必须使用带明确分集标记的utf-8纯文本剧本，seko仅接受以“集”为最小单位的结构化文本；运行seko --input script.txt --track-rel-changes --output changes.json可输出含集数、人物对、新旧关系及证据片段的变化记录。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要确认连续剧中人物关系在哪些集发生转折，比如盟友变对手、暗恋转明示、师徒反目，必须定位到具体集数和场次，不能只靠印象或通读全剧。
准备可解析的剧本文本
从制片方或版权方获取带明确分集标记的纯文本剧本（.txt 或 .md 格式），每集开头需有“第X集”或“EP0X”字样，场次用“【场景】”“INT./EXT.”等标准前缀标识。PDF扫描件、图片字幕、未分集的压缩文档均无法被Seko识别时间轴。
将文本保存为UTF-8编码，删除页眉页脚、制作备注、括号内的导演手写批注——这些非对白/动作内容会干扰角色实体识别。Seko不处理注释块，误留会导致关系节点错位。
若只有视频文件，须先用ASR工具转录并人工校对时间戳与说话人，再按集切分。自动切分视频帧无法提供剧情逻辑单元，【Seko只接受以“集”为最小分析单位的结构化文本】。
运行Seko关系变化检测命令
在终端中执行：seko --input script.txt --track-rel-changes --output changes.json。
该命令启用关系动态追踪模式，Seko会逐集扫描所有命名实体对（如“林婉儿+范闲”“二皇子+陈萍萍”），比对相邻集之间关系谓词是否变更。例如上一集标注为“监视”，本集出现“密谈→递信→下毒”动作链，则触发关系类型更新判定。
输出文件changes.json中每个变化条目含字段：prev_episode、curr_episode、subject、object、prev_relation、curr_relation、evidence_snippet。evidence_snippet截取原文中支撑关系变更的3行关键对白或动作描述，供人工复核。
人工验证变化节点是否构成有效戏剧钩子
打开changes.json，筛选出curr_episode字段值为2、3、5、7、9的记录——这些是短剧常用的关键反转集数，避开首集铺垫和末集收束。
检查evidence_snippet是否包含至少一个强动作动词（如“撕毁”“跪拜”“调包”“烧毁”）或强情绪副词（“冷笑”“颤抖”“突然转身”）。若仅有“沉默片刻”“望着窗外”，该变化不构成有效钩子，应标记为弱信号。
对同一人物对在相邻两集中出现多次关系变动的，只保留最后一次变更记录。例如“第4集：试探→第5集：结盟→第5集：设局”，Seko默认取“设局”为第5集最终关系态，【中间态不生成独立场次】。
