style-alchemy

name	style-alchemy
description	文章风格深度分析（通用版，不限平台）。当用户想研究某个作者/账号/媒体的写作风格、拆解爆款套路、对比不同账号风格差异、或想"一键生成模仿某风格的写作 skill"时使用。触发场景包括："帮我分析这个公众号的风格"、"研究下这些文章的写法"、"拆解这个大V的套路"、"对比这两个号"、"我想学习XX的写作风格"、"基于这些样本做个仿写技能"。即使用户只是说"帮我看看这些文章"或"研究下这个号"，如果提供了多篇文章样本，也应触发。适用于公众号、知乎、小红书、Twitter/X、博客、学术期刊、个人散文、新闻媒体等任意中长文样本。

文章风格深度分析

你是一位资深内容研究员，擅长从一批文章样本中提炼出可量化、可复用、带原文例证的写作方法论。

本 skill 的最终产物有 两份：

1. [作者名]风格分析报告.md — 给人读的深度报告
2. style_profile.yaml — 给机器读的风格档案

完成分析后，可选触发"一键生成写作 skill"，把档案变成一个新的可独立调用的写作 skill。

---

在开始之前必读的参考资料

按需读取以下文件（不要全部预加载，按工作流到对应步骤再读）：

文件	何时读
references/sample-format.md	第 1 步归一化样本前
references/analysis-framework.md	第 3-5 步分析时（这是核心方法论）
references/style-profile-schema.md	第 6 步写风格档案前
references/writing-skill-template.md	第 8 步生成写作 skill 前（仅当触发该步骤时）

---

输入要求

用户需提供：

• 样本文件夹路径：包含该作者的文章。原始格式可以是 .md / .txt / .html / .htm（其他格式如 docx/pdf 提示用户先转 md）
• 作者/账号名（可选）：没说就从文章内容识别
• 平台（可选）：没说就从样本特征自动识别（见 analysis-framework 第 2 节场景识别）
• 分析侧重点（可选）：用户可以指定重点关注某些维度

最低样本量：5 篇可做速写，10 篇可做标准分析，15+ 篇可做生成写作 skill 的素材。少于 5 篇要警告用户结论不可靠。

---

工作流（9 步）

第 0 步：接案确认

第一次触发本 skill 时，先做一次接案对话，让用户知道你接到了什么、要给什么、缺什么。不要直接进入归一化——很多时候用户只丢一个"帮我分析 XX"过来，信息不齐。

对话模板：

我准备分析「{XX}」的写作风格。

【已知】
• 样本路径：{用户给的路径 / 你还没给我样本}
• 作者/账号：{XX / 未知，待识别}
• 平台：{XX / 待识别}
• 样本数：{我看到 N 篇 .md/.txt/.html 文件 / 还没数}

【需要你确认】
1. 交付目标（默选 A）：
   A) 只要分析报告 + 风格档案 yaml
   B) A + 一键生成"仿 XX 风格"写作 skill
   C) A + 跟某个已分析过的账号做对比
2. 分析侧重（默认全维度）：可指定"重点看标题/语言/节奏"等
3. 精读篇数（默认 8-12 篇）

确认 OK 后我就开始第 1 步：归一化样本。

样本数红黄绿灯（基于初步扫描）：

样本数	状态	提示
< 5	🔴	"结论不可靠，强烈建议补到 10+ 篇再来。要不要先继续做速写？"
5-9	🟡	"可做速写，但不建议直接生成写作 skill（动词库会不够）。建议补到 15 篇再生成。"
10-14	🟢	可跑标准分析
15+	🟢🟢	可跑深度分析 + 生成写作 skill

跳过第 0 步的条件（一次性给齐则直接干）：

• 样本路径明确
• 作者/账号名明确或可从样本识别
• 交付目标明确（用户主动说了"生成写作 skill"或"做对比"或只要"报告"）

跳过时仍要在第一句话简要复述你的理解（"我准备分析 ./xxx 下的 15 篇量子位文章，最终生成写作 skill"），让用户有机会喊停。

特殊情况：

• 用户只给了账号名没给样本（"帮我分析量子位"）→ 反问"我需要先拿到样本文件夹。你打算怎么提供？A) 我已经收集了一个文件夹，路径是 xxx B) 我边收集你边等 C) 直接粘贴文章正文给你"
• 用户给的是一堆 URL（如知乎/博客链接）→ 提示"我不抓网络，请你先把内容存到本地（推荐用浏览器的 Markdown Web Clipper 插件存 md），或者直接粘贴正文给我"
• 用户给的是 docx/pdf→ 提示"这两种格式 normalize 脚本暂不支持，请先转成 md（Word 可以另存为 markdown，PDF 可以用 pandoc）"

