GitHub - larashero3-dotcom/writing-dna-skill: 写作蒸馏器.skill｜蒸馏复刻任意写作风格的 agent skill | Writing DNA Distiller - distill and recreate any writing

写作蒸馏器.skill

中文 | English

英文名： writing-dna-skill

我们的宗旨是：快乐写作。

所以做了这个可以蒸馏任意账号/作者写作风格的 agent skill，让写作不再痛苦，不再从 0 开始难产。

它并不是简单的“模仿某某风格”提示词，整个 skill 包含了一套完整的蒸馏流程，让 agent 把一批完整文章拆解成可复用的 Writing DNA，包括语言、结构、选题、素材、认知框架与视觉风格。蒸馏完成后，agent 可以在写作前重新读取这些风格文档，从而更稳定地复刻目标写作风格。

该 skill 在 moxt.ai 制作。

在 MoxtHub 打开写作蒸馏器.skill →

它解决什么问题

很多人让 AI 模仿一个作者，通常只会给几篇例文，然后说“照这个风格写”。这种方式很容易失真，因为 agent 只是在凭感觉抓表面语气。

writing-dna-skill 的思路是：不要让 agent 直接模仿，而是先让它系统分析一批完整文章，把风格拆成可复用的规则，再用这些规则指导后续写作。

它会把风格拆成：

• 这个作者常用什么词、句式、标点和节奏

• 文章通常如何开头、展开、转折和收束

• 什么话题会写，什么话题不写

• 常引用什么素材，如何使用案例、数据和截图

• 背后的世界观、价值判断和核心假设

• 如果是图文内容，还会分析配图、排版、字体层级和色彩使用

适合什么

• 分析某个账号/作者的稳定写作风格

• 沉淀自己的写作风格资产

• 对比不同作者在同一议题上的表达差异

• 给 agent/AI 提供更稳定的风格复刻上下文

中英文产物

这个 skill 会将“对话语言”和“产物语言”分开处理。例如，用户可以用中文下达任务，但为英文 Newsletter 生成英文 Writing DNA。

• 中文产物使用 templates/author-corpus/zh/ 和中文文件名。

• 英文产物使用 templates/author-corpus/en/ 和英文文件名。

• 用户明确指定时以用户选择为准，否则跟随语料的主要语言。

它能分析什么

这个 skill 会尽量把“风格”从一个模糊感受，拆成可以被记录、复用和检查的规则。它不只看文字表面的语气，也会看文章为什么这样写、如何组织材料、如何形成判断。

它适合分析：

• 长文、公众号文章、博客、Newsletter、专栏文章

• 小红书、微博、社交平台上的图文内容

• 自己过去写过的一批文章，用来沉淀个人写作资产

• 同一主题下多个作者的文章，用来对比表达差异

如果原文里有截图、配图、数据图或排版样式，也建议一起保留。很多图文账号的风格不只在文字里，图片的出现位置、截图承担的证据功能、标题层级和留白节奏，都会影响最终“像不像”。

蒸馏的六个层次

层次 分析对象 输出结果

L1 表层语言 词频、句长、标点、修辞、常用表达 语言DNA.md

L2 文章结构 开头 hook、正文架构、转折方式、结尾收束 文章结构模板.md

L3 选题逻辑 发布时机、切入角度、话题优先级 写作视角与认知框架.md

L4 素材策略 引用来源、权威对象、案例和数据使用方式 写作视角与认知框架.md

L5 认知框架 世界观、价值判断、核心假设、反复出现的命题 写作视角与认知框架.md

L6 视觉风格 配图策略、排版格式、字体层级、色彩使用 视觉风格指南.md

简单说：

• L1-L2 解决“怎么写”

• L3-L5 解决“怎么想”

• L6 解决“怎么呈现”

完整的风格复刻需要三者结合。只复刻语言，通常会“读着像但想法不像”；只复刻结构，通常会“框架像但语气不像”；忽略视觉风格，图文内容就会“文字像但看着不像”。

语料要求

真实蒸馏建议准备：

• 至少 20 篇完整文章

• 文件格式建议为 .md 或 .txt

• 尽量覆盖不同时期、不同主题、不同类型的文章

examples/format-only/ 只用于演示目录格式，不代表真实蒸馏效果。不要用少量短文评估这个 skill 的上限。

蒸馏流程

一次完整蒸馏通常分成 6 步：

• 收集原始文章 ：手动抓取或让 agent 抓取至少 20 篇完整文章，统一放进 raw/ 或 raw-corpus/ 。

• 建立元数据 ：为每篇文章标注标题、日期、类型、主题、hook、结构、素材来源等信息，形成 _meta/ 。

• 分析语言 DNA ：统计词频、句长、标点、段落节奏、常用表达和中英文混用习惯，输出 语言DNA.md 。

• 提炼结构模板 ：标注开头、转折、正文组织、结尾方式，把不同文章类型整理成可复用结构，输出 文章结构模板.md 。

• 归纳认知框架 ：通过深度阅读提取选题逻辑、素材偏好、价值判断、核心假设和反复出现的命题，输出 写作视角与认知框架.md 。

• 整理视觉风格 ：如果原文包含图片或特殊排版，分析配图策略、截图功能、字体层级、色彩和图文协作方式，输出 视觉风格指南.md 。

最后，agent 会把这些结果整合成 Writing-DNA.md 。这份文档是后续复刻写作风格时最常用的总入口。

蒸馏产物

一次完整蒸馏通常会输出这些文件：

作者或账号名称/ ├── raw/ # 原始文章语料 ├── _meta/ # 元数据标注 ├── 语言DNA.md # L1 分析产物 ├── 文章结构模板.md # L2 分析产物 ├── 写作视角与认知框架.md # L3-L5 分析产物 ├── 视觉风格指南.md # L6 分析产物 └── Writing-DNA.md # 最终整合文档

