| name | pmem-style-generation |
| description | 基于 powermem 中的 Style Profile 生成带有个人烙印的文稿。先中立提取素材核心信息，再拉取风格 Profile 组装 Compiler Prompt 驱动大模型输出。当用户提到"帮我写一篇"、"按我的风格写"、"生成文章"、"写条推特"、"写个小红书"、"写公众号文章"，或提供素材要求创作时使用此 skill。 |
Style Generation
两步走：先对素材做"信息脱水"，再用风格 Profile 做"注魂"，最终一次性输出专属文稿。
核心流程
0. 环境准备（首次执行）
在运行任何脚本前，先准备 .venv。下面的写法不依赖固定绝对路径：
ROOT_DIR="$(cd ../.. && pwd)"
PYTHON_BIN="$ROOT_DIR/.venv/bin/python"
test -d "$ROOT_DIR/.venv" || python3 -m venv "$ROOT_DIR/.venv"
"$PYTHON_BIN" -m pip install -U pip
"$PYTHON_BIN" -m pip install -U powermem python-dotenv
后续所有 Python 脚本都使用 $PYTHON_BIN 执行，不依赖当前 shell 是否已激活虚拟环境。
配置管理说明：
- 首次使用时，脚本会自动创建
../pmem-config/ 共享配置目录
- 包含
pmem-key.env（用户配置）和 .env（完整模板）
- 配置优先级：系统环境变量 >
pmem-config/pmem-key.env > pmem-config/.env
- 两个 skills（extraction 和 generation）共享同一配置，配置一次即可
0.1 配置检测（必需步骤）
每次运行前必须执行配置检测：
"$PYTHON_BIN" scripts/check_config.py
如果配置检测失败（退出码为 1）：
-
检测输出说明（固定文案保留在 Skill 中，仅缺失项由脚本动态输出）：
"$PYTHON_BIN" scripts/check_config.py
输出结构示例（缺失项列表以脚本实际检测结果为准）：
⚠️ 检测到以下配置项缺失或未设置:
[这里的缺失项列表由 check_config.py 动态输出]
📝 共享配置文件位置: /path/to/skills/pmem-config/pmem-key.env
请点击上面的共享配置文件路径，进入文件夹后手动编辑文件：`pmem-key.env`。
手动填写完成后，返回聊天框回复：已完成
-
Agent 应执行以下操作：
- 明确告知用户共享配置目录路径：
../pmem-config/
- 明确告知用户需要编辑的文件名：
pmem-key.env
- 不在对话中逐项收集配置值，仅等待用户手动填写
- 用户回复“已完成”后，重新运行
check_config.py 验证配置
-
写入配置示例：
LLM_API_KEY=sk-xxxxx
EMBEDDING_API_KEY=sk-yyyyy
"$PYTHON_BIN" scripts/check_config.py
-
重要提示：
- 配置会持久化保存在
../pmem-config/pmem-key.env
- 下次使用任一 skill 时无需重复配置
- 用户也可以手动编辑该文件修改配置
配置检测通过后，继续执行后续步骤。
1. 确认创作指令
从用户输入中明确以下信息（如有缺失则主动询问）：
| 参数 | 说明 | 示例 |
|---|
| 目标平台 | 决定文体和篇幅 | Twitter、小红书、公众号、通用长文 |
| 风格意图 | 用户的模糊描述（非技术 profile_id） | "轻松点"、"专业严肃"、"情绪化" |
| 原始素材 | 待创作的原始内容（文章/URL/要点列表） | 粘贴文章、提供 URL、列出几个事实 |
如果用户提供了 URL 素材，先调用 baoyu-url-to-markdown 获取内容：
SKILL_URL_DIR="$HOME/.cursor/skills/baoyu-url-to-markdown"
npx -y bun ${SKILL_URL_DIR}/scripts/main.ts <url> -o /tmp/source_content.md
2. 信息脱水（中立大纲提取）
不调用任何风格，仅对原始素材做客观信息提取。使用以下 Prompt：
你是一位中立的信息提炼专家。请从下面的素材中提取纯粹的事实信息和核心论点，不加入任何情感或风格倾向。
输出格式为结构化大纲：
## 核心主题
[一句话概括素材的主题]
## 关键事实
- [事实1]
- [事实2]
- [事实3，最多5-8条]
## 核心论点/观点
- [论点1]
- [论点2]
## 数据与引用
- [数据或引用（如有）]
## 背景上下文
[必要背景信息，1-3句]
待提炼素材：
---
{MATERIAL}
---
将提炼结果保存为 /tmp/material_outline.md。
3. 智能匹配 Style Profile（Human-in-the-loop）
关键改进：不直接使用固定的 Profile，而是根据用户意图智能匹配并让用户确认。
"$PYTHON_BIN" scripts/match_profile.py \
--intent "用小红书风格写，轻松一点" \
--output /tmp/selected_profile.json
脚本会：
- 分析用户意图关键词（"小红书"、"轻松"）
- 匹配所有 Profile 的 tags、suitable_platforms、tone
- 按匹配度排序，展示前 5 个
- 让用户确认选择（输入序号）
- 返回选定的 Profile
输出示例：
🎯 根据您的需求，推荐以下风格：
1. [xiaohongshu-casual] 小红书轻松版
匹配原因：适合小红书平台, 风格特点：轻松, 风格特点：口语化
说明：适合日常分享类内容，语气轻松亲切
标签：轻松, 口语化, 亲切
平台：小红书
2. [default] 默认风格
匹配原因：适合小红书平台
平台：小红书, 公众号, 通用
请选择要使用的风格（输入序号），或输入 0 退出：
> 1
✅ 已选择：[xiaohongshu-casual] 小红书轻松版
如果完全没有匹配：
