@oh-story/dsh 0.1.14 → 0.1.15

package/README.md

@@ -6,7 +6,7 @@
 
 `oh-story-dsh` 是基于 DeepSeek Harness（DSH）构建的社区小说、短剧、互动游戏与视频解说创作插件，提供：
 
-- 13 个 Oh Story 0.8.4 小说 Skills 与 7 个专业 Roles；
+- 13 个 Oh Story 0.8.5 小说 Skills 与 7 个专业 Roles；
 - 11 个 Drama Skills 0.8.1 短剧流程，每集按请求维护最多五份 creator-first Markdown，成片装配另写《剪辑单.md》；
 - 7 个 NovelToGame 0.5.0 Skills、`game-adaptations/<project>` 产物协议与《金瓶梅 · 风月总账》ADV 可玩构建；
 - 7 个 video-recap-skills 0.6.2 Skills（3 个用户入口）、`video-recaps/<project>` 项目约定与轻量视频预览工作台；
@@ -23,14 +23,14 @@
 安装命令会临时提供 pnpm；只安装 Node.js 的机器也能执行。DSH 的 `plugin add` 内部需要 pnpm，单独运行 `npx @deepseek-ai/dsh ... plugin add` 不会自动补上它。
 
 ```bash
-npx -y --package pnpm@11.7.0 --package @deepseek-ai/dsh@0.2.0-rc.2 dsh plugin --profile web add @oh-story/dsh@0.1.14 &&
+npx -y --package pnpm@11.7.0 --package @deepseek-ai/dsh@0.2.0-rc.2 dsh plugin --profile web add @oh-story/dsh@0.1.15 &&
 npx -y @deepseek-ai/dsh@0.2.0-rc.2 web
 ```
 
 也可以直接安装 GitHub Release 中的预构建包：
 
 ```bash
-npx -y --package pnpm@11.7.0 --package @deepseek-ai/dsh@0.2.0-rc.2 dsh plugin --profile web add https://github.com/zenstory-ai/oh-story-dsh/releases/download/v0.1.14/oh-story-dsh-0.1.14.tgz &&
+npx -y --package pnpm@11.7.0 --package @deepseek-ai/dsh@0.2.0-rc.2 dsh plugin --profile web add https://github.com/zenstory-ai/oh-story-dsh/releases/download/v0.1.15/oh-story-dsh-0.1.15.tgz &&
 npx -y @deepseek-ai/dsh@0.2.0-rc.2 web
 ```
 
@@ -88,7 +88,7 @@ Drama Skills 0.6.0 不支持把 v0.5 结构化项目原地升级为 creator-firs
 插件装进哪个 profile，那个 profile 的每个 Session 就都会加载创作 Skills；工作台只在有创作项目时显示。想让原版 `web` 保持干净、只在创作时打开工作台，就装进独立 profile：
 
 ```bash
-npx -y --package pnpm@11.7.0 --package @deepseek-ai/dsh@0.2.0-rc.2 dsh plugin --profile story add @oh-story/dsh@0.1.14
+npx -y --package pnpm@11.7.0 --package @deepseek-ai/dsh@0.2.0-rc.2 dsh plugin --profile story add @oh-story/dsh@0.1.15
 ```
 
 新 profile 默认没有界面。编辑 `~/.dsh/profiles/story/package.json`，把 `dsh.profile.bundles` 改成 `["@deepseek-ai/dsh-base", "@deepseek-ai/dsh-web-app", "@oh-story/dsh"]`。

