CSP 角色行为技能生产者

要解决什么问题

很多「角色扮演」技能只是在 prompt 里堆设定和经典台词：用户换一个新情境，模型要么复读 Wiki，要么对所有问题同一种语气，还容易被用户三言两语说服，OOC 和硬编新剧情很常见。CSP（Character Skill Producer）的定位是：把二次元角色做成可运行的行为程序，回答的是她在不同情境下如何反应、怎么说、如何理解他人、价值冲突时先保什么，以及绝对不会做什么——捕捉的是 HOW she behaves，不是 WHAT she said。

技能如何工作

CSP 默认只走 Highest Fidelity Mode：本地 Python 脚本优先检索萌娘百科等核心站点，用户官方材料优先级最高；网页搜索仅作补缺，且重要结论需至少两个独立来源，冲突保留、不强行调和。生成物是自包含目录，包含多维度调研（设定、性格、表达、关系、名场面）与 references/sources.json 来源链。

核心交付是六层可运行结构：行为镜片、反应规则、表达 DNA、关系算法、决策底线、诚实边界。流程上从需求确认 → 本地 Source Discovery → 并行调研 → 跨媒体覆盖记录 → 质量检查 → 行为蒸馏（3～7 个跨场景可复现的核心模式）→ 组装 SKILL.md 与 manifest.json → 质量验证。Skill 内必须写明资料时间边界；用户指出「最新剧情不是这样」时，规则要求不得硬拗，应承认边界并进入更新流程。

适用边界与注意点

• CSP 依赖 Python 与本地检索脚本；不是快速轻量角色卡生成器，默认不为省 token 牺牲保真度。
• 跨媒体角色（如 BanG Dream!、Love Live! 等）需单独记录媒体覆盖与时间线；游戏活动文本通常不能覆盖主线设定。
• 知乎、微信公众号、百度百科 等被排除在来源之外；粉丝解读须标注为推测。
• 便携 prompt.md 导出仅作 ChatGPT / SillyTavern 等场景的补充，不替代带完整研究链的原生 Agent Skill。