⚠️ 未找到精确匹配，以下是所有可用风格：
1. [default] 默认风格
理性克制，适合通用内容
2. [tech-article] 技术文章风格
专业严谨，适合技术博客
请选择要使用的风格（输入序号），或输入 0 退出：
从返回的 JSON 读取选定的 Profile：
profile_id=$(jq -r '.profile_id' /tmp/selected_profile.json)
4. 组装 Compiler Prompt
读取 /tmp/active_profile.json，从中提取风格参数，结合平台规则（见 references/platform_templates.md），组装最终 Prompt。
使用以下 Compiler 模板：
你是一位专业的自媒体内容创作者，拥有鲜明的个人写作风格。
## 你的写作风格指令（必须严格遵守，不可违背）
**叙事节奏**：{narrative_rhythm}
**金句位置**：{key_phrase_placement}
**排版符号**：{formatting_symbols}
**标点习惯**：{punctuation_habits}
**段落结构**：{paragraph_structure}
**情感基调**：{emotional_tone}
**修辞手法**：{rhetorical_devices}
**开篇风格**：{opening_style}
**结尾风格**：{closing_style}
## 当次创作任务
**目标平台**：{platform}
**平台规范**：{platform_rules}
## 素材大纲（核心事实，保持中立使用，不可凭空添加）
{material_outline}
## 输出要求
基于以上素材，完全按照你的写作风格，为{platform}创作一篇文章。
- 素材中的事实不可歪曲，但表达方式完全按你的风格来
- 严格遵守平台字数和格式规范
- 直接输出正文，无需说明你在做什么
将 {...} 替换为实际值后，直接调用 LLM 执行。
5. 输出文稿、记录日志并自动落盘
先将 LLM 返回的最终正文保存到临时文件 /tmp/generated_body.md，然后记录本次生成日志（供 Reflection Skill 溯源）：
"$PYTHON_BIN" scripts/log_generation.py \
--profile-id <profile_id> \
--platform <platform> \
--topic "<核心主题一句话>" \
--output /tmp/generation_log.json
接着将最终正文自动保存到指定路径（默认 outputs/）：
"$PYTHON_BIN" scripts/save_generation.py \
--profile-id <profile_id> \
--log-json /tmp/generation_log.json \
--title "<标题>" \
--content-file /tmp/generated_body.md \
--output-dir outputs
默认文件名规则：
outputs/{profile_id}_{generation_id}_{title}.md
其中 generation_id 来自 /tmp/generation_log.json。执行后向用户返回两个信息：
generation_id（便于 Reflection Skill 追踪效果）- 最终正文文件绝对路径（便于直接查看/发布）
平台规范速查
详细模板见 references/platform_templates.md，核心规范如下：
| 平台 | 篇幅 | 特殊要求 |
|---|
| Twitter / X | 每段≤140字，总≤2000字 | 首句即金句，结尾引导转发 |
| 小红书 | 300-800字 | 标题用数字/疑问，正文emoji适量，结尾引导收藏 |
| 公众号 | 800-3000字 | 有小标题分节，完整起承转合，结尾引发思考 |
| 通用长文 | 自由 | 遵循风格 Profile，结构完整 |
辅助工具
列出所有可用 Profile：
"$PYTHON_BIN" ../pmem-style-extraction/scripts/list_profiles.py --format detailed
查看生成日志：
"$PYTHON_BIN" scripts/log_generation.py --list
保存最终正文到 outputs/：
"$PYTHON_BIN" scripts/save_generation.py \
--profile-id <profile_id> \
--log-json /tmp/generation_log.json \
--title "<标题>" \
--content-file /tmp/generated_body.md
使用示例
最简单的使用：
用户："帮我写一篇小红书，素材是这篇文章：[粘贴文章]"
Agent：
1. 脱水 → 提取核心事实
2. 智能匹配 Profile（意图："小红书"）→ 展示匹配结果 → 用户选择
3. 组装 Compiler Prompt（小红书规范）
4. 输出文稿 + 记录日志 + 自动保存到 outputs/
指定风格特点：
用户："用轻松点的风格，写一篇关于AI的推特长文，素材：[要点列表]"
Agent：
智能匹配（意图："轻松 推特"）→ 展示推荐 Profile → 用户确认 → 生成
从 URL 生成：
用户："把这篇文章改写成公众号风格：https://example.com/article"
Agent：获取网页内容 → 脱水 → 匹配风格 → 用户确认 → 生成
注意事项
- 信息脱水步骤必须独立执行，确保素材中的事实不被风格污染
- 必须使用 match_profile.py 进行智能匹配，让用户确认选择，不要直接使用固定 profile_id
- 用户的意图通常是模糊的（"小红书"、"轻松点"），而不是技术性的 profile_id
- Compiler Prompt 中所有
{...} 占位符必须替换完毕再发给 LLM
- 如果 Profile 中某个维度为空，跳过该行，不要写"无"或默认值
- 生成日志 ID 务必告知用户，便于后续 Reflection 归因
- 运行脚本前优先确保
$PYTHON_BIN 可用，并已安装 powermem
