📖 顺序阅读

通过以语义块为单位摄入内容，并逐步构建结构化反思，实现对散文类文本（小说、非虚构作品、文章）的深度阅读。输出不仅包含事后总结，更记录了阅读过程中认知的发展轨迹——哪些预测被证伪、哪些问题得到解答、哪些观点发生转变。

调用方式

执行流程

该流程在独立的子代理中运行。 长篇阅读分为两个阶段：主读取器负责处理大部分内容块，完成后由终结器完成剩余内容并生成综合反思。这是正常流程，而非错误。

当用户调用 /sequential-read 时：

1. 解析命令，提取文件路径和可选的角色（lens）
2. 预创建会话：

python3 {baseDir}/scripts/session_manager.py create <source-file>

1. 启动 主读取器 子代理：

sessions_spawn with label: reader-{session-id}
Tell the agent: "Session already exists at {session-id}. Do NOT create it again."

1. 通知用户会话已启动，将在完成后告知结果
2. 当主读取器返回时（无论是否完成或中途中断）：

- 检查会话状态：python3 {baseDir}/scripts/session_manager.py get <session-id>

- 检查已有反思数量与总内容块数

- 若已存在综合成果： 结束。展示结果。

- 若仍有未处理内容块或无综合成果： 立即启动 终结器 子代理（见下文）。这是长篇小说的标准路径。

1. 终结器返回后，展示综合成果及会话路径。

两阶段模式说明

对于长篇文本（约20个以上内容块），主读取器通常处理17–20个内容块后因上下文容量限制而终止。这是预期行为，并非失败。终结器将接手剩余2–5个内容块，并基于全部前期反思生成完整综合成果。

启动终结器的指令：

sessions_spawn with label: finisher-{session-id}, model: "opus"
Task: "Resume reading session {session-id} at {baseDir path}.
  Read reflections written so far to understand context.
  Continue from chunk N (the next unwritten chunk).
  Write remaining reflections, then run synthesis.
  Session path: {session-path}"

不要在主读取器与终结器之间等待或询问用户。 若主读取器返回但未生成综合成果，应立即启动终结器。整个流程应完全自动化，无需人工干预。

脚本路径

所有 Python 脚本位于 {baseDir}/scripts/ 目录下：

• {baseDir}/scripts/session_manager.py
• {baseDir}/scripts/chunk_manager.py
• {baseDir}/scripts/state_manager.py

模板文件位于 {baseDir}/templates/ 目录下：

• {baseDir}/templates/reflection_prompt.md
• {baseDir}/templates/synthesis_prompt.md

命令说明

/sequential-read <文件路径> [--lens <角色>]

1. 创建或恢复会话

python3 {baseDir}/scripts/session_manager.py create <source-file> [--lens <persona>]

该命令自动检测是否已存在进行中的会话：

• 若同名源文件存在进行中会话，则输出现有会话 ID 及路径
• 否则创建新会话

从输出第一行捕获会话 ID。

2. 检查会话状态（用于恢复会话）

python3 {baseDir}/scripts/session_manager.py get <session-id>

检查 status 字段以决定下一步操作：

3. 运行处理管道

**对于新会话或状态为 preread 的情况：**

运行预读子技能（{baseDir}/preread/SKILL.md），传入参数：

• SESSION_ID = 会话 ID
• SOURCE_FILE = 源文本路径
• BASE_DIR = {baseDir}

**对于状态为 chunked（或预读完成后）的情况：**

运行阅读子技能（{baseDir}/reading/SKILL.md），传入参数：

• SESSION_ID = 会话 ID
• BASE_DIR = {baseDir}
• LENS = 角色值（若未指定则为 null）

**对于状态为 read（或阅读完成后）的情况：**

运行综合子技能（{baseDir}/synthesis/SKILL.md），传入参数：

• SESSION_ID = 会话 ID
• BASE_DIR = {baseDir}

4. 展示结果

综合生成完成后，向用户发送：

• 完整的综合文本
• 会话路径：memory/sequential_read/<session-id>/
• 简要说明：共处理多少内容块，是否使用了角色视角

/sequential-read list

python3 {baseDir}/scripts/session_manager.py list

将输出打印给用户。

/sequential-read show <会话ID>

python3 {baseDir}/scripts/session_manager.py get <session-id>

若状态为 complete，读取并显示：

memory/sequential_read/<session-id>/output/synthesis.md

若未完成，显示当前会话状态及进度信息。

模型建议

阅读阶段是最具挑战性的部分——需持续多轮迭代且必须保持高质量输出。根据源文本长度选择合适的模型：

在启动子代理时，明确指定模型：对于小说类文本，使用 model: "opus"。

为何重要：

轻量级模型在长时间阅读过程中会逐渐退化——随着上下文积累，反思内容会变成空洞的占位符。在 Sonnet 模型上对一部包含 35 个分块的小说进行首次测试时，仅生成了 4 个真实的反思，其余 31 个均为占位符。因此，对于长篇作品（如小说），必须使用 Opus 模型。

分块大小：

结构化分块器的目标是每块约 550 行（范围 200–700 行）。对于典型的长篇小说（约 10,000–12,000 行），可生成约 20 个分块。更长的文本（15,000 行以上）可能产生 35 个或更多分块，此时需要额外执行一次“收尾会话”（详见下文）。

双阶段模式为标准流程。

对于长篇作品（20 个以上分块），始终应预期在主阅读器运行结束后启动一个收尾会话。主阅读器负责处理约 80%–90% 的分块；收尾会话则处理剩余部分并完成综合分析。对于极长文本（35 个以上分块），主阅读器可能仅处理约 25 个分块。请据此合理规划——这是正常的工作流，并非错误恢复机制。

提前创建会话：

始终在启动子代理前使用 session_manager.py create 创建会话。告知代理该会话已存在，无需再次创建。这可避免因重复创建导致的失败。

阅读上下文（可选）

如果你维护阅读心智文件（即累积的阅读上下文——角色认知、主题线索、批判框架等），请将其内容作为前置信息加载到子代理的任务提示中。这有助于在系列作品间保持阅读连贯性。

在启动任务中包含上下文：

在开始阅读前，请参考以下累积的阅读上下文：

=== READING CONTEXT ===
[reader-mind 文件内容]

现在开始阅读 [书名]...

合成完成后，更新 reader-mind 文件，加入新的角色认知、主题线索更新及跨章节观察。应进行修订而非简单追加。每份文件保持在约 4,000 字以内。

阅读代理的重要准则

• 禁止预览。 每次反思必须基于当前阅读内容，不得知晓后续情节。严禁引用后续分块的内容。
• 保持诚实。 迷惑、无聊、兴奋、异议都是有效反应。不要刻意表现参与感。
• 修订需具体。 “我对 X 的看法有误，因为 Y” 比 “我的观点有所演变” 更具价值。
• 视角仅为建议。 若某个视角在特定分块中显得生硬，应在反应中注明，而非强行套用。
• 自主运行。 不得在分块之间暂停并询问用户。整个流程应为“设定后即自动运行”。
• 持久保存所有内容。 每次反思和状态更新均需在进入下一区块前写入磁盘，以支持中断后的恢复。

合成后处理

合成完成后，可将输出整合进你偏好的工作流中——博客文章、阅读日志、知识图谱、系列追踪系统等均可。位于 output/synthesis.md 的合成文件具备自包含性和可移植性。