package/lib/oh-story/manifest.json

@@ -2,11 +2,11 @@
   "schemaVersion": 2,
   "upstream": {
     "repository": "git@github.com:zenstory-ai/oh-story-claudecode.git",
-    "commit": "4a50d5583590eb7f207037e35136c1168bc02201",
-    "releaseVersion": "0.8.4",
+    "commit": "2cf7be61b139f3852c82f981a7ff4eed2aaf5926",
+    "releaseVersion": "0.8.5",
     "agentsVersion": 34
   },
-  "generatedAt": "2026-09-28T04:14:57.961Z",
+  "generatedAt": "2026-10-10T12:00:01.414Z",
   "skills": [
     "browser-cdp",
     "story",
@@ -89,13 +89,13 @@
     },
     {
       "path": "skills/story-deslop/SKILL.md",
-      "sha256": "c967d9222417f8dee3a7ee4eaa82afb034a1c3040c63234deb80074749be2fab",
-      "bytes": 20392
+      "sha256": "2b5173dec3f21de13057c85f1d4e421506409657d56289667d3ba14f9802355c",
+      "bytes": 20402
     },
     {
       "path": "skills/story-deslop/references/agent-calls.md",
-      "sha256": "ce0763db2eb779749c384d8f9701f60e8a2a53db4c7ccfd30c6f537fa0e3c9f8",
-      "bytes": 1679
+      "sha256": "a85729f92fe36713376a7ea67b7612bff244fcef632450432e6cef821c5fd8a1",
+      "bytes": 1669
     },
     {
       "path": "skills/story-deslop/references/anti-ai-writing.md",
@@ -104,13 +104,13 @@
     },
     {
       "path": "skills/story-deslop/references/author-memory-maintenance.md",
-      "sha256": "5727f0ab785e5839ec5aba79929838d125de2422c076d3b3045c25497896881b",
-      "bytes": 8766
+      "sha256": "9ea57cc93f70ec7f1df6df03e4c3605e0937d4a95c89c01d230b391082eaacda",
+      "bytes": 9177
     },
     {
       "path": "skills/story-deslop/references/author-memory.md",
-      "sha256": "376c06efa01b308a2c7e8fcfd37f0ba2045e00ada20cbe63792e1d0246b222d2",
-      "bytes": 11531
+      "sha256": "832171fac5265e613ea55eac028c1ba90da2e907eb60bb8cc6c7c70a7e2a7ba1",
+      "bytes": 11655
     },
     {
       "path": "skills/story-deslop/references/banned-words.md",
@@ -129,8 +129,8 @@
     },
     {
       "path": "skills/story-deslop/scripts/author_memory_commit.py",
-      "sha256": "2d5a04400210e8b5dbd92ccfbe0bebac73b7fc624930319ac0740b9e922cfbc5",
-      "bytes": 79758
+      "sha256": "cc1e0d957f3eea9e04d679423ecb511b5eb7d8dc5bfcaa87196cfe258e2103d5",
+      "bytes": 80004
     },
     {
       "path": "skills/story-deslop/scripts/check-ai-patterns.js",
@@ -354,8 +354,8 @@
     },
     {
       "path": "skills/story-long-scan/SKILL.md",
-      "sha256": "88d46967faba05f4f8e6e45a9734d12c6053ea7b0f777319d8766cb1e3a5e19f",
-      "bytes": 10901
+      "sha256": "ef2c3b3ae4484b470cf96cf37ffb1c9e89c9f29977903aae7216151575e7ca36",
+      "bytes": 10396
     },
     {
       "path": "skills/story-long-scan/references/genre-trends.md",
@@ -379,13 +379,13 @@
     },
     {
       "path": "skills/story-long-scan/references/platform-qidian.md",
-      "sha256": "9b27932c83514f2e922d47aa1a8a2535c69817f3f73426bc520ce879fe745a54",
-      "bytes": 2212
+      "sha256": "ed651d5db0aeee1707ddc995cd123493d470aabf6eade284d99041af90988889",
+      "bytes": 3214
     },
     {
       "path": "skills/story-long-scan/references/platform-qimao.md",
-      "sha256": "59ad08d1564c0f3436b1864e4a300fa64c22056575d8d9fb3efb9a2667df480a",
-      "bytes": 1325
+      "sha256": "79cd399e169817b7b78ff51a4639f5e86e0172f0ef5b940728ea84bf75600908",
+      "bytes": 2436
     },
     {
       "path": "skills/story-long-scan/references/publishing-guide.md",
@@ -404,8 +404,8 @@
     },
     {
       "path": "skills/story-long-scan/scripts/aggregate-rank.js",
-      "sha256": "c8f6ebf7d834af4b530451fa607b37d3173f0c12475e73a43c6e2fbccdb230c7",
-      "bytes": 26415
+      "sha256": "e4276059de456262aee30e5ce43777a9e702534b3712f684495ac75177cfa124",
+      "bytes": 28225
     },
     {
       "path": "skills/story-long-scan/scripts/cdp-utils.js",
@@ -429,23 +429,23 @@
     },
     {
       "path": "skills/story-long-scan/scripts/qidian-rank-scraper.js",
-      "sha256": "1b64e055436f8aa6a49818ef1ae5093795692df593dddd6dc326b1a0efd09a8e",
-      "bytes": 22495
+      "sha256": "6e0a6cee1446a13876abddb4e048de5a31941095f8f0ee1f410aefa91e4a6e00",
+      "bytes": 48445
     },
     {
       "path": "skills/story-long-scan/scripts/qimao-rank-scraper.js",
-      "sha256": "f5fec96499dfa6e27304acbb7c67896f9fcc9d7e7cde0a793648b6229e178326",
