Writing Style

风格学习向导

Trigger

以下任一条件命中即触发：

• 用户明确要求学习/分析/提炼/总结自己的写作风格
• 用户要求生成或更新《风格说明书》
• 用户提供原创内容（文本/文件/链接）并要求从中学习风格
• 用户对 AI 生成的初稿做了修改，累积达到校准阈值

不触发：用户要求"用我的风格写XX"（下游技能）、用户只是收藏/管理素材（素材管家）。

核心理念

风格 ≠ 模仿名人，而是从用户自己写过的内容中提炼"你是怎么说话的"。三层递进：提取 → 显性化为说明书 → 持续校准。

场景路由

进入技能后，按以下优先级判断当前场景并执行对应流程。

场景判断逻辑

执行方式：调用 scripts/material_scanner.py 自动完成路径扫描和场景判定，LLM 只需读取输出 JSON 的 scene 字段。

.venv/bin/python scripts/material_scanner.py [--base <知识管家根路径>] [--has-spec] [--user-provided]

路径识别规则：本技能专为「知识管家」（knowledge-butler）设计。scanner 会自动向上递归查找同时包含 1-素材/ 和 3-AI档案/ 子目录的目录作为知识管家根路径。识别成功后：

• 1-素材/文稿/ → 作为用户原创素材（正向学习输入）
• 1-素材/收藏/ → 作为外部参考素材（反向学习输入，用于禁用清单）
• 若未找到知识管家根路径 → 走场景三引导流程，提示用户先在悟空上用「知识管家」skill 初始化一个 wiki

输出 scene 字段直接对应：场景一：首次学习（≥3篇）、场景二：内容不够（1-2篇）、场景三：引导提供素材（0篇）、场景三：用户主动提供素材、场场景四：持续校准。

场景一：首次学习风格（≥3 篇原创）

前置条件：material_scanner.py 输出 scene = "场景一：首次学习"，original_files 列出 ≥3 个文件。

Step 0：干扰项检查 在开始分析前，检查 material_scanner.py 输出的 unrecognized_files 字段。如果存在压缩包类文件（.zip, .rar, .7z 等），且标记为 source: "upstream"，需引导用户解压。

Step 1：选取样本与内容提取 从 original_files 列表中选取 3-10 篇作为分析样本（优先覆盖不同话题）。对非纯文本文件（.docx / .pdf / 图片），先按 references/content-sources.md 的方式提取纯文本，保存为临时 .txt 文件。

Step 2：单篇分析（定量 + 定性）

• 定量统计：运行 quantitative_analysis.py，获取句长、TTR、段落分布等五大维度数据。
• 定性分析：LLM 针对每篇内容从语气调性、视角人称、修辞手法、标志性表达、开头结尾习惯 5 个维度进行分析，产出“风格卡片”。

Step 3：跨篇提炼 运行 cross_sample_aggregator.py 汇总所有风格卡片。识别出稳定出现的特征（如高频口头禅、固定句式），并对矛盾特征进行场景化标注。

Step 4：反面提取（禁用清单） 对比“参考素材”与“原创内容”，提取参考素材中出现但用户原创中从未使用的词汇或句式，形成“禁用清单”。若无参考素材，则基于领域通用写法进行反向推断。

Step 5：生成说明书草稿

• 元信息：运行 spec_metadata.py init 生成版本号、置信度等头部信息。
• 模块填充：按照 references/style-spec-template.md 的格式，填充整体调性、语气与视角、句式与节奏、标志性表达、禁用清单、验证样本 6 大模块。
• 质量检查：运行 spec_validator.py 确保无空模块。

Step 6：展示风格对比 选取用户标志性表达最密集的话题，分别撰写“通用版”和“用户风格版”两段文字进行对比，直观展示风格差异。

Step 7：用户确认与保存 展示完整说明书，收集用户反馈并微调，最后保存到悟空记忆。

场景二：原创内容不够（1-2 篇）

前置条件：material_scanner.py 输出 scene = "场景二：内容不够"。

概要流程：

1. 简化提取：执行单篇分析，但因样本不足，跨篇提炼结果需标注 [待验证]。
2. 生成低置信度画像：生成初步风格说明书，明确告知用户哪些特征是确定的、哪些是推测的。
3. 引导补充：不进行复杂的风格对比，重点引导用户通过上传历史文章或现场创作来补充素材。
4. 自动更新机制：保存后监控 素材库/我的创作/，一旦检测到新增内容达到阈值，主动提议重新分析。

