rejected,borderline,painterly},exports}
+cp -r templates/canon games/my-game/canon
+cp templates/inputs/prompts/example-wave.json games/my-game/inputs/prompts/wave1.json
+
+# Edit your canon/constitution.md and canon/review-rubric.md
+# Edit your prompt pack, then run the pipeline with --game my-game
 ```
 
-## Structure des répertoires
+## Structure du répertoire par jeu
+
+Chaque répertoire `games/<nom>/` contient :
 
 ```
-canon/                  Style constitution, review rubric, identity gates, species canon
+canon/                  Style constitution, review rubric, species canon, identity gates
 inputs/
   prompts/              Prompt packs per wave (JSON: subjects, variations, defaults)
   references/           IP-Adapter reference images
-  control/              ControlNet control images
   control-guides/       ControlNet guide overlays
-  identity-packets/     Named character identity spines (faction DNA, rank, visual anchors)
+  identity-packets/     Named character identity spines
 outputs/
   candidates/           Raw generations (gitignored)
   approved/             Curated approved (gitignored)
@@ -107,8 +149,6 @@ outputs/
 records/                Per-asset JSON (provenance + judgment + canon binding)
 comparisons/            A-vs-B preference judgments
 exports/                repo-dataset output (gitignored)
-scripts/                generate, curate, compare, canon-bind, painterly, identity gen
-workflows/              Reusable ComfyUI workflow templates
 ```
 
 ## Configuration de la génération

package/README.hi.md

@@ -13,91 +13,133 @@
 
 # style-dataset-lab
 
-विज़ुअल डेटासेट फैक्ट्री -- वीएलएम (VLM) के फाइन-ट्यूनिंग के लिए मल्टीमॉडल प्रशिक्षण डेटा उत्पन्न करें, क्यूरेट करें और निर्यात करें।
+एक विज़ुअल डेटासेट बनाने की प्रक्रिया -- जिसमें स्थापित नियमों से लेकर संरचित निर्देशों तक, फिर ComfyUI के माध्यम से सृजन और अंत में, सावधानीपूर्वक तैयार किए गए, नियमों के अनुरूप प्रशिक्षण डेटा शामिल है।
 
 ## यह क्या है
 
-यह एक टूलकिट है जिसका उपयोग "**प्रशिक्षण योग्य दृश्य सत्य**" बनाने के लिए किया जाता है। प्रत्येक एसेट में तीन चीजें होती हैं:
+संरचित विज़ुअल प्रशिक्षण डेटासेट बनाने के लिए एक **प्रक्रिया**। आप शैली के नियम (नियम) लिखते हैं, निर्देशों को तैयार करते हैं, ComfyUI के साथ सामग्री उत्पन्न करते हैं, प्रत्येक आयाम के आधार पर मूल्यांकन करते हैं, निर्णयों को नियमों से जोड़ते हैं, और `@mcptoolshop/repo-dataset` ([https://github.com/mcp-tool-shop-org/repo-dataset](https://github.com/mcp-tool-shop-org/repo-dataset)) के माध्यम से 10 प्रारूपों में निर्यात करते हैं।
+
+यह प्रक्रिया किसी विशेष गेम पर निर्भर नहीं है। प्रत्येक गेम के लिए `games/<नाम>/` के अंतर्गत एक अलग डेटा निर्देशिका होती है; 13 स्क्रिप्ट और खाली टेम्पलेट साझा किए जाते हैं। प्रत्येक उत्पन्न सामग्री में तीन चीजें होती हैं:
 
 1. **इमेज पिक्सेल** -- ComfyUI द्वारा उत्पन्न, जिसमें पूर्ण जानकारी (चेकपॉइंट, LoRA, सीड, सैंपलर, cfg) शामिल है।
 2. **मानक व्याख्या** -- यह क्यों 'ऑन-स्टाइल' या 'ऑफ-स्टाइल' है, जो एक 'स्टाइल संविधान' पर आधारित है।
 3. **गुणवत्ता मूल्यांकन** -- स्वीकृत/अस्वीकृत, जिसमें प्रत्येक आयाम के लिए स्कोर और संदर्भित नियम शामिल हैं।
 
-आउटपुट [`@mcptoolshop/repo-dataset`](https://github.com/mcp-tool-shop-org/repo-dataset) में जाता है ताकि 10 प्रारूपों में मल्टीमॉडल प्रशिक्षण डेटा उत्पन्न किया जा सके: TRL, LLaVA, Qwen2-VL, Axolotl, LLaMA-Factory, ShareGPT, RLHF जोड़े, DPO, कैप्शनिंग और वर्गीकरण।
-
 ## सुरक्षा मॉडल
 
 **केवल स्थानीय।** style-dataset-lab, `localhost:8188` पर ComfyUI से संवाद करता है और कभी भी बाहरी नेटवर्क अनुरोध नहीं करता है। कोई टेलीमेट्री नहीं, कोई विश्लेषण नहीं, कोई डेटा संग्रह नहीं। इमेज जेनरेशन पूरी तरह से आपके GPU पर होता है। रिकॉर्ड और अन्य डेटा आपके फ़ाइल सिस्टम पर ही रहते हैं।
 
-## डेटासेट आँकड़े
+## npm पैकेज में क्या शामिल है
+
+`npm install @mcptoolshop/style-dataset-lab` आपको निम्नलिखित चीजें देता है:
 
-| मेट्रिक | मान |
-|--------|-------|
-| क्यूरेट किए गए रिकॉर्ड | 1,182 |
-| कुल एसेट | 2,571 (893 स्वीकृत, 887 'पेंटरली' वेरिएंट) |
-| प्रॉम्प्ट वेव्स | 28 |
-| विज़ुअल श्रेणियां | 18 (पोशाक, जहाज, आंतरिक भाग, उपकरण, वातावरण, प्रजातियां, स्टेशन, संकेत, प्रकाश, माल, आर्किटेक्चर, जीव, सतह, दैनिक जीवन, ग्रह, क्षति/मरम्मत, एलियन जीव विज्ञान, वास्तविक विवरण) |
-| जोड़े में तुलनाएं | 6 मानव + 71 सिंथेटिक |
-| विभिन्न अस्वीकृति प्रकार | 30+ |
-| पहचान पैकेज सिस्टम | नाम वाले पात्र, जिनमें गुट (faction) की जानकारी, रैंक और दृश्य संबंधी विशेषताएं शामिल हैं। |
-| निर्यात प्रारूप | 10 ( `@mcptoolshop/repo-dataset` के माध्यम से) |
+- **13 स्क्रिप्ट** -- उत्पन्न करें, मूल्यांकन करें, तुलना करें, नियमों से जोड़ें, चित्रकारी शैली में बनाएं, पहचान बनाएं, ControlNet/IP-Adapter के साथ सामग्री बनाएं, बड़ी संख्या में मूल्यांकन करें, डेटा माइग्रेट करें।
+- **खाली टेम्पलेट** -- शुरुआती दिशानिर्देश, मूल्यांकन मानदंड और उदाहरण निर्देशों का संग्रह `templates/` में।
+
+npm पैकेज में **गेम डेटा शामिल नहीं** है। यदि आप Star Freight का उदाहरण चाहते हैं (1,182 रिकॉर्ड, 28 निर्देश सेट, 18 विज़ुअल श्रेणियां), तो रिपॉजिटरी को क्लोन करें।
 
 ## इंस्टॉल करें
 
