StyleDNA 笔触基因：提取写作风格，让 AI 写作不再从零开始

StyleDNA（文风DNA / 笔触基因）是一套用于深度蒸馏作者写作风格、认知框架与视觉排版的 Agent Skill 与工程化工具链。它不是简单的“模仿某某语气”的单次浅层提示词，而是将多篇完整历史文章深度解构为可复用、可量化、可自检的“风格规则资产集”，并通过动态智能召回、分层上下文组装与量化质检机制，实现高保真度、去 AI 腔调的受控文风复刻。

---

一、核心理念与痛点解决

传统 AI 仿写的典型痛点

1. 凭感觉抓表面语气：仅提供 1-2 篇样例让模型“照着写”，模型往往只能捕捉到高频副词或表层口癖，内在论证逻辑与节奏完全失真。
2. 上下文过载与注意力衰减：直接将 20 篇长文一股脑塞入 Prompt，导致长上下文注意力遗忘（Lost in the Middle），无法提取深层规律。
3. 严重的 AI 八股套路：即使风格大致相似，模型输出仍频繁出现“不仅如此”、“综上所述”、“这不仅仅是一次……更是一场……”等典型机械连接词。
4. 忽视视觉排版与证据截图：图文账号的风格很大程度体现在排版密度、加粗节奏以及截图在论证链中的承重功能，传统文字仿写完全丢失了这些维度。

StyleDNA 的解决之道

StyleDNA 采用**“离线资产蒸馏 + 在线分层校准 + 量化质检拦截”**的工程化闭环，将模糊的“写作语感”拆解为 6 个客观维度的规则清单，并提供开箱即用的自动化统计与评估脚本。

二、双轨语言与产物映射规范

将“对话语言”和“产物语言”分开处理：

1. 默认对话交互：使用用户的对话语言进行交互，除非用户明确指定其他语言。
2. 产物语言优先级：用户明确指定产物语言时以用户选择为准；未指定时，使用原始语料的主要语言；语料混合且无法判断时，使用对话语言。
3. 产物模板映射：
   • 中文产物使用 templates/author-corpus/zh/，产物命名为中文。
   • 英文产物使用 templates/author-corpus/en/，产物命名为英文。

分析产物	中文文件名	英文文件名	核心关注点
L1 语言 DNA	语言DNA.md	language-dna.md	词频、句长、标点习惯、中英文混用方式
L2 文章结构	文章结构模板.md	structure-patterns.md	开头 Hook、正文架构、转折与结尾
L3-L5 认知框架	写作视角与认知框架.md	cognitive-framework.md	切入角度、素材偏好、核心命题与底层假设
L6 视觉风格	视觉风格指南.md	visual-style-guide.md	配图位置与类型、加粗密度、段落节奏、排版层级
最终整合文档	Writing-DNA.md	Writing-DNA.md	总体约束、执行优先级与核心规则索引

三、蒸馏的六个层次与跨层原则

层次	分析对象	提取方法	输出产物
L1 表层语言	词频、句长、标点习惯、修辞特色	脚本统计分析	语言DNA.md
L2 文章结构	开头 Hook、正文架构、转折方式、收束逻辑	结构骨架标注与分类归纳	文章结构模板.md
L3 选题逻辑	发布时机、切入视角、话题优先级与禁忌	归纳分类与选题决策树	写作视角与认知框架.md
L4 素材策略	引用来源、权威对象、数据与截图角色	深度阅读归纳	写作视角与认知框架.md
L5 认知框架	世界观、价值判断、底层假设、核心命题	深度阅读提炼	写作视角与认知框架.md
L6 视觉风格	配图策略、图文间隔、排版层级、加粗密度	图文统计与排版分析	视觉风格指南.md

