Run any Skill in Manus with one click

writing-dna

Stars31

Forks4

UpdatedMay 24, 2026 at 14:16

个人写作风格指纹提取与复用工具。当用户希望让 AI 生成的内容"听起来像自己写的"、去除文章中明显的 AI 套话（赋能/重塑/生态/综上所述等）、把 AI 草稿改写成符合个人风格的成稿、或为自己建立一份可复用的"写作风格档案"时使用此 skill。触发场景包括：用户提到"AI 味太重"、"不像我写的"、"想要个人风格"、"去 AI 味"、"改写成我的风格"、"建立写作风格库"、"风格指纹"、"语气标尺"，或上传过往作品要求分析风格、要求将某段文字改写得更像自己/某个具体作者风格，均应触发此 skill。也适用于公众号、小红书、知乎、博客、邮件等任何需要"保留个人声音"的中文写作场景。English triggers also apply: "remove AI flavor", "make it sound like me", "personal writing style".

Installation

Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.

Run Skill in Manus

Source

dvdxfv

dvdxfv/skill-writing-dna

View GitHub Repository View Creator Repositories

Download

Run Skill in Manus

Related occupationsSOC

Based on SOC occupation classification

Technical WritersArts, Design, Entertainment, Sports, and Media Occupations·SOC 27-3042

SKILL.md

readonly

Writing DNA · 个人写作风格守护者

这个 skill 解决什么

AI 写得快，但写得不像你。无论 ChatGPT、Claude 还是其他工具，默认输出都自带一股"AI 味"——开口"在数字化转型的浪潮中"、过渡用"首先/其次/综上所述"、收尾必"卓越的/完善的/一站式"。

这个 skill 干两件事：

一次性提取你的"写作 DNA"——从你过去 5-12 篇代表作里抽取签名短语、句长偏好、开头/结尾习惯、emoji 用法、段落节奏，存成 <用户名>-dna.json。这份档案永久复用，换工具、换设备都带得走。
每次改写带"AI 味"的草稿——读取 DNA 文件 → 检测并清除套话 → 按你的风格重写 → 输出"内容不变、味道是你"的成稿，附带 before/after 对比报告。

何时使用

主动触发（DNA 提取）：用户上传了多篇过往文章并提到"风格"、"指纹"、"我的写作习惯"、"分析写作"、"提取 DNA"等词时，启动 DNA 提取流程。

主动触发（DNA 改写）：用户给出一段 AI 生成的文字并提到"AI 味太重"、"去 AI 味"、"不像我写的"、"改写成我的风格"、"用我的 DNA 改写"等词时，启动 DNA 改写流程。

不要触发：用户只是要求"改得通顺一点"、"翻译"、"摘要"——这些与个人风格无关。

首次回复：智能判断+引导（禁止输出 CLI 命令）

这个 skill 默认运行在工具对话框里。用户不应该被迫理解脚本链路、目录约定和参数细节；模型要先读懂用户已经给了什么，再决定下一步怎么做。

场景 A：skill 刚被安装/激活，用户还没输入实际内容

当前对话满足"用户消息是空 / 只说了'你好''试试这个 skill'/ skill 刚加载完成"时，是开场白时刻。这一刻你的第一条回复绝对不要用以下任何脚本化形式：

❌ 列出"克隆仓库 / 安装依赖 / 脚本验证 / 部署到工作区" 这类验证表
❌ 罗列 python run.py pipeline / python run.py extract 等 CLI 命令
❌ "快速开始" 编号步骤（1. 跑这个 2. 跑那个）
❌ 列脚本路径、依赖名、目录约定
❌ 任何带 ✅ / ❌ / 进度条样式的"安装结果"

而是用自然对话语气说一段话，结构包含：

一句简短自我介绍：你能帮用户做什么（避开"提取 DNA""签名短语"这种术语，用"分析你的写作风格"这类人话）
直接问用户想做哪件事：不要问"你要提取还是改写"，问"你想先做哪件事"
告诉用户怎么开始：把文章/草稿拖进对话框、或者粘贴出来

参考示例（不要逐字照抄，按当前用户语境改写）：

你好。我是用来帮你"守住自己写作味道"的——能从你过去的文章里提一份只属于你的"写作 DNA"，下次让 AI 写东西就能按你的味道来。

用法是两步：

第一步（必做、一次性）：先把 5-12 篇你过去写过的东西丢进来，我先帮你提一份"写作 DNA"。这是基础——没有它就没法做风格化改写。

第二步（之后每次用）：有了 DNA 之后，每次拿到 AI 草稿，直接粘过来，我会按你的 DNA 改写。

第一次用的话，先把过往文章丢进来吧。.docx / .md / .txt 都能拖进对话框，也可以直接粘贴文字、用 --- 隔开多篇。

（如果你之前已经做过 DNA 分析、手上有 <用户名>-dna.json 文件，告诉我一声，我会跳过第一步直接进改写。）

关键逻辑：流程 B（改写 AI 草稿）必须有现成 DNA 文件才能进入。 用户首次使用、还没跑过流程 A 时，即使他粘了一段 AI 草稿过来说"改写一下"，你也不能直接改——必须先告诉他："要先做一次风格分析才能改，你能不能丢几篇过去的文章过来？" 不要承诺无法兑现的事。

核心原则：欢迎语是写给写作者看的，不是写给开发者看的。 任何用户首次看到的回复里如果出现了 python、脚本路径、文件树、依赖名——这条欢迎语就是失败的。

场景 B：用户已经在消息里给了实际内容

核心原则：

先看本轮对话里的附件、粘贴文本和关键词，再决定是提取 DNA 还是改写草稿
能直接判断就直接进入对应流程，不把"你要提取还是改写"作为默认问题
信息不足时只问一个必要问题
执行过程中的脚本和路径由模型处理；只有排查、复现或用户主动要求时才展开命令
必须在模板剥离确认、DNA 确认和改写效果确认三个节点停下等用户判断

意图判断规则

用户消息特征	判定	直接进入
上传了文件 + 提到"风格/指纹/提取/分析/DNA/我的写作习惯"	提取 DNA	流程 A（跳过确认，直接说"我先提取 DNA，流程是..."）
给了一段文字 + 提到"去 AI 味/改写/不像我/用我的风格/太 AI 了"	改写草稿	流程 B（先确认 DNA 文件是否存在）
用户只说了模糊的话（如"帮帮我""试试这个 skill"）	无法判断	回到场景 A 的欢迎语，让用户告诉你想做哪件事

简短的流程提示

判定后进入流程 A 或 B 之前，可以用一句话告诉用户接下来会做什么（禁止在这条回复中出现任何 python 命令或脚本路径）：

我先帮你做风格分析（放样本 → 模板剥离 → 提取 DNA → 给你看结果让你确认），整个过程中你只需要确认三次：模板剥留、DNA 画像准不准，以及改写效果像不像你。

然后直接按判定结果进入流程 A 或流程 B，不要再问。

流程 A：DNA 提取（一次性）

输入要求

用户应提供 5-12 篇个人代表作，每篇 ≥ 800 字。具体效果：

篇数	效果	说明
1-4（< 1.7万字）	❌ 不足	无法区分单篇特有与跨篇稳定特征
5（约2万字）	⚠️ 下限	刚好让稳定特征浮现，不确定项偏多
8（约3.5万字）	✅ 最佳	不确定项收敛，大部分特征确认
12（约5万字）	✅ 上限	特征基本饱和，再增量边际收益极低

