style-calibration

name	style-calibration
description	Calibrate writing style to match user's brand voice. Activate when user provides sample content, asks to set up their brand voice, or wants to calibrate style. Trigger: "风格校准" / "设置风格" / "我的风格是" / "参考这个账号".

Style Calibration — 4 阶段品牌校准

Conversational skill. 4 阶段对话流程：品牌调研 → 样本采集 → A/B 对比 → 写作人格生成。 结果写入 ~/.autocrew/STYLE.md + 更新 creator-profile.json。

Pre-read: Smart Context Loading

开始前静默读取（如果存在）：

1. ~/.autocrew/MEMORY.md — 检查哪些信息已有
2. ~/.autocrew/STYLE.md — 检查是否已有风格档案
3. ~/.autocrew/creator-profile.json — 检查 styleCalibrated 状态

已有信息直接复用，不重复问。如果 styleCalibrated: true，告知用户已有风格档案，询问是否要重新校准。

Phase 0: 品牌调研（2-4 轮对话）

目标：理解用户的品牌、目标、内容现状和风格边界。

需要收集的信息（跳过 MEMORY.md 中已有的）：

1. 定位与目标：行业、变现模式、当前阶段（起步/成长/成熟）
2. 内容样本：最好的已有内容（链接或文字），如果从零开始则描述想要的方向
3. 受众：想触达的具体人群——一个具体的人，不是抽象的人口统计
4. 风格禁区：绝对不想变成什么样

对话风格：每轮最多问 1-2 个问题。对用户的回答先给简短洞察，再问下一个。不要审讯式连问。

Phase 1: 样本采集与分析（1-3 轮对话）

目标：从用户提供的内容样本中提取风格特征。

如果用户提供了样本内容，分析以下维度：

• 语气（随意/专业/活泼/权威）
• 句式结构模式（短句为主？长短交替？）
• Emoji 使用习惯（频率、位置、偏好的 emoji）
• 词汇水平和偏好表达
• 排版偏好（段落长度、分隔方式）
• Hook 模式（开头怎么抓人）
• CTA 模式（结尾怎么引导互动）

如果用户没有样本，提供 3 种风格模板让用户选择：

1. 知识分享型（干货密集、数据驱动、理性分析）
2. 故事叙事型（个人经历、情感共鸣、场景化）
3. 观点输出型（犀利观点、争议话题、强互动）

用户选择后，基于选择生成初始风格框架。

Phase 2: A/B 对比验证（1-2 轮对话）

目标：用实际内容验证风格是否准确。

1. 选取用户提供的一个选题或从已有 topics 中取一个
2. 用 Phase 1 提取的风格写两个版本：
   • 版本 A：严格按提取的风格
   • 版本 B：在 A 基础上微调（更口语化 / 更专业 / 更短 / 更长）
3. 让用户选择更接近自己风格的版本，或指出需要调整的地方
4. 根据反馈微调风格参数

如果用户对两个版本都不满意，回到 Phase 1 重新采集。

Phase 3: 写作人格生成与保存

目标：生成最终风格档案并持久化。 唯一机器事实源 = creator-profile.json（IA v4.2 §B2）：引擎生成只读 writingRules/styleBoundaries， 不读 STYLE.md。先完成 3.1（结构化落库），STYLE.md（3.2）只是给人看的摘要，可选。

3.1 更新 creator-profile.json（主产出）

通过 autocrew_init 确保数据目录存在，然后更新以下字段：

• industry — 如果 Phase 0 中收集到了
• platforms — 如果 Phase 0 中收集到了
• audiencePersona — 从 Phase 0 的受众信息构建
• styleBoundaries.never — 从 Phase 0 的风格禁区
• styleBoundaries.always — 从风格分析中提取的必须保持的特征
• writingRules — 从 Phase 1/2 提取的具体写作规则，source 设为 "auto_distilled"， scope 按 PRD-v4 §4.3 二分：跨平台声音特征（用词癖好/口头禅/立场/禁忌）→ "voice_core"； 某平台专属的形式规范（长度/结构/格式）→ "platform:<平台id>"（如 platform:wechat_mp）
• styleCalibrated — 设为 true

使用 autocrew_memory tool 的 capture_feedback action 记录校准事件。

3.2 生成 ~/.autocrew/STYLE.md（可选的人类可读摘要，非机器事实源）

# Brand Voice Profile

## Tone
[e.g., Casual-professional, like talking to a smart friend]

## Patterns
- Opening: [Hook 模式描述]
- Emoji: [使用频率、位置、偏好 emoji 列表]
- Paragraph: [段落长度偏好]
- Ending: [CTA 模式描述]

## Vocabulary
- Prefers: [用户偏好的词汇/表达]
- Avoids: [用户不喜欢的词汇/表达]

## Sentence Structure
- [句式特征描述]

## Platform Variations
- XHS: [小红书特定调整]
- WeChat: [公众号特定调整]
- Douyin: [抖音特定调整]

## Audience Persona
- Name: [主要受众人设]
- Profile: [一句话概括]
- Scroll-stop triggers: [什么让他们停下来]

3.3 追加 MEMORY.md

将品牌上下文追加到 ~/.autocrew/MEMORY.md：

• 行业和定位
• 目标受众摘要
• 风格边界
• 竞品账号（如果提到了）

Phase 4: 确认与试写

风格校准完成！我记住了你的品牌调性和目标受众。 以后写内容会自动参考这个风格。 要不要试一下？给我一个选题，我按这个风格写一篇看看。

关键原则

1. 风格档案要可执行 — 另一个写手拿到 STYLE.md 应该能直接用
2. 更新不覆盖 — 用户后续提供新样本时，更新而非替换
3. STYLE.md 控制在 60 行以内 — 简洁可扫描
4. A/B 对比是核心 — 不要跳过 Phase 2，这是校准准确度的关键
5. 写入 creator-profile.json — 确保 styleCalibrated: true，其他 skill 依赖这个标记

工具依赖

• autocrew_init（确保数据目录存在）
• autocrew_memory（记录校准事件到 MEMORY.md）
• 文件系统读写（STYLE.md、creator-profile.json）

Changelog

• 2026-03-31: v1 — Adapted from Qingmo style-calibration.md v4. Removed SOUL.md dependency.
• 2026-04-01: v2 — 重构为 4 阶段流程（品牌调研 → 样本采集 → A/B 对比 → 写作人格生成）。新增 creator-profile.json 写入、A/B 对比验证、风格模板选择。