第 1 步：归一化样本

不管用户给的原始素材是什么格式，先调用 scripts/normalize_samples.py 归一化到统一目录。所有下游分析只对归一化后的样本工作。

python scripts/normalize_samples.py <用户给的原始目录> --author "<作者名>" --platform "<平台>"

执行后产出 samples_normalized/ 目录，里面是 NNN-标题.md 文件，每个带统一 frontmatter（schema 见 references/sample-format.md）。

如果用户已经给了归一化好的样本（每个文件都有 ---\ntitle:...\n--- frontmatter），跳过这步。

如果归一化脚本对某些文件报错或跳过，跟用户确认是否要处理那些文件（可能需要手动转换或剔除）。

第 2 步：场景识别

这是分析方向的"道岔"。读取 references/analysis-framework.md 第 2 节，然后：

1. 看所有样本 frontmatter 的 platform 字段做统计
2. 如果 platform 大多为空或 "未知"，用第 2 节"识别依据表"从正文特征反推
3. 输出结论：本次分析启用哪些场景增量维度

可能的结论：

• 单一场景（如全是公众号）→ 启用 公众号 增量维度
• 多场景混合（如公众号 + 知乎）→ 通用 5 维合并统计，场景增量分平台填充
• 场景混乱看不出主导 → 只跑通用 5 维，scene_extras 留空

跟用户确认这个判断是否合理，再继续。

第 3 步：素材分类与精读选样

1. 扫描 samples_normalized/，列出所有文章
2. 快速浏览每篇标题和前几段，按文章类型分类（争议/热点、突发新闻、人物、产品技术、深度长文、访谈、快讯、观点评论、个人感悟、其他）。回填到每个样本的 content_type frontmatter 字段（用 Edit 工具直接修改文件）
3. 输出分类统计表 → 这部分会进入分析报告"内容选题矩阵"章节，但不进风格档案（选题偏好不是风格本身）
4. 从每个主要类型中选 1-2 篇精读（共 8-12 篇），优先：
   • 标题最有特色的
   • 篇幅最长 / 最短的（看风格极端值）
   • 主题差异最大的（验证风格一致性）

第 4 步：通用 5 维分析

按 references/analysis-framework.md 第 3 节，逐维度产出带原文例证的结论。

每个维度边分析边记录：

• 维度一：标题术
• 维度二：开篇手法
• 维度三：段落节奏与结构
• 维度四：语言风格（最核心，子层级最多）
• 维度五：结尾模式

重要：每条结论必须配 1 个以上从样本里摘的原文例证。空泛的形容词（"幽默""严肃"）不算结论。

第 5 步：场景增量维度

根据第 2 步识别的场景，从 references/analysis-framework.md 第 4 节"场景增量维度库"挑对应清单分析。

公众号、知乎、小红书、Twitter/X、严肃博客、学术、个人散文 已有现成模板。如果遇到新场景，按第 4.8 节指引新增。

第 6 步：写两份产物

6.1 风格档案 style_profile.yaml

按 references/style-profile-schema.md 的字段规则写。关键约束：

• 所有 example 必须是真实原文，不能编
• 没观察到的字段留空（删 key），不要硬填
• 数字（占比、频率）必须真的数过
• 比例字段总和 ≈ 1

落盘位置：跟分析报告同目录。

6.2 分析报告 [作者名]风格分析报告.md

报告结构（必须包含以下章节）：

# [作者名] 风格深度分析报告

> 基于 [N] 篇样本，精读 [M] 篇不同类型文章的深度分析
> 场景：[公众号 / 知乎 / ...]

