Writing Dna

🖌️ 神笔马良 · 写作DNA蒸馏

将自己公众号/小红书/X/Twitter 的文章蒸馏成属于你自己的「写作基因包」。 核心路径：语料准备 → 七维并行采集 → 三重验证降噪 → 硬规则/软范式分类 → 分层产物 → 复刻写作 → 成稿收敛

理念来源：借鉴认知蒸馏方法论，将隐性的个人写作风格， 转化为 AI 可直接执行的显性规则，本质是人文本范式的萃取与固化。

v2 关键变化：产物从单一档案改为分层产物；写作前增加硬性必读流程； 成稿后增加去 AI 味收敛工序。蒸馏解决「像不像你」，收敛解决「像不像人写的」。

技能触发场景

• 用户提供文章样本，说"蒸馏文章"或"分析我的写作风格"
• 用户说"按我的风格写一篇文章"
• 用户新增文章，说"更新我的DNA"（增量蒸馏）
• 用户查看当前DNA档案
• 用户说"帮我找出我写作的盲区/反模式"
• 用户说"这篇太AI了"或"去掉AI味"（成稿收敛）

阶段零：语料准备与元数据标注

蒸馏质量的上限由语料决定。样本不足或没有元数据，后面所有步骤都是空中楼阁。

语料要求

• 数量：至少 20 篇完整文章（低于 10 篇只能得到粗略印象，不可当真）
• 格式：.md 或 .txt
• 覆盖：尽量包含不同时期、不同体裁、不同主题的文章

目录结构

用脚本一键生成，或复制 templates/author-corpus/：

corpus/<作者名>/
├── raw/                原始文章语料
├── _meta/              每篇一份结构化标注
├── 语言基因.md          L1 表层语言
├── 结构骨架.md          L2 文章结构
├── 认知素材.md          L3-L5 选题·素材·认知
├── 视觉排版.md          L6 排版与配图（图文类账号必做）
├── 反模式.md            L7 盲区与禁忌（本项目独有）
└── 写作DNA.md           整合文档，≤4000 字

raw/ 命名规范：YYYY-MM-DD 体裁 文章标题-来源.md

元数据标注（不可跳过）

每篇文章在 _meta/ 建一份标注，schema 见 templates/author-corpus/_meta/example.schema.json：

{
  "title": "", "date": "YYYY-MM-DD", "author": "", "column": "",
  "article_type": "访谈|深度分析|短评|观察|综述|教程|故事",
  "topic_tags": [], "hook_type": "问题式|场景式|数据式|观点式|悬念式|故事式",
  "structure_pattern": "总-分-总|时间线|对比式|Q&A|层层递进|问题-分析-方案",
  "source_types": [], "word_count": 0, "notable": ""
}

article_type 和 topic_tags 是阶段五「选 5 篇原文校准」的检索键。 没有元数据，那 5 篇就选不准，语感校准就无从谈起。

阶段一：文本预处理

1. 格式清洗：去除多余空行、特殊符号、排版标记
2. 话题语义切片：不按段落机械切分，按话题单元划分（一个完整论点或叙事片段为一个切片）
3. 重复内容识别：标记在多篇文章中反复出现的段落（固定套路 or 口头禅），这类重复是 DNA 的重要信号
4. 图片内容纳入：图文类账号必须抽样 5-10 篇逐张查看图片内容。截图、对话记录、数据表格里的文字是论证链的一部分，不看图会漏掉承重结构

阶段二：七路并行特征采集（7-Collector）

读取 references/writing-dna-framework.md 获取每个维度的详细分析指南。 七个维度独立并行分析，各自提取碎片化特征，最终汇入「原始特征池」：

反模式维度同等重要——知道这个人不会/不该怎么写，和知道他擅长怎么写一样关键。

可选扩展维：视觉排版（L6）

图文类账号（公众号、小红书）必做，纯文字账号可跳过。 分析配图策略、图片功能分类、加粗密度、小标题字数、段落长度、色彩与强调、图文协作模式。 详见 templates/author-corpus/视觉排版.md。

阶段三：三重验证降噪（Triple Validator）

原始特征池中混有大量偶然发挥、情绪话、一次性观点，必须经过三道过滤， 只保留稳定、可信、具有代表性的特征：

✅ 验证一：频次验证（Frequency Check）

• 同一特征必须在多篇不同文章、不同话题切片中重复出现
• 阈值：见 config.yaml → validation.frequency_threshold（默认 ≥3 篇）
• 丢弃：仅出现一次、无法确认是否稳定的特征

