感谢信/道歉信

它解决什么问题

写感谢信或道歉信时，最常见的失败不是语言不优美，而是事实不完整：谁写给谁、关系远近、事件经过、希望达到什么效果，通常散落在聊天记录里。直接让大模型“帮我写一封道歉信”，模型只能凭常见模板补全细节，很容易写出空洞、过度反省或与现实不符的内容。@user_cb37ec27/dw-letter-writer 把这类场景拆成可确认的信息收集过程，先问清楚背景，再生成草稿。

它是如何工作的

这个技能不急着一次输出全文，而是采用分步引导：它会询问事件背景、双方关系、希望语气、篇幅限制等字段，并要求把内容逐步写入一个 JSON 对象。你只需要按提示补充事实和约束，模型再基于这份结构化信息组织感谢信或道歉信。这样做的好处是，关键事实由使用者提供，语气和篇幅由约束控制，模型负责表达组织，而不是替当事人编造经历。

适用边界与注意点

它适合辅助起草，不适合代替真实沟通，也不能保证对方一定会接受道歉。事实必须由使用者确认，尤其是时间、责任归属、承诺措施；这些内容不能凭空生成。涉及隐私时，建议先用占位符，例如 [对方姓名]、[公司名称]，确认草稿后再替换，避免把敏感信息直接投喂给模型。如果事件涉及法律、劳动仲裁、公共危机或医疗沟通，正式发出前仍应人工复核。