前言¶

用 AI 写网文的人常遇到两个问题：一是选题靠拍脑袋，写了三万字才发现题材已经过气；二是正文一眼 AI，读者在第三章前就划走。这个 Skill 把”选题—元素确认—章节创作—章节体检”串成一条流水线，用七猫实时榜单做选题依据，在创作阶段处理连贯性、章末钩子、去 AI 味、标点和字数差异。

下面介绍它的定位、能力、安装方式、典型用法和适用范围。

这是什么¶

七猫小说全链路生成（@user_f6143a4c/qimao-novel-pipeline）是一个社区来源的 Agent Skill，当前版本 1.1.0，由 user_f6143a4c 维护，属于 content-creation 分类，不要求 API Key。它解决的是从”想写网文”到”产出可投稿章节”之间的流程问题：先确定写什么，再确认元素，然后逐章创作并做体检。

官方地址：https://www.skillhub.cn/skills/user_f6143a4c/qimao-novel-pipeline

页面给出的评分为 100000，下载 813 次，安装 0 次（截至抓取时间，2026-11-05）。这些是 SkillHub 站内数据，不等同于用户口碑。

核心功能¶

按官方简介，Skill 的能力分四段，对应小说生产的四个阶段。

1. 选题：拉当日榜单，判断红海与上升赛道¶

先取七猫当日 TOP20，统计题材分布，判断哪些是红海、哪些是上升赛道。这一步的产出是”题材建议”，不是直接开写。简介里还提到 escalation 注入，意思是当题材判断不够锐利时引入升级方向，避免开局就撞车。

2. 小说元素确认：生成概念包¶

确定题材后，生成一个概念包，包含：

• 书名
• 目标读者
• 作品类型一、二级
• 标签
• 双主角设定
• 简介

这一步把”写什么”固化成可复用的参数，后续章节创作按概念包执行，减少中途改设定导致的连贯性问题。

3. 章节创作：连贯性、章末钩子、去 AI 味、标点¶

创作阶段做了几件事：

• 保持章节间连贯性
• 在章末设置钩子，让读者有继续读的动力
• 用 humanizer-zh 做去 AI 味处理，同时保留锐利意象，避免变成平淡的说明文
• 检查标点是否严谨
• 关注黄金前三章的开局质量
• 控制章节间的字数差异

4. 章节体检与跨章查重¶

逐章量化体检，并对跨章节做查重，防止大段雷同被驳回。简介中特别提到”内置跨章查重防大段雷同驳回”，适合需要过审的平台投稿场景。

安装与启用¶

官方页面抓取失败（2026-11-05），没有可核实的安装命令、目录路径或配置字段，这里不编造。

可以确认的是：

• 不要求 API Key（标签 requires_api_key=false）
• 通过 SkillHub 页面访问，坐标为 @user_f6143a4c/qimao-novel-pipeline

拿到页面可访问时，建议先按 SkillHub 的安装流程在本地 Agent 环境启用，再确认 humanizer-zh 这类依赖是否随包安装或需要单独配置。

典型用法¶

以下触发场景来自 Skill 线索，不是可运行示例。

当用户请求涉及以下关键词时触发：

• 写小说 / 写网文
• 七猫选题
• 生成小说大纲
• 写章节
• 做章节体检
• 去 AI 味网文

一个常见的执行路径是：

1、用户提出”基于七猫榜单写一部都市爽文”
2、Skill 拉取当日 TOP20，给出题材分布与建议
3、用户确认概念包（书名、读者、类型、标签、双主角、简介）
4、Skill 生成大纲，再逐章创作
5、每章完成后做量化体检与跨章查重

适用场景与注意¶

适合想快速立项、稳定产出章节的网文作者和内容创业者，尤其是需要过平台审稿、担心 AI 痕迹和雷同的投稿场景。

需要注意：

• 选题依据是七猫实时榜单，榜单变化会影响结果，不适合做离线复现实验
• 去 AI 味依赖 humanizer-zh，效果取决于该组件本身，Skill 不保证通过所有平台检测
• 跨章查重防的是大段雷同，不是逐句改写
• 页面数据（评分、下载量）来自 SkillHub，不代表实际使用效果
• 安装方式未核实，首次使用前先确认依赖和配置

结尾¶

这个 Skill 的价值在于把网文生产的四个环节串成一条流水线，让选题有榜单依据、元素有概念包、章节有体检。它不解决”写得好”的问题，但能减少在流程上反复返工。

官方地址：https://www.skillhub.cn/skills/user_f6143a4c/qimao-novel-pipeline