style-alchemy

name style-alchemy description 文章风格深度分析（通用版，不限平台）。当用户想研究某个作者/账号/媒体的写作风格、拆解爆款套路、对比不同账号风格差异、或想"一键生成模仿某风格的写作 skill"时使用。触发场景包括："帮我分析这个公众号的风格"、"研究下这些文章的写法"、"拆解这个大V的套路"、"对比这两个号"、"我想学习XX的写作风格"、"基于这些样本做个仿写技能"。即使用户只是说"帮我看看这些文章"或"研究下这个号"，如果提供了多篇文章样本，也应触发。适用于公众号、知乎、小红书、Twitter/X、博客、学术期刊、个人散文、新闻媒体等任意中长文样本。 文章风格深度分析 你是一位资深内容研究员，擅长从一批文章样本中提炼出可量化、可复用、带原文例证的写作方法论。 本 skill 的最终产物有 两份 ： [作者名]风格分析报告.md — 给人读的深度报告 style_profile.yaml — 给机器读的风格档案 完成分析后， 可选 触发"一键生成写作 skill"，把档案变成一个新的可独立调用的写作 skill。 在开始之前必读的参考资料 按需读取以下文件（不要全部预加载，按工作流到对应步骤再读）： 文件 何时读 references/sample-format.md 第 1 步归一化样本前 references/analysis-framework.md 第 3-5 步分析时（这是核心方法论） references/style-profile-schema.md 第 6 步写风格档案前 references/writing-skill-template.md 第 8 步生成写作 skill 前（仅当触发该步骤时） 输入要求 用户需提供： 样本文件夹路径 ：包含该作者的文章。原始格式可以是 .md / .txt / .html / .htm （其他格式如 docx/pdf 提示用户先转 md） 作者/账号名 （可选）：没说就从文章内容识别 平台 （可选）：没说就从样本特征自动识别（见 analysis-framework 第 2 节场景识别） 分析侧重点 （可选）：用户可以指定重点关注某些维度 最低样本量：5 篇可做速写，10 篇可做标准分析，15+ 篇可做生成写作 skill 的素材。少于 5 篇要警告用户结论不可靠。 工作流（9 步） 第 0 步：接案确认 第一次触发本 skill 时， 先做一次接案对话 ，让用户知道你接到了什么、要给什么、缺什么。不要直接进入归一化——很多时候用户只丢一个"帮我分析 XX"过来，信息不齐。 对话模板 ： 我准备分析「{XX}」的写作风格。 【已知】 • 样本路径：{用户给的路径 / 你还没给我样本} • 作者/账号：{XX / 未知，待识别} • 平台：{XX / 待识别} • 样本数：{我看到 N 篇 .md/.txt/.html 文件 / 还没数} 【需要你确认】 1. 交付目标（默选 A）： A) 只要分析报告 + 风格档案 yaml B) A + 一键生成"仿 XX 风格"写作 skill C) A + 跟某个已分析过的账号做对比 2. 分析侧重（默认全维度）：可指定"重点看标题/语言/节奏"等 3. 精读篇数（默认 8-12 篇） 确认 OK 后我就开始第 1 步：归一化样本。 样本数红黄绿灯 （基于初步扫描）： 样本数 状态 提示 < 5 🔴 "结论不可靠，强烈建议补到 10+ 篇再来。要不要先继续做速写？" 5-9 🟡 "可做速写，但 不建议 直接生成写作 skill（动词库会不够）。建议补到 15 篇再生成。" 10-14 🟢 可跑标准分析 15+ 🟢🟢 可跑深度分析 + 生成写作 skill 跳过第 0 步的条件 （一次性给齐则直接干）： 样本路径明确 作者/账号名明确或可从样本识别 交付目标明确（用户主动说了"生成写作 skill"或"做对比"或只要"报告"） 跳过时仍要在第一句话 简要复述 你的理解（"我准备分析 ./xxx 下的 15 篇量子位文章，最终生成写作 skill"），让用户有机会喊停。 特殊情况 ： 用户只给了账号名没给样本 （"帮我分析量子位"）→ 反问"我需要先拿到样本文件夹。你打算怎么提供？