核心原则：L1-L2 是“怎么写”，L3-L5 是“怎么想”，L6 是“怎么呈现”。完整的风格复刻需要三者结合。

跨层原则：图片内容必须纳入分析

许多文章的图片不是装饰——截图、对话记录、数据表格、用户评论中的文字是论证链的一部分。分析时必须打开图片查看内容：

• L2 文章结构：截图在叙事中的承重角色（转折点在截图里、证据链由截图构成）。
• L4 素材策略：截图是核心素材形式，精确数据往往只存在于图片中。
• L6 视觉风格：图片的功能分类（证据型/演示型/数据型/叙事推进型/情绪型/权威型）和图文协作模式。
• 执行要求：在分析中，至少抽样 5-10 篇文章逐张查看图片内容，评估图片携带的实质性信息比例。

---

四、内置自动化脚本工具链

在 scripts/ 目录下提供了完整的 Python 脚本工具，支持标准库回退运行（无需复杂环境配置）：

1. 语料特征统计分析

自动解析指定语料目录中的 .md 或 .txt 文章，提取统计学层面的语言特征：

• 自动计算平均句长、短句（≤15字）占比、长句（≥50字）占比。
• 统计高频核心名词、动词、修饰词及常用副词。
• 统计核心标点符号分布（破折号、括号、冒号、省略号、问号、感叹号、双引号）。
• 统计每千字加粗密度及小标题平均字数。

# 运行分析并将 Markdown 报告保存至目标文件
python3 scripts/analyze_corpus.py raw/ -o 语言DNA.md

# 或以 JSON 格式导出统计数据
python3 scripts/analyze_corpus.py raw/ --json > stats.json

2. 视觉排版与图文特征提取

解析文章中的 Markdown / HTML 排版与多模态配图标记：

• 统计篇均配图数量、每千字图片密度与图文间隔段落数。
• 分析首图/封面图存在率与配图功能说明（Alt Text 采样）。
• 统计 H1-H4 各级标题分布、引用块、代码块、分割线与列表项密度。

# 自动生成视觉风格指南初稿
python3 scripts/analyze_visual.py raw/ -o 视觉风格指南.md

3. 相似语料智能召回器

在写作前，根据用户当前输入的写作主题、关键词或体裁，利用 BM25 算法与 _meta 元数据标签，自动从 raw/ 语料库中检索出最贴近的 5 篇参考原文：

• 综合匹配文章标题、主题标签、体裁及正文语义。
• 支持按时间衰减加权（优先匹配近期风格）。
• 支持一键导出合并后的 Prompt 上下文。

# 检索 Top-5 匹配文章并在终端展示得分榜
python3 scripts/retrieve_context.py . -q "AI智能体协同工作与软件工程" -t "深度分析"

# 检索并将 5 篇参考原文合并导出为 prompt_context.md
python3 scripts/retrieve_context.py . -q "AI智能体协同" --export-context prompt_context.md

4. 风格吻合度量化评估器

写作完成后对成稿进行量化质检（百分制）：

• 指标对比：检验成稿的句长均值、长短句比例、加粗密度是否落在目标作者的基准区间内。
• AI 味精准扫描：内置 6 大类常见 AI 套话检测正则（空洞过渡词、夸大象征修辞、冗余填料词、机械三段论连接、过度否定排比、老套升华结尾等）。
• 扣分与改进建议：输出诊断分析与定向修改意见。

# 评估生成文章与 语言DNA.md 的吻合度
python3 scripts/eval_style.py output_article.md -d 语言DNA.md

---

五、端到端标准蒸馏流程 (Step 1 - Step 7)

Step 1：原始素材收集

目标：建立该账号/作者的文章语料库。

• 收集渠道：公众号、博客、Newsletter、官网、社交平台等历史文章。
• 数量建议：至少 20 篇完整文章（覆盖不同时期与类型）。
• 文件格式：.md 或 .txt，存入 raw/ 文件夹。
• 命名规范：YYYY-MM-DD 内容类型 文章标题-来源.md

Step 2：元数据标注 (_meta/ 目录)

