Menu
公众号深度技术文章的主体内容写作风格，用于生成拓展思路与视野的结构化分析笔记
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.
Based on SOC occupation classification
| name | article-body-writing |
| description | 公众号深度技术文章的主体内容写作风格，用于生成拓展思路与视野的结构化分析笔记 |
拓展思路，而非罗列信息。
每篇文章的目标不是把原文内容"翻译"成笔记，而是帮读者理解：这篇文章想让人产生什么样的思考？它打破了哪些常见认知？它提供了什么新的视角？
具体原则：
用一段话构建全文的"论点炸弹"，必须包含：
写作要求：信息密度要高，一段话要让读者立刻理解"这篇文章为什么值得读"。
示例：
Claude Code v2.1.88的核心竞争力，并非单点技术突破，而是通过12层渐进式工程包装（Progressive Harness），将一个极简的Agent核心循环，逐层升级为安全、高效、可扩展的工业级自主编码代理。它用工程化设计解决了AI Agent落地的核心痛点：上下文污染、行为不可控、安全风险、token效率低下，重新定义了工业级Agent的设计标准。
4-6 个章节，典型结构（可根据文章内容灵活调整）：
| 章节 | 核心职责 | 适用场景 |
|---|---|---|
| 一、核心概念与背景 | 定义关键概念，厘清易混淆术语，建立讨论基础 | 几乎所有文章都需要 |
| 二、问题与矛盾分析 | 揭示核心矛盾、痛点、固有挑战 | 偏分析型文章 |
| 三、核心机制/架构拆解 | 文章主体，深度拆解技术细节 | 几乎所有文章都需要 |
| 四、核心认知升级 | 提炼哲学、原则、思维模型 | 偏深度分析文章 |
| 五、落地指南与总结 | 行动建议、全景总结、回扣开头 | 几乎所有文章都需要 |
灵活变体（根据文章类型选择）：
每个一级章节下 2-4 个二级标题，用 ### （一） ### （二） 编号（中文括号数字），标题要概括该节的核心论点，而非仅仅描述内容。
用 1. 2. 3. 编号，展开二级标题下的具体要点。
每个核心章节至少一个表格，表格是拓展思路的核心工具。
| 用法 | 适用场景 | 列数建议 |
|---|---|---|
| 方案/技术对比 | 选型决策、路线对比、优劣分析 | 3-4列（方案/优势/问题/结论） |
| 要素归纳 | 概念厘清、模块定位、职责划分 | 3-4列（概念/回答的问题/定位/补充说明） |
| 分层说明 | 架构层级、演进阶段、优先级 | 3-4列（层级/名称/核心能力/工程洞察） |
| 双面分析 | AI的改善与新问题、变与不变 | 3-4列（维度/原有问题/AI改善/AI新问题） |
示例（选型对比表）：
针对单Agent在复杂需求下的失稳问题，文章对比了三条技术路线：
| 技术路线 | 核心优势 | 核心问题 | 最终选型结果 |
|---|---|---|---|
| 继续强化单Agent | 成本最低、改造最少 | 角色冲突愈发严重，长链路任务极易失稳 | 仅作为早期阶段有效 |
| 去中心化协作 | 足够灵活，应变能力强 | 行为路径不稳定、责任边界不清、极难长期维护 | 明确放弃，不适合工程长期维护 |
| 结构化调度 | 流程清晰、可控性强、结果可审计 | 前期设计成本更高、灵活性相对较弱 | 最终选定主路线 |
图片由系统自动插入，通过两轮 LLM 处理：第一轮生成纯文本笔记，第二轮结合图片描述在合适位置嵌入 [IMG:N] 占位符。正文中无需使用  标记，也不要输出 images 字段。
文章中最关键的结论，用 **核心洞察**： 前缀引出，让读者一眼抓住重点。
示例：
核心洞察：所有复杂性都被外推到两个地方——工具层和包装层，核心循环永不改变，完美践行了开闭原则。
核心概念首次出现时加粗，中英文并存保留英文，如 渐进式工程包装（Progressive Harness）。
高频句式（用于拓展思路）：
高频术语：核心、本质、落地、拆解、解构、范式、工程化、闭环、痛点、演进、第一性原理、公理、约束优化
避免：口语化、过度简化、无依据断言、"综上所述"等八股结尾
提炼 3-7 条核心原则，每条一句话概括，用编号列表。这是文章"拓展思路"的核心价值所在。
示例：
3-5 条可落地建议，每条要具体、可执行，不要写空泛建议。可以用优先级标注（P0/P1/P2）。
示例：
| 优先级 | 核心动作 | 启发 |
|---|---|---|
| P0 | 实现基础 Agent Loop + Bash Tool | 最小可行产品，先跑通核心闭环 |
| P0 | 添加 Planning 机制 | 零成本实现任务完成率翻倍 |
| P1 | 实现 Sub-Agent + 上下文隔离 | 解决上下文污染的核心痛点 |
回扣开头论点，展望未来方向。不要用"综上所述"，要用有力量的收尾。
示例：
Claude Code v2.1.88的优秀，从来不是因为Claude模型本身的能力碾压，而是它用极致的工程化设计，把大模型的能力封装成了安全、可控、高效的工业级产品。它的12层渐进式包装、安全优先的工具设计、按需注入的知识体系、透明的上下文管理，为所有AI Agent开发者提供了可复用的落地范式。