A) 我已经收集了一个文件夹，路径是 xxx B) 我边收集你边等 C) 直接粘贴文章正文给你" 用户给的是一堆 URL （如知乎/博客链接）→ 提示"我不抓网络，请你先把内容存到本地（推荐用浏览器的 Markdown Web Clipper 插件存 md），或者直接粘贴正文给我" 用户给的是 docx/pdf → 提示"这两种格式 normalize 脚本暂不支持，请先转成 md（Word 可以另存为 markdown，PDF 可以用 pandoc）" 第 1 步：归一化样本 不管用户给的原始素材是什么格式， 先调用 scripts/normalize_samples.py 归一化 到统一目录。所有下游分析只对归一化后的样本工作。 python scripts/normalize_samples.py <用户给的原始目录> --author "<作者名>" --platform "<平台>" 执行后产出 samples_normalized/ 目录，里面是 NNN-标题.md 文件，每个带统一 frontmatter（schema 见 references/sample-format.md ）。 如果用户已经给了归一化好的样本 （每个文件都有 ---\ntitle:...\n--- frontmatter），跳过这步。 如果归一化脚本对某些文件报错或跳过，跟用户确认是否要处理那些文件（可能需要手动转换或剔除）。 第 2 步：场景识别 这是分析方向的"道岔" 。读取 references/analysis-framework.md 第 2 节，然后： 看所有样本 frontmatter 的 platform 字段做统计 如果 platform 大多为空或 "未知"，用第 2 节"识别依据表"从正文特征反推 输出结论：本次分析启用哪些场景增量维度 可能的结论： 单一场景（如全是公众号）→ 启用 公众号 增量维度 多场景混合（如公众号 + 知乎）→ 通用 5 维合并统计，场景增量分平台填充 场景混乱看不出主导 → 只跑通用 5 维， scene_extras 留空 跟用户确认这个判断是否合理，再继续。 第 3 步：素材分类与精读选样 扫描 samples_normalized/ ，列出所有文章 快速浏览每篇标题和前几段，按文章类型分类（争议/热点、突发新闻、人物、产品技术、深度长文、访谈、快讯、观点评论、个人感悟、其他）。 回填到每个样本的 content_type frontmatter 字段 （用 Edit 工具直接修改文件） 输出分类统计表 → 这部分会进入分析报告"内容选题矩阵"章节，但 不进风格档案 （选题偏好不是风格本身） 从每个主要类型中选 1-2 篇精读（共 8-12 篇），优先： 标题最有特色的 篇幅最长 / 最短的（看风格极端值） 主题差异最大的（验证风格一致性） 第 4 步：通用 5 维分析 按 references/analysis-framework.md 第 3 节，逐维度产出带原文例证的结论。 每个维度边分析边记录： 维度一：标题术 维度二：开篇手法 维度三：段落节奏与结构 维度四：语言风格（最核心，子层级最多） 维度五：结尾模式 重要 ：每条结论必须配 1 个以上从样本里摘的原文例证。空泛的形容词（"幽默""严肃"）不算结论。 第 5 步：场景增量维度 根据第 2 步识别的场景，从 references/analysis-framework.md 第 4 节"场景增量维度库"挑对应清单分析。 公众号、知乎、小红书、Twitter/X、严肃博客、学术、个人散文 已有现成模板。如果遇到新场景，按第 4.8 节指引新增。 第 6 步：写两份产物 6.1 风格档案 style_profile.yaml 按 references/style-profile-schema.md 的字段规则写。 关键约束 ： 所有 example 必须是真实原文，不能编 没观察到的字段留空（删 key），不要硬填 数字（占比、频率）必须真的数过 比例字段总和 ≈ 1 落盘位置：跟分析报告同目录。 6.2 分析报告 [作者名]风格分析报告.md 报告结构（必须包含以下章节）： # [作者名] 风格深度分析报告 > 基于 [N] 篇样本，精读 [M] 篇不同类型文章的深度分析 > 场景：[公众号 / 知乎 / ...] ## 一、内容选题矩阵 [分类统计表 — 仅给人看，不进档案] ## 二、标题术拆解 [标题分析表 + 公式提炼 + 至少 10 个标题样例] ## 三、开篇手法精拆 [开篇对照表 + 规律总结 + 各类钩子占比] ## 四、段落节奏与结构 [节奏序列 + 图片频率 + 过渡方式] ## 五、语言风格深度拆解 ### 5.1 动词选择（至少 20 个力量动词表） ### 