为每篇文章创建元数据记录，保存为 _meta/{文件名}.json：

{
  "title": "文章标题",
  "date": "YYYY-MM-DD",
  "author": "作者姓名",
  "column": "内容系列名称",
  "article_type": "访谈 | 深度分析 | 短评 | 观察 | 综述",
  "topic_tags": ["AI", "创业", "商业模式"],
  "hook_type": "问题式 | 场景式 | 数据式 | 观点式 | 悬念式",
  "structure_pattern": "总-分-总 | 时间线 | 对比式 | Q&A",
  "source_types": ["一手素材", "公开资料", "案例对比"],
  "word_count": 3200,
  "notable": "值得标注的特殊之处（可留空）"
}

Step 3：脚本统计分析 (L1 表层语言)

运行自带的分析脚本，自动提取表层语言统计特征并输出至 语言DNA.md：

python3 scripts/analyze_corpus.py raw/ -o 语言DNA.md

Step 4：结构骨架标注 (L2 文章结构)

对每篇文章标注结构骨架：

[开头 hook 类型] + [字数]
→ [第一转折点/核心问题引入]
→ [正文结构：总-分 / 对比 / 时间线 / Q&A]
→ [结尾处理方式：收束 / 悬念 / 呼吁 / 自然结束]

归纳后按内容类型整理为可复用的结构模板（如访谈类模板、深度剖析模板等），存入 文章结构模板.md。

Step 5：选题与认知框架提炼 (L3-L5)

通过深度阅读归纳提炼，输出至 写作视角与认知框架.md：

• L3 选题逻辑：切入时机（早期预判/事后复盘）、视角取向、不写的话题清单。
• L4 素材策略：一手/二手引用偏好、权威对象选取、截图在论证中的承重角色。
• L5 认知框架：对主题的核心假设、价值判断标准、反复出现的 3-5 条深层核心命题。

Step 6：视觉风格与排版分析 (L6)

运行分析脚本辅助提取排版数据，并结合人工抽样查看图片内容，输出至 视觉风格指南.md：

python3 scripts/analyze_visual.py raw/ -o 视觉风格指南.md

涵盖：配图策略（图文比、图文间距）、首图风格、图片功能分类、标题层级与加粗强调密度。

Step 7：蒸馏产物总览整合 (Writing-DNA.md)

将 L1-L6 的分析结论整合成一份总控文档 Writing-DNA.md（控制在 4000 字以内）：

Writing-DNA.md
├── 语言特征（来自 L1）
├── 结构模板（来自 L2，按类型分类）
├── 选题判断标准（来自 L3）
├── 素材使用规范（来自 L4）
├── 核心认知框架（来自 L5）
└── 视觉风格指南（来自 L6：配图策略 + 排版 + 色彩）

---

六、高级工作流与机制

海量语料分批蒸馏 (Map-Reduce)

当语料库超过 20 篇且长文居多时，单次喂给模型容易造成上下文溢出。建议采用分批工作流（详见 references/batch_distillation.md）：

1. Map 阶段：按 3-5 篇一组分批输入模型，仅提取单篇元数据与局部结构片段存入 _meta/。
2. Reduce 阶段：运行自动化分析脚本全量汇总 L1/L6 数据，并将全量 _meta/ 注入模型归纳 L2-L5 全局规律。

增量更新机制 (Incremental Update)

当目标作者发布了新的 3-5 篇文章时：

1. 直接存入 raw/ 并在 _meta/ 中补充记录。
2. 重新运行 analyze_corpus.py 刷新 L1 统计基准数值。
3. 对比新文章是否出现新结构或新观点，增量补充至 文章结构模板.md 与 写作视角与认知框架.md。

写作前动态 Prompt 组装规范

在调用大模型写作时，建议参考 references/prompt_assembly.md 采用结构化拼装：

[系统角色与任务说明]
   ↓
[本次写作硬性指令：主题、字数、体裁] （最高优先级）
   ↓
[目标作者 DNA 规则约束：L1 语言 + L2 结构 + L3-L5 认知 + L6 排版]
   ↓
[智能召回的 Top-5 相似原文参考片段] （语感校准层）
   ↓
[执行要求：禁止照搬具体事实 + 白名单去 AI 味质检]

