叙事学算法提炼 narratological-algorithms

叙事学算法提炼是一种技能,用于从电影、文学、游戏等叙事作品中提取叙事原则,并将其形式化为可执行的算法框架。适用于故事结构分析、AIGC内容生成、数字人文研究等领域,关键词包括叙事算法、故事建模、AI叙事、形式化方法、算法设计。

AIGC 0 次安装 0 次浏览 更新于 3/7/2026

name: narratological-algorithms description: 提炼艺术家/理论家的叙事原则为形式化的、可实现的算法框架。当被要求从任何叙事来源(如电影制作人、作家、理论家、游戏设计师、节目制作人)提取、形式化或系统化叙事技术时使用。触发请求涉及叙事原则提取、故事结构分析、工艺方法论形式化或创建可实现的叙事协议。 license: MIT

叙事学算法提炼

将艺术家、理论家和实践者的叙事原则转化为形式化的、可实现的算法框架。

工作流程

1. 源分类

识别源类型以调整提取方法:

类型 特征 提取重点
理论家 规范性文本(McKee, Aristotle) 直接原则提取
实践者 采访、评论、生产文档 从声明方法反向工程
古典 古代/基础文本(Poetics, Natyasastra) 古老术语翻译
分析师 创作者工作的二次分析 与主要源验证

2. 主要源优先

始终优先使用主要源而不是次要分析:

  • 创作者的直接引用
  • 生产文档、采访、讲座
  • 创作者自己的阐述方法
  • 记录的工作过程

当使用次要源时,与主要证据验证原则。标记原则是推断出的还是直接声明的。

3. 原则提取协议

对于每个识别的原则:

提取:
  1. 定位源陈述(直接引用可用时)
  2. 识别底层机制(为何有效)
  3. 表述为规则或约束
  4. 确定范围(通用 vs. 上下文特定)
  5. 在适用时映射到现有叙事理论

4. 文档结构

生成输出遵循规范结构。请参阅 references/output-template.md 获取完整模板。

必填部分:

  1. 元原则(公理)
  2. 结构层次
  3. 核心算法/协议
  4. 诊断问题/测试
  5. 快速参考卡

可选部分(根据需要):

  • 集/场景模板
  • 理论对应表
  • 源交叉参考附录

5. 形式化模式

将原则转换为可执行的形式:

源形式 目标形式
概念陈述 约束规则
过程描述 伪代码函数
最佳实践 有效性测试
比较 决策表
分类法 分类树

请参阅 references/formalization-patterns.md 获取详细示例。

6. 公理识别

识别3-7个支撑创作者整个方法的元原则:

公理标准:
  - 基础性(其他原则源自它)
  - 在创作者世界观中不可协商
  - 区分此方法与替代方法
  - 明确声明或一贯示范

用唯一标识符格式化公理:[创作者首字母]-A[N]

7. 验证检查

在最终确定前,验证:

  • [ ] 所有原则可追溯到源材料
  • [ ] 伪代码在语法上连贯
  • [ ] 决策表有完整覆盖
  • [ ] 快速参考捕捉基本操作
  • [ ] 诊断问题是可回答的是/否
  • [ ] 理论对应准确

8. 跨媒体适应说明

当源材料是媒体特定时,包括适应指导:

  • 电影 → 电视(序列化、集结构)
  • 文学 → 交互式(代理、分支)
  • 单个创作者 → 协作(编剧室动态)
  • 西方 → 非西方理论传统

参考文件