技能介绍

解决的问题

写作风格分析最大的痛点不是"看不出区别"，而是"说不清哪里变了"。当你在不同时期写过几十篇文章后，想回答"我的语气从什么时候开始变得正式"这类问题，靠记忆和翻旧稿几乎不可能。现有工具要么只给一个笼统的分数，要么分析完就丢弃过程数据，无法回溯到某次具体修改。

另一个常见问题是样本管理混乱：每次分析产生的中间稿、修改稿、差异说明散落在临时目录，过几天连自己都分不清哪个版本对应哪篇文章。

核心能力与工作方式

写作习惯画像是该技能的核心产物，存储在 data/profile.md。它采用增量累积与全量重编译两种更新策略：日常分析按篇追加，定期整理时基于多篇样本重新编译，避免单一文章带来的偏差。

双层 Git 架构解决了指令与数据的隔离问题：

外层仓库追踪 SKILL.md、references/ 等技能文件
内层仓库 data/.git/ 独立管理 profile.md 与 samples/ 目录
外层 .gitignore 忽略 data/，因此 git status 不会污染个人数据变更

自动版本追踪覆盖四类操作：画像增量更新、全量重编译、样本归档、画像回滚。每次写入都会按固定格式自动 commit，例如 profile: 增量更新 #N 或 archive: 2026-01-15-01。commit message 前缀严格区分操作类型，便于快速定位历史。

代表性样本归档会为每篇分析创建独立目录 data/samples/{YYYY-MM-DD}-{NN}/，保存原始稿 aigc_original.md、用户修改稿 user_modified.md 和差异摘要 diff_summary.md。序号 NN 自动递增，防止同日多次分析互相覆盖。同时更新 data/samples/INDEX.md 索引表。

画像回滚不是简单的文件恢复：执行回滚时会展示最近 10 条 commit 历史，让你选择目标版本，回滚本身也产生新的 commit（rollback: 前缀），因此即使回滚错了也能再次回滚。

资源按需动态加载：分析单篇时只加载 references/analyze_single.md 与维度定义文件，全量整理时切换到编译流程参考，避免一次性注入过多上下文。