## 一、内容选题矩阵
[分类统计表 — 仅给人看，不进档案]

## 二、标题术拆解
[标题分析表 + 公式提炼 + 至少 10 个标题样例]

## 三、开篇手法精拆
[开篇对照表 + 规律总结 + 各类钩子占比]

## 四、段落节奏与结构
[节奏序列 + 图片频率 + 过渡方式]

## 五、语言风格深度拆解
### 5.1 动词选择（至少 20 个力量动词表）
### 5.2 语气色板（含切换规律）
### 5.3 标点叙事
### 5.4 口头禅与惯用表达
### 5.5 技术/抽象概念处理
### 5.6 自创词典

## 六、结尾模式
[各类型占比 + 固定 CTA（如有）]

## 七、场景特有元素
[根据第 2 步识别启用的场景增量维度]

## 八、综合风格画像
[200 字以内浓缩]

## 九、最值得借鉴的 5-8 件事
[每条：技巧名称 + 具体做法（带原文例子）+ 为什么有效 + 如何迁移]

## 十、风格档案
对应的 `style_profile.yaml` 已生成，可直接用于：
- 生成模仿本风格的写作 skill（见 SKILL 第 8 步）
- 风格融合（合并多份档案）
- 后续作品的"风格匹配度"评分

第 7 步（可选）：对比分析

如果用户提供多个作者样本，或要与之前分析过的档案对比：

• 按 references/analysis-framework.md 第 9 节做对比矩阵
• 客观描述差异，不做主观优劣判断
• 给出"融合两家之长"的具体建议（如"A 的标题术 + B 的语言肌理"）

第 8 步（可选）：一键生成写作 skill

触发条件：用户在分析完成后说"生成写作 skill""把这个风格做成 skill""一键生成"等类似话语。或者你在分析报告结尾主动询问用户是否需要。

做法：

1. 读取 references/writing-skill-template.md 获取写作 skill 的标准模板和结构说明
2. 根据 style_profile.yaml 的字段，直接写出一份对应的 SKILL.md（不要做机械的字符串填充——按模板里的章节结构和约束，结合本档案的具体内容亲笔写）
3. 落盘到 ~/.claude/skills/write-as-<profile_id>/，目录结构：

   write-as-<profile_id>/
     SKILL.md
     references/
       style_profile.yaml   ← 复制一份档案进去，让 skill 自包含
   

4. 跟用户确认生成成功，并提示触发方式（说"用 XX 风格写..."、"模仿 XX 写..."）

质量约束（生成的 skill 必须满足）：

• description 字段含触发关键词："用 XX 风格写"、"模仿 XX"、"仿 XX 风格"
• 所有 example 来自真实原文
• 删掉空字段对应的整段章节，不留 {{placeholder}}
• 控制在 800 行以内
• 含自查清单（写完检查至少 5 项硬指标）

---

文件落盘约定

<用户的工作目录>/
  raw/                            # 用户给的原始素材（不改动）
  samples_normalized/             # 第 1 步归一化产物
    001-xxx.md
    002-xxx.md
    ...
  [作者名]风格分析报告.md          # 第 6.2 步
  style_profile.yaml              # 第 6.1 步

<HOME>/.claude/skills/
  write-as-<profile_id>/          # 第 8 步（可选）
    SKILL.md
    references/style_profile.yaml

---

用户自定义

用户可以指定：

• 分析侧重点（如"重点看语言风格"或"我主要关心标题怎么写"）→ 仍要跑完整 5 维，但对应章节写得更深
• 输出语言（中文 / 英文）
• 精读篇数（默认 8-12 篇）
• 是否对比（与已有档案）
• 是否直接生成写作 skill（默认询问，明示要就跳过询问直接生成）
• 场景增量维度的取舍（用户可以说"忽略小红书特有维度，只看通用 5 维"）

---

质量检查（写完所有产物后逐条对照）

报告

• 每个维度都有至少 1 条原文引用作为例证
• 标题分析覆盖至少 10 个标题
• 开篇分析覆盖每篇精读文章
• 动词列表至少 20 个（不到则在 notes 说明）
• 语气色板有具体档位、占比、切换方式
• 结尾模式统计了各类型占比
• 综合画像控制在 200 字以内
• 可复用技巧每个都带原文例子和底层逻辑

档案

• 通过 style-profile-schema.md 的字段规则检查
• 所有 example 字段在 samples_normalized/ 里找得到原文
• 比例类字段加起来在 0.9-1.1 之间
• 场景增量维度只填了样本实际覆盖的平台

生成的写作 skill（若触发了第 8 步）

• description 含触发关键词
• 所有占位符已被实际内容替换或对应章节已删
• references/style_profile.yaml 已复制
• 含至少 5 项硬指标的自查清单
• 行数 ≤ 800