-      "bytes": 16751
+      "sha256": "ae276405cf3d85c451cd9da4ee4dba9097f4710f5dc4dfd88fcf9c9cddb850be",
+      "bytes": 35541
     },
     {
       "path": "skills/story-long-write/SKILL.md",
-      "sha256": "1b750d4ff4b240b8df384c1238c4663aa9c1d507bb58557e4fd8f286d09e6257",
-      "bytes": 14561
+      "sha256": "de63533d8150367b2fce4bb1209158fde64b4e1739e0e9082160f81716b8dcdc",
+      "bytes": 14551
     },
     {
       "path": "skills/story-long-write/references/agent-calls.md",
-      "sha256": "dae94c81b29bcb3c75d0b4e46fd186e7063d793daac673448d2ca852cb91b050",
-      "bytes": 7526
+      "sha256": "31e54e0b5f1cff9ccea509a3acb9b1f1429e766b18704e7783e49c5eec4831b0",
+      "bytes": 7524
     },
     {
       "path": "skills/story-long-write/references/anti-ai-writing.md",
@@ -459,13 +459,13 @@
     },
     {
       "path": "skills/story-long-write/references/author-memory-maintenance.md",
-      "sha256": "5727f0ab785e5839ec5aba79929838d125de2422c076d3b3045c25497896881b",
-      "bytes": 8766
+      "sha256": "9ea57cc93f70ec7f1df6df03e4c3605e0937d4a95c89c01d230b391082eaacda",
+      "bytes": 9177
     },
     {
       "path": "skills/story-long-write/references/author-memory.md",
-      "sha256": "376c06efa01b308a2c7e8fcfd37f0ba2045e00ada20cbe63792e1d0246b222d2",
-      "bytes": 11531
+      "sha256": "832171fac5265e613ea55eac028c1ba90da2e907eb60bb8cc6c7c70a7e2a7ba1",
+      "bytes": 11655
     },
     {
       "path": "skills/story-long-write/references/banned-words.md",
@@ -834,13 +834,13 @@
     },
     {
       "path": "skills/story-long-write/references/workflow-chapter.md",
-      "sha256": "81349f6dea2c1da27e13b829c77f451f21d6ef1b1d90dcba9226499a1c07779d",
-      "bytes": 14746
+      "sha256": "3dc19a1f5f77d80ce3a353f9bc91af0ae054d90ad6b01ecc8a45b019a9f3e866",
+      "bytes": 14839
     },
     {
       "path": "skills/story-long-write/references/workflow-daily.md",
-      "sha256": "cb5da4f044bef876afb6eb66639457171b247671f1be1c1eda1c1975e200accb",
-      "bytes": 7707
+      "sha256": "7df54479d7ed0897b12f0cf3e209f372b9c48abfab3d4cb9c2e5463936648855",
+      "bytes": 7761
     },
     {
       "path": "skills/story-long-write/references/workflow-outline.md",
@@ -864,8 +864,8 @@
     },
     {
       "path": "skills/story-long-write/references/writer-prompt-fallback.md",
-      "sha256": "de90964b56296c4313974cb770f0faece72d1bc219a005c45eba04b0e12c859f",
-      "bytes": 3617
+      "sha256": "06836efcca3d8de8b6b6bd53f6e65b2b5154d5d697af6e081a0d5c11e3da1632",
+      "bytes": 3888
     },
     {
       "path": "skills/story-long-write/references/writing-craft.md",
@@ -874,8 +874,8 @@
     },
     {
       "path": "skills/story-long-write/scripts/author_memory_commit.py",
-      "sha256": "2d5a04400210e8b5dbd92ccfbe0bebac73b7fc624930319ac0740b9e922cfbc5",
-      "bytes": 79758
+      "sha256": "cc1e0d957f3eea9e04d679423ecb511b5eb7d8dc5bfcaa87196cfe258e2103d5",
+      "bytes": 80004
     },
     {
       "path": "skills/story-long-write/scripts/build_architect_brief.py",
@@ -884,8 +884,8 @@
     },
     {
       "path": "skills/story-long-write/scripts/build_writer_prompt.py",
-      "sha256": "549db22e87d5bf5b33154869bcc08fd0e26e22662cb745b7c371eba007696a9a",
-      "bytes": 32544
+      "sha256": "2bbe62ea381ec87c740e6870565cf0bd2ccfabac4e1b5b9850eca30533e543dc",
+      "bytes": 37169
     },
     {
       "path": "skills/story-long-write/scripts/check-ai-patterns.js",
@@ -939,8 +939,8 @@
     },
     {
       "path": "skills/story-review/SKILL.md",
-      "sha256": "e2f9a2b6bb28b8c17a428347ab4973623b3448e6933ca84f5be554df9317e00b",
-      "bytes": 21760
+      "sha256": "bef847a7d56192aaab3817cc139dc5e0826ea8b7dd24cd4469bf595a0d6843ff",
+      "bytes": 21741
     },
     {
       "path": "skills/story-review/references/agent-prompts.md",
@@ -954,13 +954,13 @@
     },
     {
       "path": "skills/story-review/references/author-memory-maintenance.md",
-      "sha256": "5727f0ab785e5839ec5aba79929838d125de2422c076d3b3045c25497896881b",
-      "bytes": 8766
+      "sha256": "9ea57cc93f70ec7f1df6df03e4c3605e0937d4a95c89c01d230b391082eaacda",
+      "bytes": 9177
     },
     {
       "path": "skills/story-review/references/author-memory.md",
