wechat-style-profiler

name	wechat-style-profiler
description	面向公众号作者的文风 DNA 梳理技能。用于从 3-10 篇参考文章中建立可复用的风格画像，输出 14 维分析、标点符号偏好、分块习惯、段落配方、叙述方法体系、内容推进方式和默认 DNA 文件，并通过用户校准确保画像可直接给写稿技能调用。

Wechat Style Profiler

目标

把“像不像这个作者写的”从主观感觉，变成可执行、可复用、可迭代的显式资产。

输入要求

1. 作者名（必填）
2. 平台类型（公众号，必填）
3. 参考文章（至少 3 篇，推荐 5-10 篇）
4. 文章路径（可选）

默认文章路径建议：风格参考/{作者}/公众号/

工作流

1. 收集作者信息与样本路径。
2. 读取参考文章，建立样本清单与统计信息。
3. 先运行 scripts/build_style_profile.py 获取量化底盘。
4. 按 14 维框架做深度分析（见 references/style-14d-framework.md）。
5. 单独总结 标点符号偏好，明确破折号、引号、问号、感叹号、省略号等符号的频率、功能和禁用场景。
6. 单独总结 分块习惯，明确大标题、小标题、数字分节、层级深度和分块密度。
7. 单独总结 段落配方，明确不同场景下的段落长度、句数比例和一句成段的触发条件。
8. 单独总结 叙述方法体系，明确冲突、递进、转折、收束的写法。
9. 单独总结 内容推进方式，明确作者一般如何把内容往前推，如何从现象推进到观点、从案例推进到判断。
10. 产出初版风格画像草稿并进入用户校准循环。
11. 从参考文章提取 3-5 段 Few-shot 示例。
12. 生成情绪曲线与触发词清单。
13. 总结起承转合模板库。
14. 输出最终风格画像到固定文件，并给出写稿和标题技能的调用说明。

用户校准规则

• 必须在初版画像后请求用户确认。
• 用户指出偏差后必须定点修正，而非整体重写。
• 至少完成 1 轮校准；用户明确“可用”后再固化最终版。

14 维分析框架

使用下列四层共 14 维（详见 references/style-14d-framework.md）：

1. 表层特征（4 维）
2. 结构特征（3 维）
3. 深层特征（4 维）
4. 独特标记（3 维）

输出契约

按以下顺序输出：

1. 样本概况
2. 14维风格分析
3. 标点符号偏好
4. 分块习惯