commit 48a7ea66d8cb317b56c732eca19278f71912ec79
Author: OpenClaw Bot <bot@valavala.com>
Date:   Tue Apr 7 12:36:35 2026 +0800

    auto-sync: contextual-word-allocation 2026-04-07_12:36

diff --git a/SKILL.md b/SKILL.md
new file mode 100644
index 0000000..3062fd4
--- /dev/null
+++ b/SKILL.md
@@ -0,0 +1,111 @@
+---
+name: contextual-word-allocation
+description: >
+  儿童教育游戏动画剧本的情境化选词工具。将词库（Excel/列表）中的单词知识点，
+  按照故事情境（而非词义类别）分组，分配至每个Unit的Lesson中，
+  使每个Lesson的4个单词能自然地支撑一个贴近日常的小故事情境。
+  
+  **触发场景：**
+  (1) 用户提供单词表（含单词/词性/词义）和Unit故事背景设定
+  (2) 需要将词库拆分为每4词一组的情境化分配方案
+  (3) 需要给出情境名称（≤6字）和聚合理由
+  (4) 用户提到「情境化选词」「单词分配」「词库分组」「Lesson选词」
+---
+
+# 情境化选词工作流
+
+## 核心概念
+
+**情境化选词 ≠ 词义分类**
+- ❌ 传统：blue/red/yellow/pink → 【颜色】
+- ✅ 情境化：autumn/leaf/yellow/orange → 【秋季拾叶】（配秋天捡落叶做艺术品的故事）
+
+词汇从属于情境，情境服务于故事，故事符合儿童日常体验。
+
+## 输入规格
+
+1. **词库文件**（Excel/列表）：包含 `单词 | 词性 | 词义 | 原始主题分类`
+2. **Unit背景设定**：每个Unit的故事一句话概要、关键剧情、出场角色
+3. **分配规格**：Units数量 × 5 Lessons/Unit × 4词/Lesson = 总词数
+
+## 工作流程（5步）
+
+### Step 1：词库预处理
+- 读取词库文件，提取全部词条（含词性，同词多词性视为独立词条）
+- 统计虚词（adv/pron/det/prep）数量
+- 验证：总词数 = Units × 5 × 4
+
+### Step 2：虚词规划
+每Unit需含 **2-3个虚词**。先均衡分配虚词到各Unit，再填充实词。
+- 规划公式：虚词总数 / Units数 ≈ 每Unit虚词配额
+- 调整原则：与Unit故事情境自然契合的虚词优先分配（如ago=「以前」适合「收到旧包裹」的情节）
+- 记录虚词分配表，后续Step 4严格遵守
+
+### Step 3：主题-Unit映射
+对照Unit故事背景，将词库中天然契合该Unit主题的词群预标注：
+- 扫描词义/原始主题，找出与Unit场景强相关的词
+- 避免强行「凑主题」——无强关联的词可放入暂空池（若有）
+
+### Step 4：逐Lesson分配（核心步骤）
+每组4词需同时满足：
+1. **≥3词与本Lesson角色行为/话题强相关**（第4词可为虚词或弱关联词）
+2. **4词共同指向同一个生活化情境**（可用一句话描述这个场景）
+3. **虚词自然嵌入**，不显突兀
+
+分配顺序建议：
+1. 先锁定Lesson核心情境（来自Unit故事）
+2. 找3个与情境强相关的实词
+3. 从该Unit的虚词配额中选1个最契合的虚词补位
+4. 若虚词已配完，可用弱关联实词补位
+
+### Step 5：全局验证
+分配完成后必须执行：
+- [ ] 总词条数 = 预期数（无遗漏）
+- [ ] 无重复（每个词条仅出现一次）
+- [ ] 每Unit虚词数量在2-3范围内
+- [ ] 所有Unit虚词合计 = 词库虚词总数
+
+## 输出格式
+
+每个Lesson输出：
+```
+| Lesson编号 | 情境名称（≤6字） | 单词1(词性,词义) 单词2 单词3 单词4 | 聚合理由（说明4词如何共同构建一个情境）|
+```
+
+按Unit分组，表格形式呈现。
+
+## 质量标准
+
+**好的情境聚合（符合以下特征）：**
+- 4词放在一起，能在脑海中浮现一个具体场景画面
+- 虚词的用法在情境里是自然的（孩子能感受到它的意思）
+- 情境贴近5-9岁儿童日常，符合「低风险高情绪」原则
+- 4词组合能支撑完整的有故事感的Lesson剧本，而非仅组成单一静态画面
+- 名词和动词形成天然的动作链环（如pencil/write/paper/eraser），符合真实场景逻辑
+
+## 强制选词规范（出现以下任一情况必须重新分组）
+### 1. 词性/词义唯一性规则
+- ❌ 同一Lesson中出现同一拼写但不同词性/词义的单词（如answer(n,答复)和answer(v,回答)、phone(v,打电话)和phone(n,电话)）
+- ❌ 同一Lesson中出现同义词/近义词（如apartment和flat、shop和store、go to bed和go to sleep、say/speak/talk同类动词并列），不做同义词辨析
+- ❌ 同一Lesson中同一单词多义多词性交替出现（如try(n,尝试)和try(v,尝试)同时出现）
+- ❌ 多义词未使用指定单一词义（如lime使用"lime色"而非指定的"酸橙"词义）
+
+### 2. 词义搭配规则
+- ❌ Lesson内出现4个意义完全并列的同词性词（如4个形容词、4个名词、3个动词并列），禁止单纯词义分类聚合
+- ❌ 词义可成对对应的词未成对出现（如these和those、good和bad、smart和silly需成对出现方便区分教学）
+- ❌ 同组词汇不属于同一实际场景，存在场景冲突（如table tennis和tennis racket同组、armchair/bookcase/lamp搭配dining room而非living room）