-      "sha256": "376c06efa01b308a2c7e8fcfd37f0ba2045e00ada20cbe63792e1d0246b222d2",
-      "bytes": 11531
+      "sha256": "832171fac5265e613ea55eac028c1ba90da2e907eb60bb8cc6c7c70a7e2a7ba1",
+      "bytes": 11655
     },
     {
       "path": "skills/story-review/references/banned-words.md",
@@ -1039,8 +1039,8 @@
     },
     {
       "path": "skills/story-review/scripts/author_memory_commit.py",
-      "sha256": "2d5a04400210e8b5dbd92ccfbe0bebac73b7fc624930319ac0740b9e922cfbc5",
-      "bytes": 79758
+      "sha256": "cc1e0d957f3eea9e04d679423ecb511b5eb7d8dc5bfcaa87196cfe258e2103d5",
+      "bytes": 80004
     },
     {
       "path": "skills/story-review/scripts/check-ai-patterns.js",
@@ -1579,8 +1579,8 @@
     },
     {
       "path": "skills/story-short-scan/scripts/aggregate-rank.js",
-      "sha256": "c8f6ebf7d834af4b530451fa607b37d3173f0c12475e73a43c6e2fbccdb230c7",
-      "bytes": 26415
+      "sha256": "e4276059de456262aee30e5ce43777a9e702534b3712f684495ac75177cfa124",
+      "bytes": 28225
     },
     {
       "path": "skills/story-short-scan/scripts/cdp-utils.js",
@@ -1599,23 +1599,23 @@
     },
     {
       "path": "skills/story-short-write/SKILL.md",
-      "sha256": "7532bc2bed58f11534c4728693075ea6f474f2885cbb989f650b474ffd7a0f60",
-      "bytes": 11135
+      "sha256": "8160ca32701f21f5922c22cb7e32c095d6aadd86b7bf28da4ecb347835bdfaef",
+      "bytes": 11154
     },
     {
       "path": "skills/story-short-write/references/agent-calls.md",
-      "sha256": "e2f07dc88803d29b3db4c105b2f6d9ae1b6aee2c0fdd94f0ee0556cc3a354070",
-      "bytes": 2297
+      "sha256": "10486caa8d4d1cd28031364fa22b84d5e354c73db738db01467c11801d304567",
+      "bytes": 2261
     },
     {
       "path": "skills/story-short-write/references/author-memory-maintenance.md",
-      "sha256": "5727f0ab785e5839ec5aba79929838d125de2422c076d3b3045c25497896881b",
-      "bytes": 8766
+      "sha256": "9ea57cc93f70ec7f1df6df03e4c3605e0937d4a95c89c01d230b391082eaacda",
+      "bytes": 9177
     },
     {
       "path": "skills/story-short-write/references/author-memory.md",
-      "sha256": "376c06efa01b308a2c7e8fcfd37f0ba2045e00ada20cbe63792e1d0246b222d2",
-      "bytes": 11531
+      "sha256": "832171fac5265e613ea55eac028c1ba90da2e907eb60bb8cc6c7c70a7e2a7ba1",
+      "bytes": 11655
     },
     {
       "path": "skills/story-short-write/references/banned-words.md",
@@ -1794,8 +1794,8 @@
     },
     {
       "path": "skills/story-short-write/scripts/author_memory_commit.py",
-      "sha256": "2d5a04400210e8b5dbd92ccfbe0bebac73b7fc624930319ac0740b9e922cfbc5",
-      "bytes": 79758
+      "sha256": "cc1e0d957f3eea9e04d679423ecb511b5eb7d8dc5bfcaa87196cfe258e2103d5",
+      "bytes": 80004
     },
     {
       "path": "skills/story-short-write/scripts/check-ai-patterns.js",
@@ -1834,28 +1834,28 @@
     },
     {
       "path": "skills/story/SKILL.md",
-      "sha256": "c5d6e4d0d00b03ce22d9319a8988cfef7afb83b60633fe95c3a57dba07db4de5",
-      "bytes": 12389
+      "sha256": "e12c2c6dd896f1981767f9e52b0ed244db736d819e9dddde3f5fcc110c8f41f6",
+      "bytes": 12423
     },
     {
       "path": "skills/story/VERSION",
-      "sha256": "cf6a05db55c83ecdf0b3323be40d441e20f4bbd3860a3f4104a9dab70fbae161",
+      "sha256": "a92b0248b8baacfaf54e8d59caaca7d5e6b9a0a25ee140c81ea973b4ae25142f",
       "bytes": 6
     },
     {
       "path": "skills/story/references/author-memory-maintenance.md",
-      "sha256": "5727f0ab785e5839ec5aba79929838d125de2422c076d3b3045c25497896881b",
-      "bytes": 8766
+      "sha256": "9ea57cc93f70ec7f1df6df03e4c3605e0937d4a95c89c01d230b391082eaacda",
+      "bytes": 9177
     },
     {
       "path": "skills/story/references/author-memory.md",
-      "sha256": "376c06efa01b308a2c7e8fcfd37f0ba2045e00ada20cbe63792e1d0246b222d2",
-      "bytes": 11531
+      "sha256": "832171fac5265e613ea55eac028c1ba90da2e907eb60bb8cc6c7c70a7e2a7ba1",
+      "bytes": 11655
     },
     {
       "path": "skills/story/scripts/author_memory_commit.py",
-      "sha256": "2d5a04400210e8b5dbd92ccfbe0bebac73b7fc624930319ac0740b9e922cfbc5",
-      "bytes": 79758
+      "sha256": "cc1e0d957f3eea9e04d679423ecb511b5eb7d8dc5bfcaa87196cfe258e2103d5",
+      "bytes": 80004
     }
   ]
 }

