伏笔 DAG + 情节弧线/节拍模板：伏笔是有向无环图，埋点与回收点构成依赖边，写作时校验“未回收伏笔”和“节拍位置”，把叙事节奏变成可调度任务。
多维风格提取 + 三层合成 + 去 AI 味技法：从样本中抽取风格向量，分层叠加，再以通用技法做质量审核，形成生成后的“二次校正”。
graph TD
A[对话式引导建项目] --> B[四级大纲生成]
B --> C[当前节点上下文装配]
C --> D{"记忆检索"}
D -->|"静态设定"| E[设定圣经文件]
D -->|"动态状态"| F[剧情状态文件]
D -->|"历史摘要"| G[渐进压缩摘要链]
E --> H[风格三层合成]
F --> H
G --> H
H --> I[节拍模板驱动生成]
I --> J[通用技法质量审核]
J -->|"未通过"| K[去AI味重写]
J -->|"通过"| L[伏笔DAG校验]
K --> L
L -->|"伏笔未回收"| I
L -->|"校验通过"| M[落章并更新摘要]
功能亮点与差异
真正的差异点不在“能写”，而在约束系统。市面上多数 AI 写作工具是“生成即结束”，Openwrite 则把校验前置：伏笔 DAG 让“挖坑不填”变成可检测的结构缺陷；节拍模板把“爽点节奏”工程化；多层压缩让长篇一致性有了可操作的记忆机制。三层风格合成也比单一风格提示更贴近真实创作——叙事视角、语言质感、情绪基调本就该分层控制。去 AI 味技法则是锦上添花，直击社区最痛的“机器腔”问题。
应用场景与落地建议
适合网络文学连载、剧本/分集大纲、系列 IP 设定管理等长周期创作场景。落地时需注意几点：其一，压缩摘要链是记忆命脉，摘要质量直接决定长程一致性，建议对关键节点人工校对；其二，伏笔 DAG 与节拍模板需要作者先建立规范，前期投入不低，适合有结构化写作习惯的团队；其三，生成结果务必人工终审，质量审核是“兜底”而非“保证”。若用于多人协作，静态/动态文件的版本管理要单独设计。
综合评价
优点：把长篇小说当作软件工程来做，思路清醒；结构、记忆、校验三层设计互相咬合，而非功能堆砌；伏笔 DAG 与渐进压缩是真正解决长文本痛点的硬设计。
不足：结构化管理带来较高上手门槛，对“随性写作”的作者不够友好；摘要链与风格提取的效果高度依赖样本与调参，工程化程度越高，调优成本越大；质量审核与去 AI 味仍属启发式手段，无法替代人的审美判断。
一句话总结：它不是“更强的写作 AI”，而是给 AI 装上了长篇小说的项目管理系统——这恰恰是当前长文本创作最稀缺的东西。
界面语言：面板已内置中文与英文词典，跟随 dsh 语言设置。切换方法：Settings → General → Language → English（选择后存为 locale.preference）。Agent 的 persona 和所有技能入口要求用作者的对话语言回复；运行环境与任务状态提供英文，Studio 报错附带英文说明和稳定错误码。已有作品内容不会自动翻译，正文按作者指定的语言生成。
配置模型
安装和环境健康检查不需要模型 API Key，也不会调用写作模型。与 Agent 对话、生成章节和审稿需要可用的模型配置；使用收费服务商时会产生 API 费用。
对话模型：在 dsh 宿主中配置，用于 OpenWrite 创作会话。
小说生成、评审与测试模型：在「任务 → 模型」添加服务商，按服务商提供的信息填写模型名、接口地址和 API Key。不要把密钥粘贴到对话、作品正文或 Git 仓库。
生态目录：dsh-TUI · 社区插件市场。OpenWrite 面向 DeepSeek Harness 的 web 与 desktop profile，使用 dsh web 打开创作工作台；尚未验证 dsh-TUI 界面兼容性。
Language / 语言
In dsh, choose Settings → General → Language → English (locale.preference).
The OpenWrite panel follows the host language. The writing agent and slash-command
help follow your conversation language; manuscripts, outlines and assets retain
their existing language. You can say “Please write and review this novel in English.”
The bundled Chinese skill files are procedural instructions, not an output-language
restriction. Runtime setup messages use English. Backend failures include stable
code, English message, request_id, and the original diagnostic text.
评论