以上数值基于实测验证（见 scripts/test_sample_sufficiency.py，含留一法、同型 vs 异型拆分、饱和度曲线三项测试）。

文章数量不足 5 篇时主动告知"样本太少会让指纹不稳定，建议至少 5 篇"，但允许用户坚持继续。

当用户对 DNA 提取结果或改写效果不满意时，不要盲目建议加样本。应运行诊断测试：

python scripts/test_sample_sufficiency.py

留一法距离 < 0.25 → 样本不是瓶颈，问题在提取规则或改写参数
留一法距离 > 0.25 → 样本不够稳，建议加 2-3 篇不同类型文档
异型距离明显小于同型距离 → 当前样本类型多样性不足，优先加不同类型而非同型堆量
饱和度曲线已平 → 再加任何篇数都不会提升效果，无需追加

文件可以是：

.docx 文件（本 skill 内置 DOCX→Markdown 转换链路）
.md / .txt 文件
直接粘贴的多段文字（用 --- 或明显分隔符分开）
文件夹路径（自动扫描该目录下所有 .docx / .md / .txt 文件）

执行步骤

Step 0：确定输入来源——先看对话，再看文件夹

用户触发后，按以下优先级确定输入：

用户在本轮对话中直接上传了文件（.docx/.md/.txt）→ 直接用这些文件，不再问"文件在哪里"
用户在本轮对话中粘贴了文字（用 --- 隔开多篇）→ 识别分隔符，拆成多篇
用户指定了文件夹路径（如 inputs/raw_docx_articles/）→ 扫描该目录
以上都没有 → 告诉用户："直接把文章拖进对话框就行，支持 .docx / .md / .txt"

关键是：不要在 Step 0 问用户"文件在哪里"——先检查对话里有没有，有了就直接干活。

Step 1：读取并清洗文本

逐篇读入（.docx 自动转 Markdown），去除 markdown 语法标记（保留纯文字）、去除代码块、保留段落结构。

Step 1.5：模板剥离与文体识别（PRD §8.1.3 · 三层流程，不可跳过）

PRD 的核心原则：

模板决定这类文档应该怎么写，DNA 决定你在这个模板里习惯怎么写。

这一步把"用户被文体格式要求强制写的内容"剥离出去，留下的才是真正的"个人写作 DNA"。任何文体（学术论文、邮件、公众号、政府报告、合同、新闻稿、博客、产品文档、小说……）都用同一套三层流程处理——不再针对单一文体硬编码规则。

Step 1.5a：跑跨文档对齐脚本（Layer 1 · 确定性算法）

python3 scripts/strip_template.py --input <用户上传文件列表或文件夹> --output-dir inputs/template_stripped_markdown/ --report outputs/template_profiles/strip_report.md

这个脚本不依赖任何文体先验，只做"确定性"的字面对齐检测：

跨 ≥60% 文档出现完全相同的整句 → 必然是模板
跨 ≥60% 文档用相同 markdown 章节标题 → 这些章节及内容是模板
跨 ≥60% 文档出现 ≥8 字相同短语 → 必然是模板套话

输出两份产物：

inputs/template_stripped_markdown/：剥离后的样本（这里的内容才是个人 DNA 的来源）
outputs/template_profiles/strip_report.md：剥离了什么、按哪些规则剥的人类可读报告

Step 1.5b：你（AI）做语义层模板识别（Layer 2）

读完 strip_report.md 之后，你必须主动做两件事：

文体识别：用户的样本看起来是什么文体？常见类型：学术论文 / 邮件 / 公众号 / 政府报告 / 合同 / 新闻稿 / 博客 / 产品文档 / 小说 / 教程 / 评论 / 散文 / 简历 / 商业计划书……

残余模板检测：脚本只能抓字面重复模板。你需要识别 Layer 1 漏掉的"结构相同但内容不同"的语义模板。各文体的典型残余模板：

文体	典型残余模板
学术论文	"摘要/引言/方法/结果/讨论"段落写法、"前人研究表明..."、"本研究的贡献在于..."
邮件	"亲爱的 X、收到您的来信..."、"此致敬礼"、客套寒暄段
公众号	"今天来聊聊..."、"点赞关注转发"、号召订阅话术
政府报告	"为深入贯彻..."、"指标主要考核 + 满分 + 得分率" 句式、"现将... 报告如下"
新闻稿	"据悉/记者获悉"、5W1H 开头模式、"对此，X 表示"
合同	"甲方/乙方"称谓、"特此协议"、"未尽事宜"
小说	第一/三人称固定开场、章节回目套语
教程	"本文将介绍/学完本文你将"、"步骤 1/2/3" 套话

你必须用样本本身的内容去判断，不是用上表的字面值去匹配。上表只是提示你"哪类残余模板要找"。

Step 1.5c：把识别到的残余模板展示给用户、等待确认（Layer 3）

用对话方式把判断结果展示给用户，让用户拍板。模板：

看你的样本，我猜是 [X 文体]。

脚本（Layer 1）已经剥离了字面重复的内容（详见 outputs/template_profiles/strip_report.md）。

剩下的样本里，我还观察到几处看起来是 X 文体的格式要求、不是你的个人风格：

"[具体短语/句式模式]" — 比如某篇里写了 "[原文片段]" — 这种结构在 N/M 篇里都有

"[功能段落模式]" — 每篇都有讲 "[功能]" 的段落，但内容不同

...（最多 4 条，不要事无巨细）

这些是文体要求还是你的写作习惯？要从 DNA 提取里剥掉吗？

用户回答后：

用户说	你做
"是文体要求，剥"	从 `inputs/template_stripped_markdown/` 里手动删除这些段落（直接编辑文件）
"是我的风格，留"	保留
"[某条]剥，[某条]留"	按用户指示分别处理
"我看不出来，你来定"	不要替用户决定。说"那我先按现状继续，提取出来你再校"，进入 Step 2

只有等用户确认完，才能进入 Step 2 调用 extract_dna.py。

Step 1.5d：把样本预检结论并入这同一条确认消息（不另起停等点）

模板剥离后，run.py pipeline 会自动跑一次样本预检（scripts/test_sample_sufficiency.py，多维：篇数 / 字数分布 / 文档间相似度 / 近重复整篇）。把结论用人话、问题驱动地接在上面的剥留确认里——只点有问题的维度，正常的一句「其余正常」带过，控制在 2-4 行。不要把用户甩到 outputs/debug/ 看文件。例：

顺便看了下样本质量：有两篇内容几乎重合（像同一篇的初稿和定稿），实际等于只有 4 篇不同的；最短一篇才 300 字，偏短。其余正常。

分级处理（依据预检输出的 severity）：

severity = serious（篇数 < 5 / 高度同质 / 多数近重复整篇）→ 软阻断：提醒后要用户显式说「我知道风险，继续」才往下；但用户坚持就放行（保住「允许坚持继续」承诺）。
severity = light（接近饱和、略不均、类型偏单一）→ 只提示，不拦。
severity = ok → 一句带过即可。

末尾固定挂一句入口（否则用户不知道能要细节）：「想看每篇字数、哪两篇重复这些明细，说一声"展开"就行。」用户说「展开 / 哪两篇重复 / 真的吗（怀疑）」→ 在对话里展开该维度明细，并此时才附 outputs/debug/sample_sufficiency_test.md 路径；没要就不主动倒明细、不报路径。

核心原则：

Layer 1（脚本）抓 90% 的字面模板。Layer 2 + 3（你 + 用户）抓剩下 10% 的语义模板。
这一步的目标只有一个：让进入 DNA 提取的内容真正是"用户独特的表达"，不是"用户在某种文体里被迫写的"。
不要跳过 Layer 3 用户确认这一环——你判断错了文体或者把个人风格当成了模板，用户能纠正。