package/lib/oh-story/skills/story/SKILL.md

@@ -17,7 +17,7 @@ metadata: {"openclaw":{"source":"https://github.com/zenstory-ai/oh-story-claudec
 | 写短篇 | 短篇、盐言、一万字 | `/story-short-write` |
 | 长篇拆文 | 拆文、分析这本书、黄金三章、灵感库、跨书灵感聚合 | `/story-long-analyze` |
 | 短篇拆文 | 拆短篇、分析这个故事 | `/story-short-analyze` |
-| 长篇扫榜 | 长篇排行、什么火、起点/番茄/晋江 | `/story-long-scan` |
+| 长篇扫榜 | 长篇排行、什么火、新书在冒什么、起点/番茄/晋江/七猫长篇 | `/story-long-scan` |
 | 选题决策 | 写什么能爆、帮我选题、选题方向 | `/story-long-scan` |
 | 短篇扫榜 | 短篇排行、知乎盐言排行 | `/story-short-scan` |
 | 去 AI 味 | 去 AI 味、太 AI、去味 | `/story-deslop` |

package/lib/oh-story/skills/story/VERSION

@@ -1 +1 @@
-0.8.4
+0.8.5

package/lib/oh-story/skills/story/references/author-memory-maintenance.md

@@ -32,9 +32,9 @@
 
 ## 注入预算与容量
 
-- **写入不因注入预算失败**：`record` / `commit` 照常成功、给回执；工具按上表四类任务组合估算最坏查询情形（全局条目＋各 scope 维度最重的单一切片，切片按大小写无关归并、轻重按写作时真正读到的字段算，与真实查询同一把尺），装不进 2048 字节的组合在返回的 `warnings` 里点名将被略过的条目及其断言首句。
+- **写入不因注入预算失败**：`record` / `commit` 照常成功、给回执；工具按上表四类任务组合估算最坏查询情形（全局条目＋各 scope 维度最重的单一切片，切片按大小写无关归并、轻重按执行者真正读到的行算，与真实查询同一把尺），装不进 2048 字节的组合在返回的 `warnings` 里点名将被略过的条目及其断言首句。2048 字节量的是交给执行者的 `lines`（每条一行「- 断言（编号）」，含换行），不是 JSON 外壳：`items` 里的编号、类型、范围只给主会话和脚本判断用，不进执行者 prompt。
 - 写入落盘后另一级 store 读不出来（书目录不存在、`--book` 与书级记录不符等）也照常给回执，`warnings` 注明本次提醒没算上它。写书级条目时「本书＋全局」按实际条目精确计算；写项目级条目时只看得到项目级 store，顺手传 `--book-root` 就把当前这本书也算进提醒。
-- 查询按 **重要度 → 本书例外 → 最近更新** 排序装填（同一范围的条目必在同一 store，「最近」按该 store 的修订号比，不跨 store 比较），先丢的恒是重要度较低的条目——`importance` 决定超编时谁留在 prompt 里。装不下的条目跳过而不中断（一条长的不挡后面的短条），漏下的 ID 按同一优先级报进 `omitted_ids`（最多列 20 条，`omitted` 是真实总数）。
+- 查询按 **重要度 → 本书例外 → 最近更新** 排序装填（同一范围的条目必在同一 store，「最近」按该 store 的修订号比，不跨 store 比较），先丢的恒是重要度较低的条目——`importance` 决定超编时谁留在 prompt 里。装不下的条目跳过而不中断（一条长的不挡后面的短条），漏下的 ID 按同一优先级全数报进 `omitted_ids`，断言首句报进 `omitted_summaries`、重要度报进 `omitted_importance`，供主会话用原话告诉作者哪几条没带上；长篇写章由组装脚本把这句话拼好写进核对报告，章末汇报照模板原样说。
 - 注入预算之外还有一道硬上限：`作者画像.md` 超过 12288 字节时写入会直接失败并要求先整理。active 条目攒到几十上百条才会碰到（远在注入预算之后），碰到就走「整理作者记忆」；`forget` 这类减量操作在满编时照常可用。
 
 ## 整理作者记忆

package/lib/oh-story/skills/story/references/author-memory.md

@@ -15,7 +15,7 @@
 
 按表达维度取最窄适用要求：低优先级只补缺项，不与高优先级要求并列执行。通用 references 自称“必须/禁用”不改变此顺序；审稿不因作者有意采用的表达本身扣分，真实可读性与因果问题仍照常评价。
 
-作者记忆不能把本书事实写进 `.story/作者记忆/`，不能覆盖当前请求，不能降低审稿 rubric，也不能让去 AI 味改动剧情意图。小说事实继续由各书的 `追踪/` 和 `设定/` 管理。
+作者记忆不能把本书事实写进 `.story/作者记忆/`，不能降低审稿 rubric，也不能让去 AI 味改动剧情意图。小说事实继续由各书的 `追踪/` 和 `设定/` 管理。
 
 ## 存放与路由
 
@@ -28,9 +28,9 @@
 
 ## 查询
 
-各 skill 入口已写好本任务的 `query` 命令（长篇正文由组装脚本代查）；没写命令的长篇设定、大纲等任务查 `story_design` + `workflow` + `interaction`，结果只给主会话、不传正文 agent。四类任务的映射表见维护文件。state 存在才查（两级都不存在时返回空结果、零写入）；结果合并项目级与 `--book-root` 所指书级（不传就拿不到本书条目），`--kind` 必传，输出不超过 2048 字节。
+各 skill 入口已写好本任务的 `query` 命令（长篇正文由组装脚本代查）；没写命令的长篇设定、大纲等任务查 `story_design` + `workflow` + `interaction`，结果只给主会话、不传正文 agent。四类任务的映射表见维护文件。state 存在才查（两级都不存在时返回空结果、零写入）；结果合并项目级与 `--book-root` 所指书级（不传就拿不到本书条目），`--kind` 必传；交给执行者的只有 `lines`（每条一行原话＋编号，单次查询 ≤2048 字节）。
 
