| name | doc-learner |
| description | 智能文档学习和内容模仿技能。当需要：(1) 分析和学习优秀文档的结构、风格和写作模式，(2) 从文档中提炼关键要素和模板，(3) 基于学习内容生成模仿材料，或 (4) 创建新的提示词或技术文档时使用此技能。支持提示词工程、技术文档、API文档、用户手册等多种文档类型的学习和模仿。 Use when this capability is needed. |
| metadata | {"author":"evanfang0054"} |
文档学习与内容模仿技能
概述
本技能提供了一套系统化的文档学习和内容模仿方法，能够深入分析各类文档的结构特征、写作风格和表达模式，帮助用户基于优秀范例创建高质量的内容。
工作流程
阶段 1：文档接收与分类
当用户请求学习文档时，首先识别文档类型和目标：
支持的文档类型：
- 提示词（Prompt Engineering）
- 技术文档（Technical Documentation）
- API 文档
- 用户手册
- 产品说明
- 其他结构化文档
确认学习目标：
- 用户想要模仿什么？（结构、风格、格式、内容模式）
- 最终要生成什么内容？（提示词、文档、模板）
阶段 2：深度文档分析
对提供的文档进行多维度分析：
2.1 结构分析
- 文档组织方式（层次结构、章节划分）
- 信息架构（逻辑流程、内容组块）
- 模块化程度（可重用组件、模板化元素）
2.2 风格分析
- 语言风格（正式/非正式、技术/通俗）
- 语气和表达方式（权威、友好、简洁等）
- 术语使用和命名规范
2.3 模式识别
- 句式模式和表达习惯
- 常用句型和过渡词
- 标准化表达和固定搭配
2.4 要素提取
阶段 3：模式提炼与模板创建
基于分析结果创建可重用的模式和模板：
3.1 结构模板
3.2 写作模式
3.3 关键要素清单
阶段 4：内容生成与优化
使用提炼的模式生成新内容：
4.1 内容生成
- 根据用户需求应用学习到的模式
- 填充结构模板
- 应用写作风格
4.2 质量验证
- 检查是否遵循学习到的模式
- 验证结构完整性
- 确保风格一致性
4.3 迭代优化
核心能力
1. 文档分析引擎
系统能够从多个维度分析文档：
结构维度：
- 识别文档类型和体裁
- 提取组织架构和层次关系
- 分析信息流和逻辑顺序
风格维度：
- 分析语言特征（词汇选择、句式结构）
- 识别语气和表达习惯
- 提取风格标记和特征
模式维度：
- 发现重复出现的表达模式
- 提取可重用的句式和段落
- 识别标准化表达
2. 智能模板提取
自动从文档中提炼可重用元素：
结构模板：
内容模式：
风格指南：
3. 内容生成支持
基于学习结果辅助创作：
模板化生成：
风格迁移：
- 应用学习到的写作风格
- 模仿表达方式
- 保持风格一致性
质量保证：
使用场景示例
场景 1：学习优秀提示词
用户请求： "我想学习这些优秀提示词的写作方法，然后创建自己的版本"
工作流程：
- 分析提供的提示词样本
- 识别提示词结构（角色设定、任务描述、约束条件、输出格式等）
- 提炼写作模式和技巧
- 创建提示词模板
- 帮助用户基于模板生成新提示词
场景 2：模仿技术文档风格
用户请求： "分析这份技术文档的写作风格，帮我写出类似风格的新文档"
工作流程：
- 分析技术文档的结构和风格
- 识别文档组织方式
- 提炼术语使用规范
- 创建风格指南和模板
- 指导用户生成新文档
场景 3：文档质量提升
用户请求： "根据优秀文档范例，改进我的文档质量"
工作流程：
- 对比分析优秀范例和用户文档
- 识别差距和改进点
- 应用优秀范例的模式
- 优化用户文档
- 提供改进建议
参考资料
references/prompt_analysis_guide.md
提示词分析框架和方法论，包含：
- 提示词结构分析模型
- 常见提示词模式分类
- 提示词质量评估标准
- 最佳实践案例
何时使用： 当需要深度分析提示词结构或学习提示词工程技巧时。
references/tech_doc_patterns.md
技术文档写作模式和模板，包含：
- 技术文档标准结构
- 常用表达模式和句式
- 术语使用规范
- 格式和样式指南
何时使用： 当需要分析或生成技术文档时。
references/style_analysis_framework.md
文档风格分析框架，包含：
- 风格维度分析模型
- 语言特征识别方法
- 风格迁移技巧
- 一致性保持策略
何时使用： 当需要深度分析文档风格或进行风格模仿时。
资产文件
assets/prompts/
提示词模板集合，包含各种类型的提示词模板：
- 角色设定模板
- 任务描述模板
- 约束条件模板
- 输出格式模板
assets/doc_templates/
文档模板集合，包含：
- 技术文档模板
- API 文档模板
- 用户手册模板
- 其他文档类型模板
最佳实践
1. 多样本学习
- 尽量收集多个同类型文档进行学习
- 识别共性模式和个性特征
- 提炼最稳定、最有效的模式
2. 模式验证
- 在实际应用中验证学习到的模式
- 根据效果调整和优化
- 持续改进模板库
3. 灵活应用
- 不要机械套用模板
- 根据具体需求灵活调整
- 保持创造性思维
4. 质量优先
- 注重内容质量而非形式模仿
- 确保生成的内容有价值
- 避免为了模仿而模仿
常见问题
Q: 学习多少个文档样本比较合适？
A: 建议 3-10 个高质量样本。太少可能导致模式不准确，太多可能增加分析复杂度。
Q: 如何处理不同风格的文档？
A: 可以分别学习不同风格，创建多个风格模板，根据需要选择应用。
Q: 生成的内容是否完全模仿原文？
A: 不是。本技能帮助学习和应用优秀文档的模式和结构，但内容本身应该是原创的。
Q: 能否学习非中文文档？
A: 可以。本技能支持多语言文档的学习和模仿。
Converted and distributed by TomeVault — claim your Tome and manage your conversions.