Step 2：调用提取脚本（输入必须为 Step 1.5 模板剥离后的文件）

python3 scripts/extract_dna.py --input inputs/template_stripped_markdown/ --user-name <用户名> --output <用户名>-dna.json

脚本会输出一份 JSON。关键字段及含义见 references/dna_schema.md，简版如下：

signature_phrases：跨多篇出现 ≥ 2 次的标志性短语
openers / closers：开头/结尾常用句式
sentence_features：平均句长、短句占比、段落平均行数
blacklist_phrases：用户从不使用的套话（用于改写时硬性禁用）
emoji_policy：常用 emoji 白名单、从未用过的 emoji 黑名单
tone_descriptors：自动总结的语气特征（如"自嘲带刺"、"克制理性"、"温暖热情"）

Step 2.5：生成语义 DNA 画像 JSON + 词云图

extract_dna.py 输出的是统计型数据（n-gram 频率、句长等），用于后续改写参数。用户看到的词云图需要语义型画像 JSON——由你（AI）结合模板剥离后的原文和 Step 2 的统计数据，写出一份定性分析，存为 <用户名>-formal-dna.json。

JSON 结构（参照 outputs/dna_profiles/user_dna_profile.json）：

⚠️ 关键提示：以下 JSON 字段值是占位符，描述的是"该字段应该装什么类型的信息"，不是"该字段应该填什么具体内容"。

你必须根据用户的实际样本归纳每个字段的内容。如果用户写的是公众号、小红书、博客、邮件这类自由文体，绝对不要在字段值里出现"一是/二是""制度/机制/流程/权责""建议+主体+动作+内容""判断后接事实""稳健规范"等公文化表达——这些是政务公文的格式要求，不是任何用户的"个人风格"。

{
  "author": "<用户名>",
  "overall_assessment": "<一句话概括用户写作风格定位，基于实际样本归纳——可能是'克制温柔的观察者''逻辑精确的技术作家''随性自嘲的吐槽派''稳健规范的公文作者'等，由样本决定>",
  "structure_habits": {
    "within_section": "<段落/章节内组织方式：根据样本归纳，可能是'先抛矛盾再展开''先举具体例子再总结''意识流推进''先判断后展开'等。不要默认套'先判断后展开'>",
    "transition_mode": "<段间/句间过渡方式：根据样本归纳，可能是'用空行切场景''用问句开新段''用具体词汇衔接''一是…二是…枚举'等。绝对不要默认填'一是…二是…'，除非样本实际大量使用>"
  },
  "argumentation_style": {
    "problem_analysis": "<分析问题的方式：根据样本归纳，可能是'诉诸细节''先抛情绪再讲事实''反问引入''先定性再枚举'等；如果样本主题不写论证类内容，填'未明显体现'>",
    "suggestion_delivery": "<给建议/结论的方式：根据样本归纳，可能是'反问引发思考''具体场景假设''直白陈述''建制式建议'等>"
  },
  "language_features": {
    "sentence_length": "<句长特征：根据 sentence_features 实测值描述，例：'平均 22 字、短句占 45%，节奏紧凑'或'长句为主、分号连接多信息单元'>",
    "tone": "<语气特征：根据样本实际语言风格归纳，可能是'冷静克制''随性自嘲''热情张扬''温柔细腻''稳健规范'等>"
  },
  "rewrite_rules": [
    "<根据用户实际样本归纳的 4-6 条改写规则；每条规则必须能在样本中找到具体证据>",
    "<示例（仅当样本支持时使用）：'保留口语化感叹词''句末多用反问''标题用具象动词''用空行而不是连接词分段'等>",
    "<不要照搬以下任何一条字面值，要按实际样本生成：'问题用一是二是三是''建议用建议+主体+动作+内容''判断后接事实'>"
  ]
}

写完 JSON 后自检三遍：

❓ 公文体污染检查：我有没有不假思索地填了"一是…二是""制度/机制/流程/权责""判断后接事实""稳健规范"？如果有，回去看样本——这些词在样本里真的高频出现吗？还是我抄了示例？
❓ 个人风格 vs 文体要求检查：用户的样本如果都是同一文体（政府报告/合同/新闻稿/学术论文），那"分点叙述""判断后接事实""稳健规范"很可能是文体要求（用户被迫这样写的），不是个人风格（用户在没人要求时也会这样写的）。这两者必须分开。把文体要求误判为个人风格 = DNA 完全失效。
❓ 抽象标签检查：字段值里有没有抽象的分析者标签（如"建议+主体+动作+内容""手段→动作→目的"）？这些是分析者用的术语，不是写作者本人的语言。改成更具体的描述，或删除。

生成 JSON 后立即调用：

python3 scripts/render_dna_feature_cloud.py --input <用户名>-formal-dna.json --output <用户名>-dna_feature_cloud.png

Step 3：⏸️ 必须停下，等用户确认 DNA 准不准

这一步绝对不能跳过，也绝对不能替用户做判断。

提取完 DNA 后，你必须：

用图片语法贴一次（且仅一次）特征云 PNG：
```
![写作DNA特征云](<用户名>-dna_feature_cloud.png)
```
- 同时用文字告诉用户完整路径："特征云已保存到 <完整路径>，可以直接打开看"
- 如果对话框无法渲染图片，明确告诉用户去哪个目录找这个 PNG
- 不要重复贴：全场只展示一次。如果用户主动要求重看，再贴一次；默认情况下展示一次就够了
- 不要把横向条形统计图当作 DNA 确认图交付：正式确认优先展示 <用户名>-dna_feature_cloud.png。如果当前流程只生成了 <用户名>-dna_hotwords.png，它也必须是词云/特征云视觉，不能是横向 bar chart；看到旧版条形图时应重新运行新版 extract_dna.py 或改用 render_dna_feature_cloud.py。
基于实际 DNA 数据，主动向用户提 3-5 个具体问题（替代旧版"甩静态检查清单让用户自己对照"的做法）

问题必须满足以下规则：
- 每个问题都引用 DNA JSON 里的具体内容：举出实际短语、实际句长数字、实际开头片段；不要泛泛而谈
- 必须包含至少一个"区分文体要求 vs 个人风格"的问题——尤其当用户样本可能是某种特定文体（政府报告、合同、新闻稿、学术论文、产品文档等）时
- 不要让 3-5 个问题都围绕同一个 JSON 字段
- 问完后必须停下等用户回答，不要自己替用户做判断
参考问题模板（按用户实际 DNA 数据生成具体版本，不要逐字照抄）：
- 你的样本里"<具体词或短语，从 signature_phrases 取>"出现了 N 次——是你的常用表达，还是项目类型/文体要求？
- DNA 显示你偏好<X字短句/长句>（实测平均句长 Y 字）——这符合你的自我认知吗？
- 我注意到你几乎不用"<某个词，从 blacklist_phrases 取>"——是因为你确实不喜欢这个词，还是样本里恰好没碰到？
- 你的样本看起来像[某种文体]，其中"<某种结构模式>"很常见——这是文体格式要求，还是你自己的习惯？
- 词云显示"<高频词>"权重很高——这个词在你的写作中确实常用吗？
等用户回答后再继续
- 如果用户说"准"、"没问题"、"可以"→ 进入流程 B（改写）
- 如果用户指出某些地方不准 → 根据用户反馈调整 <用户名>-formal-dna.json（手动编辑），重新渲染词云图，再次确认
- 如果用户说"整体还行，但我还想补充 XXX" → 把用户补充的信息追加到 JSON 的 rewrite_rules 数组里

