写作风格自适应器

解决什么问题

让模型“写得像你”，通常靠一句“像平时说话一样”来描述。这类提示词在工程上几乎不可验证：风格变量散落在语气、句长、术语密度、转折方式和结尾习惯里，模型每次只读到一段抽象描述，输出就会漂移。

这个 skill 把它拆成可观察的数据流：你先 fork SKILL.md，改成自己的角色、读者、禁用词和平台格式；AI 写完后，你直接改到满意；脚本只比较 original 与 final 两个端点，从差异中提取写作规则，再写回 skill。

它如何工作

核心是两层配置加两个脚本。

配置层先量化风格，避免模糊指令：

• 在 Voice Dimensions 里用 1–10 分标定 formal_casual、technical_accessible、serious_playful、concise_elaborate、reserved_expressive。
• 填写“我是谁 / 读者是谁 / 和读者的关系”，让角色设定更具体。
• 在 写作规则 里写基础规则、禁止词和句式偏好；不知道填什么可以先跑几次，让自动学习帮你补。
• 在 格式规范 里适配 X、小红书、博客等平台。

数据层负责把修改沉淀成规则：

• observe.py 提供 record-original、record-final --match、pending、stats。它只关心首尾版本，中间改几轮不影响学习。
• improve.py 需要 LLM CLI，可用 extract --days 7、auto、show、apply、rollback。支持 claude（Claude Code）、llm（pip install llm）或 IMPROVE_LLM_CMD。
• 提取出的规则按 P0/P1/P2 分级。auto 模式只应用多次出现的高置信度 P0，P1 需人工确认，P2 先存档观察。
• 每次更新前自动备份 SKILL.md，出错可用 improve.py rollback 回滚。

适用边界

它适合愿意把“改稿”当作输入的写作者：你给出真实的最终版本，规则才会越来越准。若每次只是粗略浏览，不做首尾配对，提取出的规则会停留在低置信度。

它也偏向短到中等长度的内容，例如技术笔记、博客草稿、社媒长文。小说、诗歌或强叙事文本需要更多结构信号，单靠首尾 diff 不够。

平台差异也要单独维护：同一处措辞在博客里合适，在 X 纯文本场景可能过重。建议按平台拆分格式配置，避免规则互相污染。

最后，P0 自动应用只处理反复出现的模式；一次性偏好应走 P1 人工确认，不要强行拉高置信度。