-普通创作只做一次本地 `query`，完整画像、证据、候选和 journal 不进 prompt。查询项是低优先级倾向，不是逐条打卡清单：自然吸收，不复述画像、不刻意提高词面命中率，不为命中牺牲连贯、节奏、字数或本书既定笔调。**`omitted_ids` 非空＝记忆超编**，不是「没有更多了」：转告作者并建议「整理作者记忆」，不得改读完整画像规避预算。待确认项不进 prompt，也不为确认它们中断任务；只在作者主动查看、候选积累到适合回顾的节点，或新偏好与 active 条目冲突时集中呈现。
+普通创作只做一次本地 `query`，完整画像、证据、候选和 journal 不进 prompt。查询项是低优先级倾向，不是逐条打卡清单：自然吸收，不复述画像、不刻意提高词面命中率，不为命中牺牲连贯、节奏、字数或本书既定笔调。**`omitted_ids` 非空＝记忆超编**，不是「没有更多了」：照 `omitted_summaries` 转告作者并建议「整理作者记忆」，不得改读完整画像规避预算。待确认项不进 prompt，也不为确认它们中断任务；只在作者主动查看、候选积累到适合回顾的节点，或新偏好与 active 条目冲突时集中呈现。
 
 ## 记不记、记成什么
 
@@ -66,7 +66,7 @@
 回复就两行纯文本，不加代码块或引用格式：第一行用一句人话说记住了什么、管哪本书或哪类场合，如「记住了：《{书名}》的对话一律用「」，以后写这本书都照这个来；想改随时说。」；第二行是机器回执作凭证，如「技术备注：Author Memory Receipt: r1 · BP001」。
 
 - 确认、替换、忘掉同理：「好，这条生效了：……」「换成了：……，原来的「……」不再用」「忘掉了：……」。只进待确认时说「这条先记在待确认里，你说"确认"才生效」；有冲突时用原话说明跟哪条旧习惯冲突。
-- `warnings` / `omitted_ids` 不原样贴：说「你的习惯攒得有点多，写正文时这几条可能顾不上：「……」」，并建议说「整理作者记忆」。不提字节、prompt、kind、scope；编号只能跟着原话出现。
+- `warnings` / `omitted_ids` 不原样贴：说「你的习惯攒得有点多，写正文时这几条会带不上：「……」」（`warnings` 是最坏估算，改说「可能带不上」），并建议说「整理作者记忆」。不提字节、prompt、kind、scope；编号只能跟着原话出现。
 
 ## 运行工具
 

package/lib/oh-story/skills/story/scripts/author_memory_commit.py

@@ -34,21 +34,22 @@ PENDING_MAX_BYTES = 12288
 JOURNAL_MAX_BYTES = 24576
 QUERY_MAX_BYTES = 2048
 ASSERTION_MAX_BYTES = 120  # 新建条目的断言限一句话；解释进 reason（不进 query 载荷）。
-OMITTED_IDS_MAX = 20  # omitted_ids 封顶，omitted 保留真实总数——漏项列表不许把载荷本身挤炸。
 LEGACY_ASSERTION_MAX_BYTES = 768  # 存量条目的读取上限；强化老条目不受新上限约束。
 
-# query 的输出是要原样贴进执行 agent prompt 的注入载荷，QUERY_MAX_BYTES
-# 是它在 prompt 里的注意力预算，不该放大。防「作者以为载入了、实际被静默
-# 截断挤掉」靠三层：①新建条目的断言限 ASSERTION_MAX_BYTES，从源头短（强化
-# 已有条目不受限，否则存量长断言再也无法被确认，只会派生重复条目）；②写入
-# 端按下列任务组合（与 references/author-memory-maintenance.md 的映射表同包跟版）估算
-# 最坏查询情形——全局条目＋各 scope 维度上最重的单一切片（一次查询只带一
-# 个 book/genre/workflow，不同书的条目不会同现；切片按 casefold 归并，与
-# same_scope_value 同一口径，轻重按 compact 字节＋列表分隔符算，与真实载荷
-# 同一把尺），装不下时在返回的 warnings 里点名将被略过的条目、指向「整理作
-# 者记忆」，写入本身永不因注入预算失败；③查询按 重要度→本书例外→最近更新
-# 排序装填，被略过的恒是重要度较低的条目，漏下的 ID 按同一优先级顺序报进
-# omitted_ids。
+# query 输出里的 lines（每条一行「- 断言（编号）」）是交给执行 agent 的注入
+# 载荷，QUERY_MAX_BYTES 是它在 prompt 里的注意力预算，不该放大；量的是执行者
+# 真正读到的这几行，不是 JSON 外壳（编号、kind、scope 只给主会话和脚本看）。
+# 防「作者以为载入了、实际被静默挤掉」靠三层：①新建条目的断言限
+# ASSERTION_MAX_BYTES，从源头短（强化已有条目不受限，否则存量长断言再也无法
+# 被确认，只会派生重复条目）；②写入端按下列任务组合（与
+# references/author-memory-maintenance.md 的映射表同包跟版）估算最坏查询情形——
+# 全局条目＋各 scope 维度上最重的单一切片（一次查询只带一个 book/genre/workflow，
+# 不同书的条目不会同现；切片按 casefold 归并，与 same_scope_value 同一口径，
+# 轻重按渲染后的行字节算，与真实载荷同一把尺），装不下时在返回的 warnings 里
+# 点名将被略过的条目、指向「整理作者记忆」，写入本身永不因注入预算失败；
+# ③查询按 重要度→本书例外→最近更新 排序装填，被略过的恒是重要度较低的条目，
+# 漏下的 ID 按同一优先级全数报进 omitted_ids，首句报进 omitted_summaries，
+# 供主会话用原话告诉作者哪几条没带上。
 QUERY_COMBOS: dict[str, tuple[str, ...]] = {
     "正文初稿/续写": ("prose_style", "story_design"),
     "去AI味/改写": ("prose_style",),
@@ -1086,12 +1087,19 @@ def summarize_assertion(assertion: str, *, limit: int = 14) -> str:
 