其中 Writing-DNA.md 是最终整合文档，适合后续直接喂给 agent，作为写作前的风格上下文。

快速上手

推荐直接在 MoxtHub 打开 writing-dna-skill ：Moxt 拥有强大的上下文空间和 AI 原生的文件格式，方便 agent 处理长文内容。

• 让 agent 抓取或手动准备至少 20 篇完整文章，放入命名为 raw/ 或 raw-corpus/ 的文件夹。

• 让 agent 使用 writing-dna-skill ，或完整阅读 SKILL.md ，并按流程蒸馏所有文章。

• 等待 agent 输出：

• 语言DNA.md

• 文章结构模板.md

• 写作视角与认知框架.md

• 视觉风格指南.md

• Writing-DNA.md

• 后续写作前，让 agent 先重新阅读所有蒸馏产物，再按该风格写作。

可以这样开始一次蒸馏：

请使用 writing-dna-skill 蒸馏分析这个目录里的所有文章。

使用蒸馏好的风格

想让复刻效果更稳定，不要只在第一次写作时让 agent 读取风格文档。SKILL.md 第六节把每次写作前的读取要求写成了硬性步骤：

• 先布置写作任务，给 agent 相关选题的足够上下文、认知等。

• 让 agent 重新阅读 全部 蒸馏产物——四份分层产物加 Writing-DNA.md ，一份都不跳过。整合文档是压缩后的结论，具体语感只存在于分层产物里。

• 再让 agent 读 5 篇体裁和题材最接近的 raw/ 原文 。优先按 _meta/ 的 article_type 和 topic_tags 筛，匹配超过 5 篇时取最近的。读原文不是为了找素材，而是校准分层产物描述不出来的东西：句子的呼吸感、段落怎么接、什么时候突然用一个短句。

• 要求 agent 按蒸馏产物中的语言、结构、认知和视觉规则写作。

• 如果输出不像，要求 agent 对照 语言DNA.md 、 文章结构模板.md 、 写作视角与认知框架.md 逐项自检后重写。

规则冲突时的优先级：用户本次的明确指令 > 匹配当前体裁的结构模板 > 语言特征与视觉风格 > 认知框架。原文里的具体观点和事实不能直接搬进新文章——复刻的是写法，不是内容。

可以这样说：

请先阅读这个作者目录下的所有蒸馏产物，尤其是 Writing-DNA.md、语言DNA.md、文章结构模板.md、写作视角与认知框架.md 和视觉风格指南.md。

然后从 raw/ 里挑 5 篇和我这次要写的题材最接近的原文通读，说一下这 5 篇的共同语感。

最后根据这些风格规则，帮我写一篇面向读者的文章。主题是：……

写完之后：去掉 AI 味

蒸馏得再准，模型写出来还是常有 AI 痕迹。这是两个不同的问题。蒸馏解决的是「像不像这个作者」，AI 味是「像不像机器写的」。风格对了，句子仍可能动不动就「不是 A 而是 B」、小标题一律「一、二、三」编号、段落开头突然抛一句「听起来像……」。

skills/lieflat-less-ai-tone/ 是流程的最后一道工序，按明确列出的规则清理这类痕迹。它随本仓库一起安装，不需要额外操作。

装好之后：

请用 lieflat-less-ai-tone 的规则，检查并改写刚才那篇文章。 先读这个作者的语言DNA.md，冲突时以蒸馏产物为准。

它采用白名单式改写，只处理清单里列出的规则，没命中的句子逐字保留，也不动文章结构。每条规则都有可定位的触发标记，并经过 300 篇 AI 输出与 329 篇真实文章的对比实测，不靠"读起来像 AI"这种语感判断。完整的研究方法、数据与被推翻的预设见 lieflat-less-ai-tone 。

要点： 蒸馏产物与去 AI 味规则冲突时，以蒸馏产物为准。 那是目标作者的真实写法，不是 AI 痕迹。比如某作者本来就爱用破折号，就不该按通用规则删掉。

为什么有效

这个 skill 的核心是让 agent 把风格拆成多个可检查的层次，将写作风格用脚本分析的方式沉淀总结，并在写作前将注意力聚焦在蒸馏产物上，因此能复刻写作风格。

这样得到的是一组可以被 agent 反复读取、执行和自检的风格规则。

Make 写作 Happy Again ！

重要边界

这个项目用于学习、分析、风格研究和个人写作资产沉淀。请不要用于冒充作者本人、误导读者，或侵犯他人版权。

开源仓库不应包含未经授权的原文语料。你可以放目录模板、字段模板、说明文档和自己拥有版权的示例文本。

文件结构

writing-dna-skill/ ├── SKILL.md ├── README.md ├── README.en.md ├── LICENSE ├── agents/ │ └── openai.yaml ├── references/ │ └── workflow.en.md ├── docs/ │ ├── release-checklist.md │ └── usage-boundaries.

md ├── templates/ │ └── author-corpus/ │ ├── zh/ # 中文模板与中文文件名 │ └── en/ # 英文模板与英文文件名 ├── skills/ │ └── lieflat-less-ai-tone/ # 去 AI 味规则集（随本仓库安装） └── examples/ └── format-only/

License

在 MoxtHub 使用 writing-dna-skill →

MIT

— 本文由 AI 根据公开来源辅助整理，命令、版本与许可证请在使用前到原始页面复核。