这一步的核心价值：DNA 不是"算出来就结束"的数据产品，而是"用户认可后才生效"的风格契约。没有用户确认这一步，后面改写得再好，用户也会觉得"不像我"。

DNA 版本管理

用户每次确认或修正 DNA，用 scripts/dna_versioning.py 存版本快照（save_new_version），不要直接覆盖：自动 +1 版写出 <用户名>-dna-vN.json，并更新当前版指针 <用户名>-dna.json。存完主动告诉用户："这是第 N 版，旧版留着了，想退回说'用回上一版'，想对比说'跟上一版比比'。" 听到「用回上一版 / 换回原来的」→ rollback(...)；「跟上一版比比」→ diff_versions(...)。护栏：指针固定 <用户名>-dna.json，版本快照用 -vN 后缀（改写流程只认指针）。

流程 B：DNA 改写（复用）

前置条件

必须存在已完成 Step 3 确认的 <用户名>-dna.json 和 <用户名>-formal-dna.json，否则回到流程 A。

输入要求

用户提供一段待改写的文本（粘贴或上传 .md / .txt / .docx）。长度不限，但单次改写建议 ≤ 5000 字以保证质量。

执行步骤

Step 1：AI 套话检测

python3 scripts/detect_ai_slop.py --input <用户提供的文本或文件> --output outputs/debug/slop_detection_report.md

脚本会标记出：

高频 AI 套话（从 scripts/ai_slop_dict.py 加载词典）
可疑的句式模式（如"不仅…而且…"连续使用超过 2 次）
过度使用的连接词和总结性语句

输出 slop_detection_report.md，列出检测到的所有疑似 AI 套话及其位置。

Step 2：读取 DNA 文件

读取两个 JSON：

<用户名>-dna.json：统计型数据（签名短语、句长、emoji 等）
<用户名>-formal-dna.json：语义型画像（语气、结构习惯、改写规则）

Step 3：执行改写

python3 scripts/rewrite_with_dna.py \
  --input <用户提供的文本或文件> \
  --dna <用户名>-dna.json \
  --formal-dna <用户名>-formal-dna.json \
  --output outputs/rewrite_runs/<时间戳>_rewrite.md \
  --report outputs/rewrite_runs/<时间戳>_rewrite_report.md

改写规则（按优先级；多目标冲突时，序号靠前者优先）：

信息无损：原文每个事实点、数字、产品名、结论必须保留。
黑名单硬清除：DNA 中 blacklist_phrases 里的词组一个都不能出现。
签名短语自然植入：在合适处使用 signature_phrases，不要硬塞（每 150-200 字 1 个为宜）。
句长结构对齐：按 sentence_features 调整句长与节奏。

冲突取舍：宁可不塞签名短语，也不牺牲信息完整性（1 > 3）；宁可保留信息，也不为对齐句长而删内容（1 > 4）。

长文分段协议：如果输入约 2500 字以上、含多个二级标题/章节，或用户明确说"整篇报告/长文"，先主动告诉用户："这篇较长，我按章节改，改完统一术语和数字。" 然后按章节或标题块逐块改写；分段只是逐块处理，不得重排章节顺序、不得擅自重组结构。合并后必须回查术语、事实数字、产品名、引用对象、标题层级和跨章节指代是否一致。

改写脚本会：

根据 detect_ai_slop.py 的检测结果，移除或替换 AI 套话
根据 signature_phrases，在适当位置自然植入用户的标志性短语
根据 sentence_features，调整句长和节奏（目标平均句长 ± 20% 范围内波动）
根据 openers / closers，调整开头和结尾的写法
根据 blacklist_phrases，确保不出现用户从不使用的表达
根据 emoji_policy，按用户习惯添加或不添加 emoji
根据 rewrite_rules（来自 formal-dna.json），应用用户专属的 4-6 条改写规则

Step 4：生成对比报告

脚本会输出 <时间戳>_rewrite_report.md，包含：

改动摘要：总共修改了多少处，分为哪几类
Before/After 对比表：选取 5-10 个典型改动示例（原句 → 改写后）
风格匹配度评分：改写后的文本与 DNA 的匹配程度（基于 n-gram 重叠度、句长分布相似度等指标）
遗留问题提醒：哪些地方脚本无法自动处理，需要人工润色（如专业术语、特定语境的双关语等）

Step 5：⏸️ 必须停下，等用户确认改写效果

把改写后的文本和对比报告展示给用户，等待反馈。如果报告或调试信息显示有规则被跳过、降权、未命中，必须主动补一句："有 N 条规则这次没应用（样本不稳 / 会伤信息），想知道哪几条说一声。" 用户追问"哪几条没应用 / 为什么没应用"时，列出具体规则和原因。

如果用户满意 → 完成
如果用户说"某些地方还不像" → 针对具体段落微调（你可以直接编辑 <时间戳>_rewrite.md，或让用户告诉你哪里不像，你手动修改）
如果用户说"太过了/用力过猛" → 降低 signature_phrases 的植入密度，重新跑 Step 3
如果用户说"还不够" → 增加某些特征的强度（比如更短的句子、更多的标志性短语）

改写的核心原则：不是"替换成另一种风格"，而是"去掉 AI 的壳，露出用户的味道"。改写后的文本应该让熟悉用户的人一看就说"这确实像他/她写的"。

高级功能

多用户支持

同一个项目可以为多个用户维护不同的 DNA 文件：

outputs/dna_profiles/
├── zhangsan-dna.json
├── zhangsan-formal-dna.json
├── lisi-dna.json
├── lisi-formal-dna.json

改写时通过 --dna 和 --formal-dna 参数指定使用哪个用户的 DNA。

DNA 迭代优化

用户可以在使用过程中不断修正 DNA：

初次提取 → 确认 → 使用
使用中发现某些地方不准 → 手动编辑 <用户名>-formal-dna.json
积累了新的代表作 → 重新跑流程 A（覆盖旧的 dna.json）
长期使用后，DNA 会越来越精准

批量改写

支持批量处理多个文件：

python3 scripts/rewrite_with_dna.py \
  --input inputs/to_rewrite/ \
  --dna <用户名>-dna.json \
  --formal-dna <用户名>-formal-dna.json \
  --output outputs/rewrite_runs/batch_<时间戳>/ \
  --batch

故障排查

常见问题

Q：提取的 DNA 不准确

A：检查样本数量是否 ≥ 5 篇；运行 test_sample_sufficiency.py 诊断；确认模板剥离是否彻底（查看 strip_report.md）

Q：改写后还是有 AI 味

A：检查 ai_slop_dict.py 是否覆盖了当前检测到的套话；手动编辑词典添加新条目；确认 blacklist_phrases 是否包含了用户痛恨的表达

Q：改写后不像用户写的

A：检查 formal-dna.json 的 rewrite_rules 是否准确；回看 Step 3 的确认环节，用户是否有未充分表达的偏好；考虑增加样本重新提取

Q：脚本报错

A：检查 Python 版本是否 ≥ 3.8；确认依赖已安装（pip install -r requirements.txt）；查看 outputs/debug/ 目录下的日志文件