 
 def compact_item(item: dict[str, Any]) -> dict[str, Any]:
-    """query 载荷只带这四个字段——估算与真实输出必须同一把尺。"""
+    """query 的 items 只带这四个字段，给主会话和脚本按 kind/scope 判断用；
+    reason、evidence 等一律不出 store。"""
     return {"id": item["id"], "kind": item["kind"], "scope": item["scope"], "assertion": item["assertion"]}
 
 
-def compact_bytes(item: dict[str, Any]) -> int:
-    return len(json.dumps(compact_item(item), ensure_ascii=False).encode("utf-8"))
+def render_line(item: dict[str, Any]) -> str:
+    """执行者读到的一行：断言原文＋编号。注入预算量的就是这几行。"""
+    return f"- {item['assertion']}（{item['id']}）"
+
+
+def line_bytes(item: dict[str, Any]) -> int:
+    """一行在注入载荷里的占位，含行尾换行——估算与真实装填只用这一把尺。"""
+    return len((render_line(item) + "\n").encode("utf-8"))
 
 
 SCOPE_RANK = {"book": 0, "genre": 1, "workflow": 2, "global": 3}
@@ -1121,48 +1129,38 @@ def fit_items(
     *,
     extra: dict[str, Any] | None = None,
 ) -> tuple[dict[str, Any], list[str]]:
-    """按 query 输出信封把条目装进 QUERY_MAX_BYTES：装不下的跳过而不中断
-    （一条长的不挡后面的短条），漏下的 ID 报进 omitted_ids（封顶
-    OMITTED_IDS_MAX 条，omitted 保留真实总数）。返回 (结果文档, 全部漏下 ID)。
+    """按渲染后的行把条目装进 QUERY_MAX_BYTES：装不下的跳过而不中断（一条长的
+    不挡后面的短条）。返回 (结果文档, 全部漏下 ID)。
 
-    漏项恒按候选优先级排序，不按被丢弃的先后：收尾回吐的条目优先级高于循环
-    里跳过的，若按追加顺序排，omitted_ids 的封顶正好会把最该报的那条切掉。
-    `extra` 是同样计入信封的附加字段（book_revision 等）。
+    只有 lines 计入预算；items、漏项清单和 `extra`（book_revision 等）是给主会话
+    和脚本看的，不进执行者 prompt，所以漏项全数列出、不封顶，并按候选优先级
+    排序——排在前面的就是作者最该知道没带上的那几条。
     """
+    kept: list[dict[str, Any]] = []
+    dropped: list[dict[str, Any]] = []
+    used = 0
+    for item in sorted_items:
+        size = line_bytes(item)
+        if used + size > QUERY_MAX_BYTES:
+            dropped.append(item)
+            continue
+        kept.append(item)
+        used += size
     result: dict[str, Any] = {
         "ok": True,
         "command": "query",
         "initialized": True,
         "revision": revision,
-        "items": [],
-        "omitted": 0,
-        "omitted_ids": [],
+        "items": [compact_item(item) for item in kept],
+        "lines": [render_line(item) for item in kept],
+        "omitted": len(dropped),
+        "omitted_ids": [item["id"] for item in dropped],
+        "omitted_summaries": {item["id"]: summarize_assertion(item["assertion"]) for item in dropped},
+        # 组装脚本按题材×流程查好几次再合并，合并后只能按重要度重排漏项，所以把它带出来。
+        "omitted_importance": {item["id"]: item["importance"] for item in dropped},
     }
     result.update(extra or {})
-    order = {item["id"]: index for index, item in enumerate(sorted_items)}
-    kept: list[dict[str, Any]] = []
-    dropped: set[str] = set()
-
-    def ordered_omitted() -> list[str]:
-        return sorted(dropped, key=order.__getitem__)
-
-    def envelope_bytes() -> int:
-        omitted = ordered_omitted()
-        result["items"] = [compact_item(item) for item in kept]
-        result["omitted"] = len(omitted)
-        result["omitted_ids"] = omitted[:OMITTED_IDS_MAX]
-        return len((json.dumps(result, ensure_ascii=False, sort_keys=True) + "\n").encode("utf-8"))
-
-    for item in sorted_items:
-        kept.append(item)
-        if envelope_bytes() > QUERY_MAX_BYTES:
-            kept.pop()
-            dropped.add(item["id"])
-    # omitted 计数落定后包可能恰好贴边超出一两个字节，回吐条目直到装下。
-    while kept and envelope_bytes() > QUERY_MAX_BYTES:
-        dropped.add(kept.pop()["id"])
-    envelope_bytes()
-    return result, ordered_omitted()
+    return result, result["omitted_ids"]
 