✅ 验证二：语境一致性验证（Context Consistency Check）

• 同一特征在不同话题、不同情绪的文章中表现稳定
• 丢弃：只在特定类型文章中出现、其他文章完全没有的孤立特征

✅ 验证三：逻辑自洽验证（Internal Consistency Check）

• 提炼出的多条特征之间无明显矛盾
• 处理：标记冲突特征为 [待确认]，不直接丢弃，等待更多样本裁定

经过三重验证后：低质特征被丢弃，剩余有效稳定特征集进入下一阶段。

阶段四：特征聚合与分层产物

双轨分类

🔴 硬规则（Hard Rules）— 直接执行

不需要 AI 理解，直接做成拦截/替换指令：

• 口头禅：必须出现 / 偶尔出现 / 绝不出现 的固定词语
• 禁忌话题：明确不写的领域或表达方式
• 固定句式模板：开头/结尾的标准格式
• 标题规则：字数限制、是否用数字、标题结构

🔵 软范式（Soft Paradigms）— Few-shot 引导

需要 AI 理解后模仿，以示例形式呈现：

• 思维框架示例：「先给结论 → 再讲原因 → 最后补故事」的完整段落示例
• 情感调性示例：典型的情感表达段落
• 论证模式示例：典型的反直觉切入段落

分层产物输出

分析结果分散写入五份分层产物，再整合成一份整合文档：

为什么分五份：整合文档是压缩后的结论。句子的呼吸感、段落怎么接、 什么时候突然一个短句，只存在于分层产物和原文里。只喂整合文档，等于只给骨架没给血肉。

整合文档超过 4000 字 = 没蒸馏干净，回去重新抽象。

阶段五：风格复刻（Replication）— 硬性流程

用户要求按此风格写作时，必须完整走完以下四步。不允许只凭整合文档或上一轮对话的记忆下笔。

第 1 步：读完全部产物

四份分层产物 + 整合文档，一份都不能跳过：

第 2 步：读 5 篇原文校准语感

从 raw/ 中选 5 篇与本次写作体裁和题材最接近的文章通读：

1. 优先用 _meta/ 的 article_type 和 topic_tags 筛选
2. 匹配超过 5 篇时取时间最近的 5 篇（近期更代表当前风格）
3. 不足 5 篇时用同体裁不同题材补齐
4. 元数据缺失时按文件名中的日期和标题判断

读原文不是为了找素材，是为了校准分层产物描述不出来的东西： 句子的实际呼吸感、段落之间怎么接、什么时候突然用一个短句、口语和书面语怎么混。 读完要能说出这 5 篇的共同语感，再动笔。

第 3 步：按规则写

1. 先执行硬规则（口头禅、禁忌、句式模板、标题规则）
2. 再调用软范式（Few-shot 示例引导整体风格）
3. 套用匹配当前体裁的结构模板
4. 遵守反模式里的禁止清单

第 4 步：成稿收敛（两道工序）

1. 减法 — 跑 references/ai-tone-rules.md 清理机器痕迹
2. 加法（可选）— 跑 references/human-voice-rules.md 注入作者口味，强度按体裁定
3. 对照七维逐项自检，尤其检查反模式是否误触
4. 自检不合格则对照分层产物重写

冲突优先级

规则打架时按此顺序取舍：

1. 用户本次的明确指令（题材、长度、平台、语言）
2. 匹配当前体裁的结构模板
3. 语言特征与视觉风格
4. 认知框架（决定观点立场和素材选择，不决定句式）

原文里的具体观点和事实不能直接搬进新文章——复刻的是写法，不是内容。

阶段六：成稿收敛（减法 + 加法）

成稿之后有两道独立的工序，先减法再加法，顺序不可颠倒。 反过来会把机器痕迹一起加固。

6a 减法 · 去 AI 味

蒸馏解决「像不像你」，去 AI 味解决「像不像人写的」。这是两个问题。 风格对了，句子仍可能一眼看出是机器写的。

读取 references/ai-tone-rules.md 处理成稿。要点：

• 白名单式改写：只处理规则清单内明确列出的问题，未命中的文字逐字保留
• 信息守恒：不许新增任何原文没有的信息，也不许删掉限定词和让步
• 不动结构：标题层级、段落顺序、列表、引用、代码块位置一律保留
• 反向清单同样重要：句长参差、被动句、名词化、句内排比、问句、比喻本身， 这些看着像 AI 味其实不是，凭语感去改最容易把正常中文改坏

