writing-style-skill：让 AI 从你的改稿里学风格
很多人想让 AI 写得更像自己。
最常见的做法，是先写一段风格说明。
比如：
口语一点。
不要太正式。
像我平时写公众号那样。
少一点 AI 味。
这些话有用，但很有限。
因为人自己的风格，很多时候不是提前想清楚的。你是在一次次改稿里，把不喜欢的东西删掉，把喜欢的节奏留下来。
writing-style-skill 抓住的就是这一点。
它不假设你一开始就能写出完整风格指南。
它让 AI 先写一版，你改到满意，然后把“AI 原稿”和“你的终稿”拿来做 diff，从里面提炼新规则，再写回 SKILL.md。
这篇讲它，正好接上我们前面一直在做的事：用真实改稿沉淀公众号风格。
1. 先把来源说清楚
writing-style-skill 的仓库在这里：
https://github.com/jzOcb/writing-style-skill
仓库结构很简单：
SKILL.md
README.md
scripts/observe.py
scripts/improve.py
如果你想安装，可以把这个地址给 AI：
https://github.com/jzOcb/writing-style-skill
然后说：
帮我安装这个仓库里的 writing-style-skill。
这个 Skill 的核心思路，README 里写得很清楚：
AI 用 SKILL.md 写初稿
你改到满意
diff 两版
提取规则
更新 SKILL.md
下次更准
这不是单纯提示词。
它多了一个反馈回路。
2. 它先给你一个空风格模板
SKILL.md 一开始不是写死某个人的风格。
它更像一个可填写模板。
里面有几块：
Voice Dimensions
角色与读者
写作规则
禁止词
句式偏好
格式规范
自动学习
我比较喜欢 Voice Dimensions 这一块。
它让你用 1 到 10 分给几个维度打分：
formal_casual
technical_accessible
serious_playful
concise_elaborate
reserved_expressive
这比“自然一点”更好执行。
“自然”对不同人含义不一样。
有人自然是松弛聊天。
有人自然是简洁准确。
有人自然是观点很锋利。
打分不一定完美，但它至少把模糊偏好变成了可讨论的参数。
3. 技术实现：它怎么从改稿里学规则
这个仓库不是只有 SKILL.md，它还有两个脚本：
scripts/observe.py
scripts/improve.py
这两个脚本不要分开看。
它们其实是一条回路：
记录原稿和终稿
找到两版差异
让模型提炼规则
把稳定规则写回 SKILL.md
先看 observe.py。
它负责记录两个版本。
一个是 original，也就是 AI 生成的第一版。
一个是 final，也就是你改到满意后的最终版。
记录时，它会把内容存成 JSONL 日志。
每条记录里会有：
timestamp
type
content_hash
file
content
context
char_count
这一步看起来很工程，但它解决了一个很实际的问题：风格不能只靠回忆总结。
如果没有记录，所谓“学习你的风格”就会变成凭印象总结。
你今天觉得自己不喜欢长句。
明天又觉得自己不喜欢空话。
后天又觉得标题不对。
最后规则会乱。
observe.py 的价值，是把每次改稿都留下来。以后分析风格时，就不用只靠回忆，可以直接看真实差异。
接着看 improve.py。
它会收集最近的 final 记录，找到它们和 original 不一样的地方，再调用 LLM CLI 分析。
它支持几种调用方式：
claude
llm
IMPROVE_LLM_CMD
这里要说清楚：它不是自己写一套复杂算法来判断文风。
它把“改稿差异”组织成 prompt，让模型去提炼规则。
提炼出来的规则会分级：
P0 高置信度
P1 中置信度
P2 低置信度
P0 可以自动写回。
P1 需要人工确认。
P2 先存着观察。
这套分级很实用。
因为一次改稿里出现的东西，不一定就是稳定风格。
你这次删掉某个转场词，可能只是这篇不适合。
你连续十次都删掉同一类转场词，那就可以写成规则。
所以它的技术实现可以这样理解：
observe.py 负责留下证据
improve.py 负责从证据里提炼规则
SKILL.md 负责承接下一轮写作
这不是让 AI 凭空“记住你的风格”。
它是把每一次真实改稿，变成下一次写作的规则来源。
4. 它适合公众号作者怎么用
我觉得这个 Skill 特别适合做一件事：沉淀自己的公众号改稿习惯。
比如你可以这样跑：
第一步：让 AI 写一版文章初稿。
第二步：自己认真改成能发的版本。
第三步：记录 original 和 final。
第四步：隔几篇文章，让 improve.py 总结一次。
第五步：把稳定出现的规则写回公众号 Style Guide。
我们前面其实已经做过类似事情。
比如你发现某些工整转折太像 AI。
又发现一行几个字的短句堆叠也像 AI。
还发现安装说明不能写成命令行教程，要面向小白说“把 GitHub 地址给 AI”。
这些都来自真实改稿。
writing-style-skill 的价值，是把这种过程工具化。
不是每次靠临时记忆。
5. 它的边界也要说清楚
这个仓库有脚本，但它不是自动变聪明的魔法。
它需要三个前提。
第一，你要真的改稿。
如果你不改，系统就没有 final。
没有 final，就没有可学习的差异。
第二，你要有足够多的样本。
一两次改动只能当线索。
多次重复出现，才适合写进规则。
第三，提炼规则还是由 LLM 完成。
这意味着它可能总结过度，也可能把一次特殊改动当成普遍偏好。
所以 P0/P1/P2 的分级很必要。
人还要把最后一关。
6. 对写 Skill 有什么启发
writing-style-skill 最值得学的地方，是它没有把风格当成一次性配置。
它把风格当成一个会变化的东西。
这对写自己的 Skill 很重要。
很多 Skill 一开始就想写得很完整：
我的风格是什么
我的读者是谁
我喜欢什么句式
我讨厌什么词
当然可以写。
但更好的做法，是给 Skill 留一个学习入口。
比如：
每次改稿后，保存初稿和终稿。
每周总结一次重复修改。
只把多次出现的偏好写入正式规则。
一次性改动先放进观察区。
这比凭空写一份“我的风格说明书”更接近真实写作。
风格不是说出来的。
风格是改出来的。
7. 我的判断
writing-style-skill 不像 shuorenhua 那样直接帮你改中文，也不像 humanizer 那样给出一整套 AI 痕迹清单。
它更像一个小型训练场。
AI 写。
你改。
脚本记下来。
模型再从改动里提炼规则。
这个思路很适合我们后面做公众号文章生产流程。
文章写完，不该只剩发布这一步。
还要把“我为什么这么改”留下来。
留下来的东西多了，才会长成自己的 Skill。
