Menú
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
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
| 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。
