技能介绍

解决什么问题

用 AI 写作时，通用模板生成的内容往往带着“AI味”——用词太书面、句式太规整，和你实际写东西的习惯差很远。手动调 prompt 费时间，改完也没把规则沉淀下来，下次还要重新说一遍“不要用‘综上所述’”“段落短一点”。这个技能要解决的就是：让 AI 写作风格能跟着你的修改自动进化，不需要反复写长 prompt 维护风格规则。

核心机制

风格维度量化：用 1-10 分定义正式/随意、技术/通俗、严肃/活泼、简洁/详细、含蓄/直接五个维度。不确定分数？先跑几次写作循环，自动学习会帮你填。
结构化规则模板：包含角色与读者、写作规则（基础规则、禁止词、句式偏好）、格式规范（支持 X/Twitter、小红书、博客等平台适配表）三个核心区块，你可以 Fork 后改成自己的风格。
自动学习修改差异：只需两个数据点——AI 生成的 original 和你确认的 final，中间改几轮不重要。通过 observe.py record-original 和 record-final --match 记录首尾版本，improve.py 用 LLM 分析差异提取风格规则。
规则分级与安全回滚：提取的规则分 P0（多次出现，自动应用）、P1（中置信度，人工确认）、P2（仅1次，存档观察）三级。improve.py auto 只自动应用 P0 规则，每次更新前自动备份 SKILL.md，rollback 可一键回滚。
零依赖 CLI 工具：observe.py 是纯 Python 脚本，记录版本、查看待配对、统计修改数据；improve.py 需要 LLM CLI（支持 Claude Code、llm 或自定义 IMPROVE_LLM_CMD），负责提取规则、应用提案和回滚。

适用边界

需要持续修改反馈：没有你手动修改的 final 版本，自动学习就没数据可学。跑10次写作→修改循环，才能积累出足够的规则。
只关注首尾版本：中间改了多少轮无所谓，但首版和最终版的差异要能体现你的风格偏好。
LLM CLI 是可选依赖：observe.py 可以单独用来记录修改，但要自动提取和应用规则，需要本地装 Claude Code、llm 或配置自定义命令。
数据自动存储：工具会自动检测环境路径，不需要手动配存储位置。
预期效果看时间：第一周积累3-5次修改出第一批规则，第二周10+条规则，一个月后30+条规则，风格维度会自动校准。