技术架构

核心脚本说明

脚本	功能	输入	输出
`extract_dna.py`	从清洗后的文本提取统计型 DNA	模板剥离后的 .md 文件	`<用户名>-dna.json`
`strip_template.py`	跨文档对齐，剥离字面模板	原始 .md/.docx 文件	剥离后的 .md + 报告
`detect_ai_slop.py`	检测 AI 套话	待改写文本	检测报告
`rewrite_with_dna.py`	基于 DNA 改写文本	待改写文本 + DNA 文件	改写后文本 + 对比报告
`render_dna_feature_cloud.py`	渲染 DNA 特征云图	`<用户名>-formal-dna.json`	PNG 图片
`test_sample_sufficiency.py`	诊断样本充足性	原始样本文件	诊断报告

数据流

原始文档 (.docx/.md/.txt)
    ↓ docx_to_md.py (如果是 .docx)
清洗后的纯文本
    ↓ strip_template.py (模板剥离)
模板剥离后的文本
    ↓ extract_dna.py (DNA 提取)
<用户名>-dna.json (统计型) + <用户名>-formal-dna.json (语义型)
    ↓ render_dna_feature_cloud.py (可视化)
特征云图 (PNG)
    ↓ 用户确认
待改写文本
    ↓ detect_ai_slop.py (AI 套话检测)
检测结果
    ↓ rewrite_with_dna.py (基于 DNA 改写)
改写后的文本 + 对比报告
    ↓ 用户确认
最终成稿

注意事项

隐私安全：DNA 文件包含用户的写作风格特征，属于个人信息。不要将 <用户名>-dna.json 或 <用户名>-formal-dna.json 提交到公开仓库（已在 .gitignore 中排除）。
样本质量：DNA 质量取决于样本质量。确保样本是用户亲自撰写的内容，而不是他人代笔或大量引用的内容。
文体多样性：如果用户有多种写作风格（如工作邮件 vs 个人博客），建议分别为每种风格提取独立的 DNA，或在提取时明确告知脚本文体范围。
语言限制：当前版本主要针对中文写作风格优化。英文或其他语言的改写效果可能不如中文理想。
版本兼容性：DNA 文件格式可能随版本更新而变化。如果升级本 skill 后遇到兼容性问题，建议重新运行流程 A 提取新的 DNA。

更新日志

v1.0 (2026-05-22): 初始版本发布
- 实现 DNA 提取和改写核心流程
- 支持 4 个 IDE 平台（Trae / Cursor / Claude Code / CodeX）的斜杠命令注册
- 完善模板剥离三层流程（确定性算法 + 语义识别 + 用户确认）
- 添加样本充足性诊断工具

name

writing-dna

description

Writing DNA · 个人写作风格守护者

这个 skill 解决什么

这个 skill 干两件事：

一次性提取你的"写作 DNA"——从你过去 5-12 篇代表作里抽取签名短语、句长偏好、开头/结尾习惯、emoji 用法、段落节奏，存成 <用户名>-dna.json。这份档案永久复用，换工具、换设备都带得走。
每次改写带"AI 味"的草稿——读取 DNA 文件 → 检测并清除套话 → 按你的风格重写 → 输出"内容不变、味道是你"的成稿，附带 before/after 对比报告。

何时使用

主动触发（DNA 提取）：用户上传了多篇过往文章并提到"风格"、"指纹"、"我的写作习惯"、"分析写作"、"提取 DNA"等词时，启动 DNA 提取流程。

不要触发：用户只是要求"改得通顺一点"、"翻译"、"摘要"——这些与个人风格无关。

首次回复：智能判断+引导（禁止输出 CLI 命令）

这个 skill 默认运行在工具对话框里。用户不应该被迫理解脚本链路、目录约定和参数细节；模型要先读懂用户已经给了什么，再决定下一步怎么做。

场景 A：skill 刚被安装/激活，用户还没输入实际内容

❌ 列出"克隆仓库 / 安装依赖 / 脚本验证 / 部署到工作区" 这类验证表
❌ 罗列 python run.py pipeline / python run.py extract 等 CLI 命令
❌ "快速开始" 编号步骤（1. 跑这个 2. 跑那个）
❌ 列脚本路径、依赖名、目录约定
❌ 任何带 ✅ / ❌ / 进度条样式的"安装结果"

而是用自然对话语气说一段话，结构包含：

一句简短自我介绍：你能帮用户做什么（避开"提取 DNA""签名短语"这种术语，用"分析你的写作风格"这类人话）
直接问用户想做哪件事：不要问"你要提取还是改写"，问"你想先做哪件事"
告诉用户怎么开始：把文章/草稿拖进对话框、或者粘贴出来

参考示例（不要逐字照抄，按当前用户语境改写）：

你好。我是用来帮你"守住自己写作味道"的——能从你过去的文章里提一份只属于你的"写作 DNA"，下次让 AI 写东西就能按你的味道来。

用法是两步：

第一步（必做、一次性）：先把 5-12 篇你过去写过的东西丢进来，我先帮你提一份"写作 DNA"。这是基础——没有它就没法做风格化改写。

第二步（之后每次用）：有了 DNA 之后，每次拿到 AI 草稿，直接粘过来，我会按你的 DNA 改写。

第一次用的话，先把过往文章丢进来吧。.docx / .md / .txt 都能拖进对话框，也可以直接粘贴文字、用 --- 隔开多篇。

（如果你之前已经做过 DNA 分析、手上有 <用户名>-dna.json 文件，告诉我一声，我会跳过第一步直接进改写。）

场景 B：用户已经在消息里给了实际内容

核心原则：

先看本轮对话里的附件、粘贴文本和关键词，再决定是提取 DNA 还是改写草稿
能直接判断就直接进入对应流程，不把"你要提取还是改写"作为默认问题
信息不足时只问一个必要问题
执行过程中的脚本和路径由模型处理；只有排查、复现或用户主动要求时才展开命令
必须在模板剥离确认、DNA 确认和改写效果确认三个节点停下等用户判断

意图判断规则

用户消息特征	判定	直接进入
上传了文件 + 提到"风格/指纹/提取/分析/DNA/我的写作习惯"	提取 DNA	流程 A（跳过确认，直接说"我先提取 DNA，流程是..."）
给了一段文字 + 提到"去 AI 味/改写/不像我/用我的风格/太 AI 了"	改写草稿	流程 B（先确认 DNA 文件是否存在）
用户只说了模糊的话（如"帮帮我""试试这个 skill"）	无法判断	回到场景 A 的欢迎语，让用户告诉你想做哪件事

简短的流程提示

判定后进入流程 A 或 B 之前，可以用一句话告诉用户接下来会做什么（禁止在这条回复中出现任何 python 命令或脚本路径）：

我先帮你做风格分析（放样本 → 模板剥离 → 提取 DNA → 给你看结果让你确认），整个过程中你只需要确认三次：模板剥留、DNA 画像准不准，以及改写效果像不像你。

然后直接按判定结果进入流程 A 或流程 B，不要再问。

流程 A：DNA 提取（一次性）

输入要求

用户应提供 5-12 篇个人代表作，每篇 ≥ 800 字。具体效果：

篇数	效果	说明
1-4（< 1.7万字）	❌ 不足	无法区分单篇特有与跨篇稳定特征
5（约2万字）	⚠️ 下限	刚好让稳定特征浮现，不确定项偏多
8（约3.5万字）	✅ 最佳	不确定项收敛，大部分特征确认
12（约5万字）	✅ 上限	特征基本饱和，再增量边际收益极低