场景三：没有原创内容 / 用户主动提供素材

前置条件：material_scanner.py 输出 scene = "场景三：引导提供素材" 或 "场景三：用户主动提供素材"。

分支 A（用户已提供内容）：

1. 识别与提取：根据来源类型（链接/文件/文本）提取纯文本。小红书链接优先调用 skills/xhs-content-reader。
2. 归档：将提取的内容保存到 素材库/我的创作/。
3. 流转：统计总文件数，若 ≥3 则转入场景一，否则转入场景二。

分支 B（无任何内容）：

1. 引导话术：明确告知用户需要“你自己写的东西”，提供三种路径：发送链接/文件、手动输入一段文本、或指定本地已有的素材库路径。
2. 无法识别提示：若用户指定路径中包含 .zip 等无法直接读取的文件，需主动提示用户解压。

场景四：持续校准

当用户已有《风格说明书》时，严格按 references/calibration-protocol.md 执行校准流程：

1. 单次修改反馈：记录 diff 并给出简短反馈。
2. 累积校准：调用 calibration_analyzer.py 分析修改模式，若触发更新规则则更新说明书。
3. 增量更新：计算合并权重并更新元信息。
4. 验证：调用 spec_validator.py 验证完整度。

核心约束 (Core Constraints)

以下规则优先级高于所有流程步骤，任何场景下均不可违反：

数据真实性（CP10）

• 严禁编造或猜测风格特征。所有写入说明书的特征必须有用户原创内容作为直接证据，无法确认的特征必须标注 [待验证]。
• 严禁伪造验证样本。说明书中的"验证样本"模块只能使用用户原文片段。

Agent 行为约束（CP05）

• 禁止跳过用户确认环节。首次生成和重大更新后必须展示给用户确认。
• 禁止擅自降级置信度。样本不足时必须如实标注 confidence: low。
• 禁止越权调用下游技能。本技能只负责提取风格和生成说明书。
• 禁止合并参考素材风格。参考素材仅用于反面对比（提取禁用清单）。

异常处理与交互（CP07）

• 脚本失败：任一脚本返回非零退出码或非法 JSON 时，停止流程并展示错误。
• 小红书提取：优先 CDP 方案，权限不足时自动降级为 browser_use + OCR，仍失败则引导手动复制。
• 无法识别文件：当 material_scanner.py 返回 unrecognized_files 非空时，必须向用户展示清单并建议解压或转换格式，不得静默忽略。
• 记忆读写异常：失败时将说明书内容直接输出到对话中供用户手动保存。

资源索引

上下游衔接

上游：知识管家 (knowledge-butler) 本技能专为知识管家用户设计。扫描路径：

• 1-素材/文稿/（用户自写文字）→ 原创素材，正向学习风格特征
• 1-素材/收藏/（外部剪藏内容）→ 参考素材，仅用于反向对比（提取禁用清单），不作为风格学习目标

若检测到目录中存在无法直接读取的文件（如压缩包），将主动引导用户处理。

下游：风格应用 + 回流知识管家 生成的《风格说明书》存两个地方：

1. 悟空记忆：技术性数据，供其他 skill（内容生成、校准）引用
2. 知识管家 wiki：作为长期资产——用户把说明书内容回贴给知识管家，走其「工作流 4 · 外部材料归档」，最终存为 2-知识网络/专题/我的写作风格.md

两份并行存在：悟空记忆 = 引擎室，wiki = 档案馆。用户拥有文件系统的副本，防止平台锁定。

边界与预期管理

做的：提取风格 → 生成说明书 → 展示对比 → 持续校准 不做的：不从参考素材学风格、不做内容生成、不做素材管理

量化说明：

• 还原度上限：受限于模型训练数据的分布差异，AI 无法 100% 复刻用户的潜意识表达习惯。
• 迭代必要性：建议用户在初期至少提供 3-5 篇不同场景的原创内容，并进行不少于 3 次的“即时反馈”，以快速突破 70% 的还原度门槛。