 ```bash
-npm install -g @mcptoolshop/style-dataset-lab
+# Get the pipeline scripts + templates
+npm install @mcptoolshop/style-dataset-lab
+
+# Or clone the repo for the Star Freight example data
+git clone https://github.com/mcp-tool-shop-org/style-dataset-lab
+cd style-dataset-lab
+npm install
 ```
 
-फिर एक प्रोजेक्ट को क्लोन करें या एक नया डेटासेट वर्कस्पेस इनिशियलाइज़ करें:
+टेम्पलेट से एक नया गेम शुरू करने के लिए:
 
 ```bash
-git clone https://github.com/mcp-tool-shop-org/style-dataset-lab my-dataset
-cd my-dataset
-npm install
+# Copy templates into your game directory
+mkdir -p games/my-game/{records,comparisons,inputs/prompts,outputs/{candidates,approved,rejected,borderline,painterly},exports}
+cp -r templates/canon games/my-game/canon
+cp templates/inputs/prompts/example-wave.json games/my-game/inputs/prompts/wave1.json
+# Edit the canon and prompts, then generate
+```
+
+## मोनोरेपो संरचना
+
+यह प्रक्रिया `scripts/` और `templates/` में मौजूद है। प्रत्येक गेम `games/<नाम>/` में अपनी-अपनी नियमों, रिकॉर्ड और सामग्री के साथ मौजूद होता है। स्क्रिप्ट `--game <नाम>` विकल्प स्वीकार करती हैं (डिफॉल्ट रूप से `star-freight` पर सेट)।
+
+```
+style-dataset-lab/
+  scripts/                  13 pipeline scripts (generate, curate, compare, etc.)
+  templates/                Blank starting point for new games
+    canon/                  Starter constitution + review rubric
+    inputs/prompts/         Example prompt pack
+  games/
+    star-freight/           Star Freight example (1,182 records, repo-only)
+      canon/                Style constitution, review rubric, species canon
+      records/              Per-asset JSON (provenance + judgment + canon)
+      comparisons/          A-vs-B preference judgments
+      inputs/               Prompt packs, identity packets, references
+      outputs/              Generated images (gitignored)
+      exports/              repo-dataset output (gitignored)
+    <your-game>/            Add more games with the same structure
 ```
 
-## वर्कफ़्लो
+## प्रक्रिया का प्रवाह
+
+नियमों से लेकर प्रशिक्षण डेटा के निर्यात तक, पूरी प्रक्रिया:
 