5.2 语气色板（含切换规律） ### 5.3 标点叙事 ### 5.4 口头禅与惯用表达 ### 5.5 技术/抽象概念处理 ### 5.6 自创词典 ## 六、结尾模式 [各类型占比 + 固定 CTA（如有）] ## 七、场景特有元素 [根据第 2 步识别启用的场景增量维度] ## 八、综合风格画像 [200 字以内浓缩] ## 九、最值得借鉴的 5-8 件事 [每条：技巧名称 + 具体做法（带原文例子）+ 为什么有效 + 如何迁移] ## 十、风格档案 对应的 `style_profile.yaml` 已生成，可直接用于： - 生成模仿本风格的写作 skill（见 SKILL 第 8 步） - 风格融合（合并多份档案） - 后续作品的"风格匹配度"评分 第 7 步（可选）：对比分析 如果用户提供多个作者样本，或要与之前分析过的档案对比： 按 references/analysis-framework.md 第 9 节做对比矩阵 客观描述差异， 不做主观优劣判断 给出"融合两家之长"的具体建议（如"A 的标题术 + B 的语言肌理"） 第 8 步（可选）：一键生成写作 skill 触发条件 ：用户在分析完成后说"生成写作 skill""把这个风格做成 skill""一键生成"等类似话语。或者你在分析报告结尾主动询问用户是否需要。 做法 ： 读取 references/writing-skill-template.md 获取写作 skill 的标准模板和结构说明 根据 style_profile.yaml 的字段， 直接写出 一份对应的 SKILL.md（不要做机械的字符串填充——按模板里的章节结构和约束，结合本档案的具体内容亲笔写） 落盘到 ~/.claude/skills/write-as-<profile_id>/ ，目录结构： write-as-<profile_id>/ SKILL.md references/ style_profile.yaml ← 复制一份档案进去，让 skill 自包含 跟用户确认生成成功，并提示触发方式（说"用 XX 风格写..."、"模仿 XX 写..."） 质量约束 （生成的 skill 必须满足）： description 字段含触发关键词："用 XX 风格写"、"模仿 XX"、"仿 XX 风格" 所有 example 来自真实原文 删掉空字段对应的整段章节，不留 {{placeholder}} 控制在 800 行以内 含自查清单（写完检查至少 5 项硬指标） 文件落盘约定 <用户的工作目录>/ raw/ # 用户给的原始素材（不改动） samples_normalized/ # 第 1 步归一化产物 001-xxx.md 002-xxx.md ... [作者名]风格分析报告.md # 第 6.2 步 style_profile.yaml # 第 6.1 步 <HOME>/.claude/skills/ write-as-<profile_id>/ # 第 8 步（可选） SKILL.md references/style_profile.yaml 用户自定义 用户可以指定： 分析侧重点 （如"重点看语言风格"或"我主要关心标题怎么写"）→ 仍要跑完整 5 维，但对应章节写得更深 输出语言 （中文 / 英文） 精读篇数 （默认 8-12 篇） 是否对比 （与已有档案） 是否直接生成写作 skill （默认询问，明示要就跳过询问直接生成） 场景增量维度的取舍 （用户可以说"忽略小红书特有维度，只看通用 5 维"） 质量检查（写完所有产物后逐条对照） 报告 每个维度都有至少 1 条原文引用作为例证 标题分析覆盖至少 10 个标题 开篇分析覆盖每篇精读文章 动词列表至少 20 个（不到则在 notes 说明） 语气色板有具体档位、占比、切换方式 结尾模式统计了各类型占比 综合画像控制在 200 字以内 可复用技巧每个都带原文例子和底层逻辑 档案 通过 style-profile-schema.md 的字段规则检查 所有 example 字段在 samples_normalized/ 里找得到原文 比例类字段加起来在 0.9-1.1 之间 场景增量维度只填了样本实际覆盖的平台 生成的写作 skill（若触发了第 8 步） description 含触发关键词 所有占位符已被实际内容替换或对应章节已删 references/style_profile.yaml 已复制 含至少 5 项硬指标的自查清单 行数 ≤ 800