Menü
机器之心微信公众号写作风格技能。基于过去文章的深度分析， 提炼出5种文章模板、完整的表达DNA、标题公式和结构框架。 用途：以机器之心的风格撰写AI/科技领域的微信公众号文章。 触发词：「机器之心风格」「写一篇机器之心的文章」「用jqzx风格写」「科技媒体风格」。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
量子位微信公众号写作风格技能。基于过去的文章的深度分析， 提炼出5种文章模板、完整的表达DNA、标题公式和结构框架。 用途：以量子位的风格撰写AI/科技领域的微信公众号文章。 触发词：「量子位风格」「写一篇量子位的文章」「用lzw风格写」「QbitAI风格」。 与机器之心的区别：量子位更口语化、更年轻态、更敢玩梗，像朋友聊天而非专家讲座。
Max（科技博主）小红书写作风格技能。基于过去小红书文章的深度分析， 提炼出文章模板、表达DNA、标题公式和内容框架。 用途：以Max的风格撰写AI/科技领域的小红书图文笔记。 触发词：「Max风格」「写一篇小红书」「用Max的风格写」「小红书科技博主风格」。 平台限制：小红书标题≤20字，正文≤1000字，必须带话题标签。
新智元微信公众号写作风格技能。基于过去的文章的深度分析， 提炼出5种文章模板、完整的表达DNA、标题公式和结构框架。 用途：以新智元的风格撰写AI/科技领域的微信公众号文章。 触发词：「新智元风格」「写一篇新智元的文章」「用xzy风格写」「新智元报道」。 与量子位/机器之心的区别：新智元最激进、最情绪化、最敢下判断，像战地记者写AI前线战报。
Basierend auf der SOC-Berufsklassifikation
| name | jiqizhixin-writing |
| description | 机器之心微信公众号写作风格技能。基于过去文章的深度分析， 提炼出5种文章模板、完整的表达DNA、标题公式和结构框架。 用途：以机器之心的风格撰写AI/科技领域的微信公众号文章。 触发词：「机器之心风格」「写一篇机器之心的文章」「用jqzx风格写」「科技媒体风格」。 |
让技术有温度，让前沿可触达。
机器之心是中国AI领域头部科技媒体，面向AI从业者、研究者和技术决策者。其写作风格的核心张力在于：
标题公式：突发！/刚刚， + 核心事件 + 关键数字/影响
示例：
结构：
篇幅：800-1500字 节奏：快、密、信息量大，段落短（2-4句）
标题公式：产品/模型名 + 深度拆解 / 核心卖点一句话概括
示例：
结构：
篇幅：3000-6000字 节奏：先慢后快，开头铺垫行业背景，中段技术密度最高，结尾收束
标题公式：会议名 年份｜ + 核心贡献一句话 / 或用问题引出
示例：
结构：
篇幅：2000-4000字 节奏：开头精炼，中段允许技术密度高，公式和图表穿插
标题公式：反常识钩子 / 戏剧性事件 + 深层解读
示例：
结构：
篇幅：1500-3000字 节奏：叙事驱动，允许幽默和讽刺，段落更短更口语化
标题公式：核心叙事 + 公司名 + 差异化定位
示例：
结构：
篇幅：3000-5000字 节奏：叙事+技术交替，引用创始人/CTO原话增加可信度
| 技巧 | 公式 | 示例 |
|---|---|---|
| 时效性钩子 | 「刚刚/突发/首次」+ 事件 | 「刚刚，何恺明团队新作来了」 |
| 数字冲击 | 关键数字前置 | 「88天登录193次！」「390万元起」 |
| 反问/悬念 | 问题 + ？ | 「越懂你，越危险？」 |
| 会议标签 | 会议名｜ 前缀 | 「ICML 2026｜...」 |
| 对比张力 | A vs B / 打破常识 | 「名师一定出高徒？」 |
| 动作感 | 强动词 + 感叹号 | 「一张4090就能爆改！」 |
| 书名号强调 | 「」包裹关键概念 | 「原生门票」「免费午餐」 |
模式A - 场景切入：
凌晨1点，某三甲医院急诊科，一位62岁的男性被紧急送入...
模式B - 趋势判断：
当AI行业的目光集中在Agent、工具调用、长程任务这些上层应用之时，底层的多模态架构正在经历一次更安静、也更彻底的范式转变。
模式C - 一句话点题：
离开Meta后，田渊栋也开始创业了。
模式D - 反常识/戏剧性：
如果要评选今年AI圈最猎奇的新闻，「将token消耗纳入绩效考核」这条绝对能进决赛圈。
模式E - 设问引导：
它要回答的是一个看似朴素的问题：理解与生成，是否天生就该是两件事？
| 功能 | 句式 |
|---|---|
| 引出意义 | 「这意味着...」 |
| 简化解释 | 「换句话说...」 |
| 引出问题 | 「但问题也随之而来：」 |
| 对比转折 | 「但真正把XX聚到一起的，竟然是YY。」 |
| 递进强调 | 「更让人关注的是...」「更有意思的是...」 |
| 总结归纳 | 「整个看下来...」「回过头看...」 |
| 设问过渡 | 「为什么XX能做到这一步？」 |
| 数据引出 | 「来看一组数据：」 |
高频术语（直接使用）：
情感色彩词（适度使用）：
禁忌词（绝不使用）：
| 场景 | 处理方式 | 示例 |
|---|---|---|
| 模型/产品名 | 保留英文 | GPT-5.2、DeepSeek V4、SGLang |
| 技术术语首次出现 | 英文（中文） | Flow Matching（流匹配） |
| 已被广泛接受的术语 | 直接用英文 | token、Agent、RAG、RLHF |
| 公司名 | 英文或中文均可 | OpenAI、面壁智能 |
| 人名 | 中文名用中文，外国人用英文 | 田渊栋、Richard Socher |
| 指标/缩写 | 英文 | F1、PSNR、SSIM、FP8 |
![]() 或 ![图片]()「我们从Day one开始，就是在做人类数据。」
机器之心擅长用日常类比解释技术概念：
| 技术概念 | 类比方式 |
|---|---|
| 粗粒度隐私标签 | 「这就像把所有危险物品都贴上『危险』两个字」 |
| Agent失忆 | 「漏判，用户隐私裸奔；误判，Agent当场失忆」 |
| 统一架构 | 「不是给语言模型安上眼睛，而是让模型从诞生第一天起就用同一套感官去认知世界」 |
| 模块拼接 | 「感知与理解、生成各自承担一部分能力，再把它们串起来跑」 |
| 端侧模型价值 | 「在RAG系统里，充当着智能路由器和数据清洗工」 |
| tokenmaxxing | 「用AI创造了一种全新的、毫无意义的重复性劳动：假装自己正在努力使用AI」 |
类比生成规则：
根据素材判断属于5种类型中的哪一种，选择对应模板。
从标题规则表中选择合适的公式，确保：
从5种开头模式中选择最适合的，确保：
按照对应类型的结构模板展开，注意：
「这不是一个简单的『隐私打码工具』。它瞄准的是下一代个性化Agent最核心、也最棘手的问题。」——典型的「否定+肯定」递进句式
「科技的初衷，是把人从无意义的重复劳动中解放出来。但『Tokenmaxxing』这件事，呈现出一个格外讽刺的赛博朋克现实。」——典型的理想vs现实对比收束
「如果只看这场Meetup的嘉宾名单，你大概会先想到海外芯片巨头。但真正把这群人聚到一起的，竟然是摩尔线程。这才是这件事最值得看的地方。」——典型的预期违背开头