6b 加法 · 人味注入（可选）

去 AI 味只是把机器痕迹抹掉，抹完仍是平的中性文。 加人味是往回注入作者口味——人称、口头禅、语气词、金句、结尾调性。

读取 references/human-voice-rules.md 处理。要点：

• 七条机制：人称拉近、停顿制造、情绪起伏、术语落地、重复递进、金句提炼、软着陆
• 机制不带词表：具体用哪些词、密度多少，一律由 DNA 档案提供。 这样任何作者都能用机制，而不会被强行注入别人的「哈哈」
• 风格强度三档：强（闲聊/随笔）/ 中（观察/评论）/ 关（财报/法律/学术/新闻）。 严肃体裁默认关闭——财报里写「哈哈哈」是事故，不是人味
• 信息守恒例外：金句、人设评价、俏皮话允许新增，但不得引入新事实、新数字、新案例

冲突仲裁

三套规则打架时的优先级：

用户本次指令 > DNA 档案 > 人味注入（加法）> 去 AI 味（减法）

DNA 档案永远赢通用规则。 作者爱用破折号，减法不许删； 作者说不用「首先其次」，虽然减法认为那不是机器痕迹，也得删。 跑去 AI 味之前先读一遍 DNA 的标点与禁用清单，否则会把作者风格当成痕迹删掉。

质量标准

蒸馏产物完成后，用以下标准自检：

• 整合文档 ≤4000 字（过长 = 没蒸馏干净）
• 结构模板覆盖 ≥3 种体裁
• 元数据覆盖 ≥80% 语料
• 认知框架提炼 ≥3 条非显而易见的命题
• 反模式维度已完整分析（最容易被跳过）
• 每条特征都注明了来源（Article-[N]）与置信度
• 盲测：把产物喂给一个没读过该作者的人，写出的文章 ≥7/10 像
• 图文类账号已完成视觉排版维度

增量蒸馏（Incremental Update）

新增文章时无需全量重跑：

新文章 → 预处理 → 七路采集新特征片段
→ 与已有特征库对比 → 再走三重验证
   ✅ 验证通过：合并入库，更新分层产物
   ❌ 验证不通过：丢弃，不影响现有 DNA
→ 更新写作DNA.md 版本号与变更说明

触发增量蒸馏：用户说"更新我的DNA"或"我有新文章要加进去"

蒸馏命令

核心原则

• 忠实优先：复刻风格时，宁可保留"不完美"也要保持原汁原味，不擅自优化用户的表达习惯。
• 稳定特征优先：只蒸馏反复出现的特征，一次性灵感不入库。
• 来源可溯：每条DNA规则都应标注来自哪篇文章（Article-[N]），出错可回溯。
• DNA 是活的：文章越多越准确，用 config.yaml 中的阈值控制蒸馏严格度。
• 反模式同权重：盲区和禁忌与优点一样重要，不得忽略。
• 分层优于整合：整合文档是索引，语感细节只在分层产物和原文里。
• 写法可复刻，内容不可搬运：原文的观点和事实不能直接搬进新文章。

参考资源

• references/writing-dna-framework.md — 七维分析框架详细指南
• references/ai-tone-rules.md — 成稿收敛 · 减法：去 AI 味规则集（白名单式）
• references/human-voice-rules.md — 成稿收敛 · 加法：人味注入规则集（按 DNA 配额）
• references/dna-template.md — 单档案模式下的输出模板
• references/my-writing-dna.md — 用户个人写作DNA档案（自动生成/增量更新）
• templates/author-corpus/ — 语料目录骨架、元数据 schema、五份分层产物模板
• templates/author-corpus/examples/口语闲聊风/ — 完整示例 DNA，示范风格如何写成可执行规则
• scripts/distill_writing_dna.py — 批量蒸馏 + 三重验证 + 增量更新 + 语料初始化
• config.yaml — 验证阈值、采集规则、产物路径配置
• ../docs/usage-boundaries.md — 使用边界与版权提醒