 ```bash
-# 1. Start ComfyUI
-# (point it at your checkpoint + LoRA setup)
+# 1. Write your canon -- style constitution + review rubric
+#    (start from templates/ or write from scratch)
 
-# 2. Generate candidates from a prompt pack
-npm run generate -- inputs/prompts/wave1.json
-npm run generate -- inputs/prompts/wave1.json --dry-run
+# 2. Create prompt packs in inputs/prompts/
+#    (see templates/inputs/prompts/example-wave.json)
 
-# 3. Generate identity-packet characters
-npm run generate:identity -- inputs/identity-packets/wave27a-identity-spine.json
+# 3. Start ComfyUI and generate candidates
+npm run generate -- --game star-freight inputs/prompts/wave1.json
+npm run generate -- --game star-freight inputs/prompts/wave1.json --dry-run
 
-# 4. Generate painterly variants of approved assets
-npm run painterly -- <asset_id>
+# 4. Generate identity-packet characters (named subjects)
+npm run generate:identity -- --game star-freight inputs/identity-packets/wave27a.json
 
 # 5. Curate -- approve, reject, or mark borderline
-npm run curate -- <asset_id> approved "explanation" --scores "silhouette:0.9,palette:0.8"
-npm run curate -- <asset_id> rejected "explanation" --failures "too_clean,wrong_material"
+npm run curate -- --game star-freight <asset_id> approved "explanation"
+npm run curate -- --game star-freight <asset_id> rejected "explanation" --failures "too_clean"
+
+# 6. Generate painterly variants of approved assets
+npm run painterly -- --game star-freight
+
+# 7. Bind canon explanations to curated assets
+npm run canon-bind -- --game star-freight
 
-# 6. Bind canon explanations to assets
-npm run canon-bind -- <asset_id>
+# 8. Record pairwise comparisons
+npm run compare -- --game star-freight <asset_a> <asset_b> a "A has better faction read"
 
-# 7. Record pairwise comparisons
-npm run compare -- <asset_a> <asset_b> a "A has better faction read because..."
+# 9. Export training data via repo-dataset
+repo-dataset visual generate ./games/star-freight --format trl
+repo-dataset visual inspect ./games/star-freight
+```
+
+## एक नया गेम जोड़ना
 
-# 8. Export training data via repo-dataset
-npm run export
-npm run inspect
-npm run validate
+```bash
+# Create structure and copy blank templates
+mkdir -p games/my-game/{records,comparisons,inputs/prompts,outputs/{candidates,approved,rejected,borderline,painterly},exports}
+cp -r templates/canon games/my-game/canon
+cp templates/inputs/prompts/example-wave.json games/my-game/inputs/prompts/wave1.json
+
+# Edit your canon/constitution.md and canon/review-rubric.md
+# Edit your prompt pack, then run the pipeline with --game my-game
 ```
 
-## डायरेक्टरी संरचना
+## प्रत्येक गेम निर्देशिका का लेआउट
+
+प्रत्येक `games/<नाम>/` निर्देशिका में निम्नलिखित शामिल हैं:
 
 ```
-canon/                  Style constitution, review rubric, identity gates, species canon
+canon/                  Style constitution, review rubric, species canon, identity gates
 inputs/
   prompts/              Prompt packs per wave (JSON: subjects, variations, defaults)
   references/           IP-Adapter reference images
-  control/              ControlNet control images
   control-guides/       ControlNet guide overlays
-  identity-packets/     Named character identity spines (faction DNA, rank, visual anchors)
+  identity-packets/     Named character identity spines
 outputs/
   candidates/           Raw generations (gitignored)
   approved/             Curated approved (gitignored)
@@ -107,8 +149,6 @@ outputs/
 records/                Per-asset JSON (provenance + judgment + canon binding)
 comparisons/            A-vs-B preference judgments
 exports/                repo-dataset output (gitignored)
-scripts/                generate, curate, compare, canon-bind, painterly, identity gen
-workflows/              Reusable ComfyUI workflow templates
 ```
 
 ## जेनरेशन सेटअप