以上数值基于实测验证（见 scripts/test_sample_sufficiency.py，含留一法、同型 vs 异型拆分、饱和度曲线三项测试）。

文章数量不足 5 篇时主动告知"样本太少会让指纹不稳定，建议至少 5 篇"，但允许用户坚持继续。

当用户对 DNA 提取结果或改写效果不满意时，不要盲目建议加样本。应运行诊断测试：

python scripts/test_sample_sufficiency.py

留一法距离 < 0.25 → 样本不是瓶颈，问题在提取规则或改写参数
留一法距离 > 0.25 → 样本不够稳，建议加 2-3 篇不同类型文档
异型距离明显小于同型距离 → 当前样本类型多样性不足，优先加不同类型而非同型堆量
饱和度曲线已平 → 再加任何篇数都不会提升效果，无需追加

文件可以是：

.docx 文件（本 skill 内置 DOCX→Markdown 转换链路）
.md / .txt 文件
直接粘贴的多段文字（用 --- 或明显分隔符分开）
文件夹路径（自动扫描该目录下所有 .docx / .md / .txt 文件）

执行步骤

Step 0：确定输入来源——先看对话，再看文件夹

用户触发后，按以下优先级确定输入：

用户在本轮对话中直接上传了文件（.docx/.md/.txt）→ 直接用这些文件，不再问"文件在哪里"
用户在本轮对话中粘贴了文字（用 --- 隔开多篇）→ 识别分隔符，拆成多篇
用户指定了文件夹路径（如 inputs/raw_docx_articles/）→ 扫描该目录
以上都没有 → 告诉用户："直接把文章拖进对话框就行，支持 .docx / .md / .txt"

关键是：不要在 Step 0 问用户"文件在哪里"——先检查对话里有没有，有了就直接干活。

Step 1：读取并清洗文本

逐篇读入（.docx 自动转 Markdown），去除 markdown 语法标记（保留纯文字）、去除代码块、保留段落结构。

Step 1.5：模板剥离与文体识别（PRD §8.1.3 · 三层流程，不可跳过）

PRD 的核心原则：

模板决定这类文档应该怎么写，DNA 决定你在这个模板里习惯怎么写。

Step 1.5a：跑跨文档对齐脚本（Layer 1 · 确定性算法）

python3 scripts/strip_template.py --input <用户上传文件列表或文件夹> --output-dir inputs/template_stripped_markdown/ --report outputs/template_profiles/strip_report.md

这个脚本不依赖任何文体先验，只做"确定性"的字面对齐检测：

跨 ≥60% 文档出现完全相同的整句 → 必然是模板
跨 ≥60% 文档用相同 markdown 章节标题 → 这些章节及内容是模板
跨 ≥60% 文档出现 ≥8 字相同短语 → 必然是模板套话

输出两份产物：

inputs/template_stripped_markdown/：剥离后的样本（这里的内容才是个人 DNA 的来源）
outputs/template_profiles/strip_report.md：剥离了什么、按哪些规则剥的人类可读报告

Step 1.5b：你（AI）做语义层模板识别（Layer 2）

读完 strip_report.md 之后，你必须主动做两件事：

文体识别：用户的样本看起来是什么文体？常见类型：学术论文 / 邮件 / 公众号 / 政府报告 / 合同 / 新闻稿 / 博客 / 产品文档 / 小说 / 教程 / 评论 / 散文 / 简历 / 商业计划书……

残余模板检测：脚本只能抓字面重复模板。你需要识别 Layer 1 漏掉的"结构相同但内容不同"的语义模板。各文体的典型残余模板：

文体	典型残余模板
学术论文	"摘要/引言/方法/结果/讨论"段落写法、"前人研究表明..."、"本研究的贡献在于..."
邮件	"亲爱的 X、收到您的来信..."、"此致敬礼"、客套寒暄段
公众号	"今天来聊聊..."、"点赞关注转发"、号召订阅话术
政府报告	"为深入贯彻..."、"指标主要考核 + 满分 + 得分率" 句式、"现将... 报告如下"
新闻稿	"据悉/记者获悉"、5W1H 开头模式、"对此，X 表示"
合同	"甲方/乙方"称谓、"特此协议"、"未尽事宜"
小说	第一/三人称固定开场、章节回目套语
教程	"本文将介绍/学完本文你将"、"步骤 1/2/3" 套话

你必须用样本本身的内容去判断，不是用上表的字面值去匹配。上表只是提示你"哪类残余模板要找"。

Step 1.5c：把识别到的残余模板展示给用户、等待确认（Layer 3）

用对话方式把判断结果展示给用户，让用户拍板。模板：

看你的样本，我猜是 [X 文体]。

脚本（Layer 1）已经剥离了字面重复的内容（详见 outputs/template_profiles/strip_report.md）。

剩下的样本里，我还观察到几处看起来是 X 文体的格式要求、不是你的个人风格：

"[具体短语/句式模式]" — 比如某篇里写了 "[原文片段]" — 这种结构在 N/M 篇里都有

"[功能段落模式]" — 每篇都有讲 "[功能]" 的段落，但内容不同

...（最多 4 条，不要事无巨细）

这些是文体要求还是你的写作习惯？要从 DNA 提取里剥掉吗？

用户回答后：

用户说	你做
"是文体要求，剥"	从 `inputs/template_stripped_markdown/` 里手动删除这些段落（直接编辑文件）
"是我的风格，留"	保留
"[某条]剥，[某条]留"	按用户指示分别处理
"我看不出来，你来定"	不要替用户决定。说"那我先按现状继续，提取出来你再校"，进入 Step 2

只有等用户确认完，才能进入 Step 2 调用 extract_dna.py。

Step 1.5d：把样本预检结论并入这同一条确认消息（不另起停等点）

顺便看了下样本质量：有两篇内容几乎重合（像同一篇的初稿和定稿），实际等于只有 4 篇不同的；最短一篇才 300 字，偏短。其余正常。

分级处理（依据预检输出的 severity）：

severity = serious（篇数 < 5 / 高度同质 / 多数近重复整篇）→ 软阻断：提醒后要用户显式说「我知道风险，继续」才往下；但用户坚持就放行（保住「允许坚持继续」承诺）。
severity = light（接近饱和、略不均、类型偏单一）→ 只提示，不拦。
severity = ok → 一句带过即可。

核心原则：

Layer 1（脚本）抓 90% 的字面模板。Layer 2 + 3（你 + 用户）抓剩下 10% 的语义模板。
这一步的目标只有一个：让进入 DNA 提取的内容真正是"用户独特的表达"，不是"用户在某种文体里被迫写的"。
不要跳过 Layer 3 用户确认这一环——你判断错了文体或者把个人风格当成了模板，用户能纠正。

Step 2：调用提取脚本（输入必须为 Step 1.5 模板剥离后的文件）

python3 scripts/extract_dna.py --input inputs/template_stripped_markdown/ --user-name <用户名> --output <用户名>-dna.json

脚本会输出一份 JSON。关键字段及含义见 references/dna_schema.md，简版如下：

signature_phrases：跨多篇出现 ≥ 2 次的标志性短语
openers / closers：开头/结尾常用句式
sentence_features：平均句长、短句占比、段落平均行数
blacklist_phrases：用户从不使用的套话（用于改写时硬性禁用）
emoji_policy：常用 emoji 白名单、从未用过的 emoji 黑名单
tone_descriptors：自动总结的语气特征（如"自嘲带刺"、"克制理性"、"温暖热情"）