+- ❌ 关联词汇无强逻辑联系（如crocodile和evening同组但无"鳄鱼为夜行动物"的逻辑支撑）
+- ❌ 中英词汇词性不对应（如Chinese和English同组时，一个是名词一个是形容词）
+
+### 3. 故事适配规则
+- ❌ 4词仅能组成单一静态画面，无法支撑有故事感的Lesson剧本
+- ❌ 动词使用不符合语法规则（如wear(v,穿着)一般现在时表日常穿着，未构建对应日常情境）
+- ❌ 词汇选择不符合角色人设和剧情设计（如速猴登场场景未使用motorbike相关词汇）
+- ❌ 出现干扰故事聚焦的无关词汇（如不需要mother角色的故事中出现mother词汇）
+
+## 注意事项
+
+- 同拼写不同词性/词义的词，视为独立词条，禁止放入同一Lesson
+- 暂空池Unit（若有）用于放置其余Unit塞不下的词，词汇选择灵活度最高
+- 分配草稿完成后，等待用户逐Unit微调，不要急于输出剧本正文
+- 所有分组需满足上述强制规范，如有违反必须重新调整
diff --git a/references/workflow-example.md b/references/workflow-example.md
new file mode 100644
index 0000000..2906911
--- /dev/null
+++ b/references/workflow-example.md
@@ -0,0 +1,65 @@
+# 情境化选词工作示例
+
+## 实际案例：L1-S2 U17~U24（2026-04-03）
+
+### 基本参数
+- 词库：160词条（含虚词18个）
+- 分配目标：8 Units × 5 Lessons × 4词 = 160词
+- 虚词分布：U17×2, U18×2, U19×2, U20×3, U21×2, U22×2, U23×3, U24×2 = 18 ✓
+
+### 虚词统计与分配示例
+
+词库中共18个虚词（adv/pron/det/prep）：
+
+| 虚词 | 词性 | 词义 | 分配Unit | 分配理由 |
+|------|------|------|---------|---------|
+| ago | adv | 以前 | U17-L1 | 包裹数年前寄出，ago天然嵌入「时间跨越」情境 |
+| home | adv | 回家/在家 | U17-L4 | 速猴行为神秘，主角回home，自然收尾 |
+| early | adv | 早地 | U18-L1 | 上学场景，early早起天然匹配 |
+| now | adv | 现在 | U18-L3 | 课堂进行中，now强调当下 |
+| again | adv | 再一次 | U19-L2 | 再试一次完成任务，again语义完全贴合 |
+| like | prep | 像 | U19-L3 | 打比方情境，like作比喻连接词 |
+| a lot | adv | 非常 | U20-L3 | 乒乓球a lot地弹跳，副词修饰动作 |
+| many | det | 许多 | U20-L1 | 运动会many项目，限定词描述规模 |
+| very | adv | 非常 | U20-L1 | 运动会very exciting，强调程度 |
+| some | det | 一些 | U21-L1 | 迷路学者ask有没有some水 |
+| these | det | 这些 | U21-L2 | 搭基地时「把these材料add进去」 |
+| a lot of | det | 大量的 | U22-L1 | 速猴备好a lot of糖果诱惑孩子 |
+| a lot | pron | 大量 | U22-L4 | 蜡烛仪式，a lot of children聚集 |
+| lots | adv | 非常 | U23-L1 | 假镇长发布lots of奇怪命令 |
+| lots | pron | 大量 | U23-L3 | 还有lots of证据要查 |
+| really | adv | 真正地 | U23-L2 | 「这person really是镇长吗？」 |
+| one | det | 一个 | U24-L4 | one by one分配任务 |
+| those | det | 那些 | U24-L3 | those圆球机器人所需的零件 |
+
+### 词库预处理脚本参考
+
+读取Excel词库时的Python核心逻辑：
+```python
+import openpyxl
+wb = openpyxl.load_workbook('wordlist.xlsx')
+ws = wb['单词表']
+words = []
+for row in ws.iter_rows(min_row=2, values_only=True):
+    word, pos, meaning, theme = row[1], row[2], row[3], row[4]
+    if word:
+        words.append((word, pos, meaning, theme))
+virtual = [(w,p,m,t) for w,p,m,t in words if p in ('adv','pron','det','prep')]
+```
+
+### 验证脚本参考
+
+```python
+used = {}
+def assign(word, pos, unit, lesson):
+    key = (word, pos)
+    if key in used:
+        print(f"DUPLICATE [{unit}-{lesson}]: {word}({pos}) -- already in {used[key]}")
+        return False
+    used[key] = f"{unit}-{lesson}"
+    return True
+
+# 分配完成后验证
+remaining = ALL_WORDS_SET - set(used.keys())
+assert len(remaining) == 0, f"Missing words: {remaining}"
+```