 
 def build_query_result(
@@ -1170,8 +1168,8 @@ def build_query_result(
     project_state: dict[str, Any] | None,
     book_state: dict[str, Any] | None,
 ) -> tuple[dict[str, Any], list[str]]:
-    """真实查询与写入端估算共用的唯一信封构造：候选已按优先级排好，这里补上
-    book_revision 等附加字段再装填。两处信封差一个字段就是一次假阴性——回执
+    """真实查询与写入端估算共用的唯一装填入口：候选已按优先级排好，这里补上
+    book_revision 等附加字段再装填。两处装填口径一旦分叉就是假阴性——回执
     说没事、query 照样丢条。"""
     extra: dict[str, Any] = {}
     if book_state is not None:
@@ -1208,12 +1206,13 @@ def merged_query(
 
 
 def slice_weight(items: list[dict[str, Any]]) -> int:
-    """切片在真实载荷里的占位：compact 字节＋每条在 JSON 数组里的分隔符。
+    """切片在真实载荷里的占位：按渲染后的行（含换行）计。
 
-    只比 compact 字节会挑错切片——条目多、单条短的切片字节和更小，实际占位
-    却更大，于是估算判「装得下」而真实查询溢出（warnings 假阴性）。
+    必须与 fit_items 同一把尺。按 JSON 字节挑会挑错切片——scope 取值长、断言
+    短的切片 JSON 更重，渲染出的行却更轻，于是估算判「装得下」而真实查询溢出
+    （warnings 假阴性）。
     """
-    return sum(compact_bytes(item) + 2 for item in items)
+    return sum(line_bytes(item) for item in items)
 
 
 def active_of_kinds(state: dict[str, Any] | None, kinds: tuple[str, ...]) -> list[dict[str, Any]]:
@@ -1419,16 +1418,20 @@ def command_query(
     project_state = load_state(project_store(workspace))
     book_state = load_state(book_store(workspace, book_root, book)) if book_root is not None else None
     if project_state is None and book_state is None:
-        return {"ok": True, "command": "query", "initialized": False, "revision": 0, "items": [], "omitted": 0, "omitted_ids": []}
+        return {"ok": True, "command": "query", "initialized": False, "revision": 0, "items": [], "lines": [],
+                "omitted": 0, "omitted_ids": [], "omitted_summaries": {}, "omitted_importance": {}}
     requested_scopes = {
         "genre": optional_text(genre, "query.genre", max_bytes=180),
         "workflow": optional_text(workflow, "query.workflow", max_bytes=180),
     }
     # 装不下的**跳过而不中断**（一条长的不挡后面的短条），漏下的 ID 报进
     # omitted_ids：非空＝记忆超编该整理了，不是「没有更多了」。写入端的
-    # warnings 与这里共用 build_query_result 同一个信封，估算即实况。
+    # warnings 与这里共用 build_query_result 同一把尺，估算即实况。
     result, _ = merged_query(project_state, book_state, set(kinds), requested_scopes)
-    require(len((json.dumps(result, ensure_ascii=False, sort_keys=True) + "\n").encode("utf-8")) <= QUERY_MAX_BYTES, "query result exceeds its fixed byte budget")
+    require(
+        sum(len((line + "\n").encode("utf-8")) for line in result["lines"]) <= QUERY_MAX_BYTES,
+        "query lines exceed their fixed byte budget",
+    )
     return result
 
 

package/lib/oh-story/skills/story-deslop/SKILL.md

@@ -50,7 +50,7 @@ AI味不按语法错误处理，也不需要"修正"。它属于风格问题：
 
 ### 作者习惯
 
-若作者记忆 state 已存在，改写前用 `scripts/author_memory_commit.py query --workspace {工作区} --book-root {书目录} --kind prose_style [--genre {题材}] [--workflow 去AI味]` 获取匹配的 active 文风条目（`--workspace` 必传；`--genre` 填本书题材类型；总输出 ≤2KB），并交给 inline/spawn 执行者作为自然倾向，不逐条展示或最大化命中，不牺牲连贯、节奏和字数；当前请求、原文剧情功能和本 skill 保护规则优先。用户明确声明长期文风习惯时，改写后按 [references/author-memory.md](references/author-memory.md) 用 `record` 写入并按其「回执怎么告诉作者」转告；只记作者明确说的，一次性要求、反复修改、检测器 findings 和助手自己的结果不记录。
+若作者记忆 state 已存在，改写前用 `scripts/author_memory_commit.py query --workspace {工作区} --book-root {书目录} --kind prose_style [--genre {题材}] [--workflow 去AI味]` 获取匹配的 active 文风条目（`--workspace` 必传；`--genre` 填本书题材类型），把输出的 `lines`（≤2KB）交给 inline/spawn 执行者作为自然倾向，不逐条展示或最大化命中，不牺牲连贯、节奏和字数；当前请求、原文剧情功能和本 skill 保护规则优先。用户明确声明长期文风习惯时，改写后按 [references/author-memory.md](references/author-memory.md) 用 `record` 写入并按其「回执怎么告诉作者」转告；只记作者明确说的，一次性要求、反复修改、检测器 findings 和助手自己的结果不记录。
 
 ---