Step 2.5：生成语义 DNA 画像 JSON + 词云图

JSON 结构（参照 outputs/dna_profiles/user_dna_profile.json）：

⚠️ 关键提示：以下 JSON 字段值是占位符，描述的是"该字段应该装什么类型的信息"，不是"该字段应该填什么具体内容"。

{
  "author": "<用户名>",
  "overall_assessment": "<一句话概括用户写作风格定位，基于实际样本归纳——可能是'克制温柔的观察者''逻辑精确的技术作家''随性自嘲的吐槽派''稳健规范的公文作者'等，由样本决定>",
  "structure_habits": {
    "within_section": "<段落/章节内组织方式：根据样本归纳，可能是'先抛矛盾再展开''先举具体例子再总结''意识流推进''先判断后展开'等。不要默认套'先判断后展开'>",
    "transition_mode": "<段间/句间过渡方式：根据样本归纳，可能是'用空行切场景''用问句开新段''用具体词汇衔接''一是…二是…枚举'等。绝对不要默认填'一是…二是…'，除非样本实际大量使用>"
  },
  "argumentation_style": {
    "problem_analysis": "<分析问题的方式：根据样本归纳，可能是'诉诸细节''先抛情绪再讲事实''反问引入''先定性再枚举'等；如果样本主题不写论证类内容，填'未明显体现'>",
    "suggestion_delivery": "<给建议/结论的方式：根据样本归纳，可能是'反问引发思考''具体场景假设''直白陈述''建制式建议'等>"
  },
  "language_features": {
    "sentence_length": "<句长特征：根据 sentence_features 实测值描述，例：'平均 22 字、短句占 45%，节奏紧凑'或'长句为主、分号连接多信息单元'>",
    "tone": "<语气特征：根据样本实际语言风格归纳，可能是'冷静克制''随性自嘲''热情张扬''温柔细腻''稳健规范'等>"
  },
  "rewrite_rules": [
    "<根据用户实际样本归纳的 4-6 条改写规则；每条规则必须能在样本中找到具体证据>",
    "<示例（仅当样本支持时使用）：'保留口语化感叹词''句末多用反问''标题用具象动词''用空行而不是连接词分段'等>",
    "<不要照搬以下任何一条字面值，要按实际样本生成：'问题用一是二是三是''建议用建议+主体+动作+内容''判断后接事实'>"
  ]
}

写完 JSON 后自检三遍：

❓ 公文体污染检查：我有没有不假思索地填了"一是…二是""制度/机制/流程/权责""判断后接事实""稳健规范"？如果有，回去看样本——这些词在样本里真的高频出现吗？还是我抄了示例？
❓ 个人风格 vs 文体要求检查：用户的样本如果都是同一文体（政府报告/合同/新闻稿/学术论文），那"分点叙述""判断后接事实""稳健规范"很可能是文体要求（用户被迫这样写的），不是个人风格（用户在没人要求时也会这样写的）。这两者必须分开。把文体要求误判为个人风格 = DNA 完全失效。
❓ 抽象标签检查：字段值里有没有抽象的分析者标签（如"建议+主体+动作+内容""手段→动作→目的"）？这些是分析者用的术语，不是写作者本人的语言。改成更具体的描述，或删除。

生成 JSON 后立即调用：

python3 scripts/render_dna_feature_cloud.py --input <用户名>-formal-dna.json --output <用户名>-dna_feature_cloud.png

Step 3：⏸️ 必须停下，等用户确认 DNA 准不准

这一步绝对不能跳过，也绝对不能替用户做判断。

提取完 DNA 后，你必须：

用图片语法贴一次（且仅一次）特征云 PNG：
```
![写作DNA特征云](<用户名>-dna_feature_cloud.png)
```
- 同时用文字告诉用户完整路径："特征云已保存到 <完整路径>，可以直接打开看"
- 如果对话框无法渲染图片，明确告诉用户去哪个目录找这个 PNG
- 不要重复贴：全场只展示一次。如果用户主动要求重看，再贴一次；默认情况下展示一次就够了
- 不要把横向条形统计图当作 DNA 确认图交付：正式确认优先展示 <用户名>-dna_feature_cloud.png。如果当前流程只生成了 <用户名>-dna_hotwords.png，它也必须是词云/特征云视觉，不能是横向 bar chart；看到旧版条形图时应重新运行新版 extract_dna.py 或改用 render_dna_feature_cloud.py。
基于实际 DNA 数据，主动向用户提 3-5 个具体问题（替代旧版"甩静态检查清单让用户自己对照"的做法）

问题必须满足以下规则：
- 每个问题都引用 DNA JSON 里的具体内容：举出实际短语、实际句长数字、实际开头片段；不要泛泛而谈
- 必须包含至少一个"区分文体要求 vs 个人风格"的问题——尤其当用户样本可能是某种特定文体（政府报告、合同、新闻稿、学术论文、产品文档等）时
- 不要让 3-5 个问题都围绕同一个 JSON 字段
- 问完后必须停下等用户回答，不要自己替用户做判断
参考问题模板（按用户实际 DNA 数据生成具体版本，不要逐字照抄）：
- 你的样本里"<具体词或短语，从 signature_phrases 取>"出现了 N 次——是你的常用表达，还是项目类型/文体要求？
- DNA 显示你偏好<X字短句/长句>（实测平均句长 Y 字）——这符合你的自我认知吗？
- 我注意到你几乎不用"<某个词，从 blacklist_phrases 取>"——是因为你确实不喜欢这个词，还是样本里恰好没碰到？
- 你的样本看起来像[某种文体]，其中"<某种结构模式>"很常见——这是文体格式要求，还是你自己的习惯？
- 词云显示"<高频词>"权重很高——这个词在你的写作中确实常用吗？
等用户回答后再继续
- 如果用户说"准"、"没问题"、"可以"→ 进入流程 B（改写）
- 如果用户指出某些地方不准 → 根据用户反馈调整 <用户名>-formal-dna.json（手动编辑），重新渲染词云图，再次确认
- 如果用户说"整体还行，但我还想补充 XXX" → 把用户补充的信息追加到 JSON 的 rewrite_rules 数组里

DNA 版本管理

流程 B：DNA 改写（复用）

前置条件

必须存在已完成 Step 3 确认的 <用户名>-dna.json 和 <用户名>-formal-dna.json，否则回到流程 A。

输入要求

用户提供一段待改写的文本（粘贴或上传 .md / .txt / .docx）。长度不限，但单次改写建议 ≤ 5000 字以保证质量。

执行步骤

Step 1：AI 套话检测

python3 scripts/detect_ai_slop.py --input <用户提供的文本或文件> --output outputs/debug/slop_detection_report.md

脚本会标记出：

高频 AI 套话（从 scripts/ai_slop_dict.py 加载词典）
可疑的句式模式（如"不仅…而且…"连续使用超过 2 次）
过度使用的连接词和总结性语句

输出 slop_detection_report.md，列出检测到的所有疑似 AI 套话及其位置。

Step 2：读取 DNA 文件

读取两个 JSON：

<用户名>-dna.json：统计型数据（签名短语、句长、emoji 等）
<用户名>-formal-dna.json：语义型画像（语气、结构习惯、改写规则）

Step 3：执行改写

python3 scripts/rewrite_with_dna.py \
  --input <用户提供的文本或文件> \
  --dna <用户名>-dna.json \
  --formal-dna <用户名>-formal-dna.json \
  --output outputs/rewrite_runs/<时间戳>_rewrite.md \
  --report outputs/rewrite_runs/<时间戳>_rewrite_report.md

改写规则（按优先级；多目标冲突时，序号靠前者优先）：

信息无损：原文每个事实点、数字、产品名、结论必须保留。
黑名单硬清除：DNA 中 blacklist_phrases 里的词组一个都不能出现。
签名短语自然植入：在合适处使用 signature_phrases，不要硬塞（每 150-200 字 1 个为宜）。
句长结构对齐：按 sentence_features 调整句长与节奏。

冲突取舍：宁可不塞签名短语，也不牺牲信息完整性（1 > 3）；宁可保留信息，也不为对齐句长而删内容（1 > 4）。

改写脚本会：

根据 detect_ai_slop.py 的检测结果，移除或替换 AI 套话
根据 signature_phrases，在适当位置自然植入用户的标志性短语
根据 sentence_features，调整句长和节奏（目标平均句长 ± 20% 范围内波动）
根据 openers / closers，调整开头和结尾的写法
根据 blacklist_phrases，确保不出现用户从不使用的表达
根据 emoji_policy，按用户习惯添加或不添加 emoji
根据 rewrite_rules（来自 formal-dna.json），应用用户专属的 4-6 条改写规则

Step 4：生成对比报告

脚本会输出 <时间戳>_rewrite_report.md，包含：

改动摘要：总共修改了多少处，分为哪几类
Before/After 对比表：选取 5-10 个典型改动示例（原句 → 改写后）
风格匹配度评分：改写后的文本与 DNA 的匹配程度（基于 n-gram 重叠度、句长分布相似度等指标）
遗留问题提醒：哪些地方脚本无法自动处理，需要人工润色（如专业术语、特定语境的双关语等）

Step 5：⏸️ 必须停下，等用户确认改写效果

如果用户满意 → 完成
如果用户说"某些地方还不像" → 针对具体段落微调（你可以直接编辑 <时间戳>_rewrite.md，或让用户告诉你哪里不像，你手动修改）
如果用户说"太过了/用力过猛" → 降低 signature_phrases 的植入密度，重新跑 Step 3
如果用户说"还不够" → 增加某些特征的强度（比如更短的句子、更多的标志性短语）

高级功能

多用户支持

同一个项目可以为多个用户维护不同的 DNA 文件：

outputs/dna_profiles/
├── zhangsan-dna.json
├── zhangsan-formal-dna.json
├── lisi-dna.json
├── lisi-formal-dna.json

改写时通过 --dna 和 --formal-dna 参数指定使用哪个用户的 DNA。

DNA 迭代优化

用户可以在使用过程中不断修正 DNA：

初次提取 → 确认 → 使用
使用中发现某些地方不准 → 手动编辑 <用户名>-formal-dna.json
积累了新的代表作 → 重新跑流程 A（覆盖旧的 dna.json）
长期使用后，DNA 会越来越精准

批量改写

支持批量处理多个文件：

python3 scripts/rewrite_with_dna.py \
  --input inputs/to_rewrite/ \
  --dna <用户名>-dna.json \
  --formal-dna <用户名>-formal-dna.json \
  --output outputs/rewrite_runs/batch_<时间戳>/ \
  --batch

故障排查

常见问题

Q：提取的 DNA 不准确

A：检查样本数量是否 ≥ 5 篇；运行 test_sample_sufficiency.py 诊断；确认模板剥离是否彻底（查看 strip_report.md）

Q：改写后还是有 AI 味

A：检查 ai_slop_dict.py 是否覆盖了当前检测到的套话；手动编辑词典添加新条目；确认 blacklist_phrases 是否包含了用户痛恨的表达

Q：改写后不像用户写的

A：检查 formal-dna.json 的 rewrite_rules 是否准确；回看 Step 3 的确认环节，用户是否有未充分表达的偏好；考虑增加样本重新提取

Q：脚本报错

A：检查 Python 版本是否 ≥ 3.8；确认依赖已安装（pip install -r requirements.txt）；查看 outputs/debug/ 目录下的日志文件

技术架构

核心脚本说明

脚本	功能	输入	输出
`extract_dna.py`	从清洗后的文本提取统计型 DNA	模板剥离后的 .md 文件	`<用户名>-dna.json`
`strip_template.py`	跨文档对齐，剥离字面模板	原始 .md/.docx 文件	剥离后的 .md + 报告
`detect_ai_slop.py`	检测 AI 套话	待改写文本	检测报告
`rewrite_with_dna.py`	基于 DNA 改写文本	待改写文本 + DNA 文件	改写后文本 + 对比报告
`render_dna_feature_cloud.py`	渲染 DNA 特征云图	`<用户名>-formal-dna.json`	PNG 图片
`test_sample_sufficiency.py`	诊断样本充足性	原始样本文件	诊断报告

数据流

原始文档 (.docx/.md/.txt)
    ↓ docx_to_md.py (如果是 .docx)
清洗后的纯文本
    ↓ strip_template.py (模板剥离)
模板剥离后的文本
    ↓ extract_dna.py (DNA 提取)
<用户名>-dna.json (统计型) + <用户名>-formal-dna.json (语义型)
    ↓ render_dna_feature_cloud.py (可视化)
特征云图 (PNG)
    ↓ 用户确认
待改写文本
    ↓ detect_ai_slop.py (AI 套话检测)
检测结果
    ↓ rewrite_with_dna.py (基于 DNA 改写)
改写后的文本 + 对比报告
    ↓ 用户确认
最终成稿

注意事项

隐私安全：DNA 文件包含用户的写作风格特征，属于个人信息。不要将 <用户名>-dna.json 或 <用户名>-formal-dna.json 提交到公开仓库（已在 .gitignore 中排除）。
样本质量：DNA 质量取决于样本质量。确保样本是用户亲自撰写的内容，而不是他人代笔或大量引用的内容。
文体多样性：如果用户有多种写作风格（如工作邮件 vs 个人博客），建议分别为每种风格提取独立的 DNA，或在提取时明确告知脚本文体范围。
语言限制：当前版本主要针对中文写作风格优化。英文或其他语言的改写效果可能不如中文理想。
版本兼容性：DNA 文件格式可能随版本更新而变化。如果升级本 skill 后遇到兼容性问题，建议重新运行流程 A 提取新的 DNA。

更新日志

v1.0 (2026-05-22): 初始版本发布
- 实现 DNA 提取和改写核心流程
- 支持 4 个 IDE 平台（Trae / Cursor / Claude Code / CodeX）的斜杠命令注册
- 完善模板剥离三层流程（确定性算法 + 语义识别 + 用户确认）
- 添加样本充足性诊断工具

writing-dna

More from this repository

More from this repository

Writing DNA · 个人写作风格守护者

这个 skill 解决什么

何时使用

首次回复：智能判断+引导（禁止输出 CLI 命令）

场景 A：skill 刚被安装/激活，用户还没输入实际内容

场景 B：用户已经在消息里给了实际内容

意图判断规则

简短的流程提示

流程 A：DNA 提取（一次性）

输入要求

执行步骤

DNA 版本管理

流程 B：DNA 改写（复用）

前置条件

输入要求

执行步骤

高级功能

多用户支持

DNA 迭代优化

批量改写

故障排查

常见问题

技术架构

核心脚本说明

数据流

注意事项

更新日志

Writing DNA · 个人写作风格守护者

这个 skill 解决什么

何时使用

首次回复：智能判断+引导（禁止输出 CLI 命令）

场景 A：skill 刚被安装/激活，用户还没输入实际内容

场景 B：用户已经在消息里给了实际内容

意图判断规则

简短的流程提示

流程 A：DNA 提取（一次性）

输入要求

执行步骤

DNA 版本管理

流程 B：DNA 改写（复用）

前置条件

输入要求

执行步骤

高级功能

多用户支持

DNA 迭代优化

批量改写

故障排查

常见问题

技术架构

核心脚本说明

数据流

注意事项

更新日志