规则冲突与优先级仲裁法则

在生成与后处理过程中，若遇到规则冲突，严格按以下顺序仲裁：

1. 用户明确指令（本次指定的题材、字数、平台、语言要求）拥有最高优先级。
2. L2 结构模板中匹配当前体裁的具体方案。
3. L1 语言特征与 L6 视觉排版规范。
4. L3-L5 认知框架（指导观点立场与素材选择，不决定句式结构）。
5. 蒸馏产物与通用去 AI 味规则冲突时，以目标作者的蒸馏产物为准（保留作者特有的真实语言习惯与标点偏好）。

---

七、基于蒸馏产物的写作与质检流程

蒸馏完成后，每次按该 DNA 写作前，必须先完成下面的读取步骤。不允许只凭 Writing-DNA.md 或上一轮对话记忆下笔。

7.1 每次写作前必读：四份产物 + 5 篇 raw 原文校准

第一步：读完全部蒸馏产物（四份分层产物 + 整合文档，一份都不能跳过）

读什么	中文文件名	英文文件名	提取什么
L1 语言	语言DNA.md	language-dna.md	高频词、句长分布、标点习惯、中英混用方式
L2 结构	文章结构模板.md	structure-patterns.md	匹配本次体裁的结构模板
L3-L5 认知	写作视角与认知框架.md	cognitive-framework.md	切入角度、素材偏好、核心命题
L6 视觉	视觉风格指南.md	visual-style-guide.md	配图位置与类型、加粗密度、段落节奏、分隔方式
整合	Writing-DNA.md	Writing-DNA.md	总体约束与优先级

第二步：智能召回并通读 5 篇相关的 raw 原文

使用内置召回脚本，自动检索 5 篇与本次题材与体裁最贴近的参考文章：

python3 scripts/retrieve_context.py <作者目录> -q "本次写作主题与关键词" -t "体裁(可选)"

• 读 raw 的目的：校准分层产物无法完全量化的“句子的实际呼吸感”、段落接合方式、突发短句的使用时机以及口语/书面语交融方式。读完要能说出这 5 篇的共同语感，再开始起草。
• 红线约束：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。

7.2 后处理：白名单去 AI 痕迹与量化评估

1. 白名单式清理 AI 味：写作完成后，使用 skills/lieflat-less-ai-tone/ 规则集清理 AI 痕迹。它只处理清单内的问题，没命中的句子逐字保留，不改文章框架。
2. 量化验收：运行 scripts/eval_style.py 检验吻合度并筛查 AI 套话：

   python3 scripts/eval_style.py <生成文章路径> -d <语言DNA.md路径>
   

---

八、质量验收标准 Checklist

• 语料库包含至少 20 篇完整文章，_meta/ 元数据覆盖率 ≥ 80%。
• 运行 analyze_corpus.py 提取了客观严谨的语言统计基准。
• 文章结构模板.md 覆盖了至少 3 种常见内容体裁。
• 写作视角与认知框架.md 提炼出至少 3 条非显而易见的深层核心命题。
• 视觉风格指南.md 明确了配图功能角色、图文间距与排版层级。
• Writing-DNA.md 精炼在 4000 字以内，无冗余空话。
• 写作前通过 retrieve_context.py 召回并通读了 5 篇相似题材原文。
• 成稿经 eval_style.py 评估，得分 ≥ 70 分且无高危 AI 套话。

---

九、仓库目录结构规范

StyleDNA/
├── SKILL.md                    # 主技能定义与执行指南
├── README.md                   # 中文主文档 (技术规范与全量操作手册)
├── README.en.md                # 英文主文档
├── LICENSE                     # MIT 开源协议
├── scripts/                    # 自动化 Python 脚本工具链
│   ├── analyze_corpus.py       # L1 表层语言统计工具
│   ├── analyze_visual.py       # L6 视觉与排版分析工具
│   ├── retrieve_context.py     # 相似语料智能召回器 (BM25)
│   ├── eval_style.py           # 风格吻合度量化评估器
│   └── requirements.txt        # 可选依赖清单
├── agents/
│   └── openai.yaml             # Agent 配置清单
├── references/                 # 参考指南与深度工作流
│   ├── workflow.en.md          # 英文工作流规范
│   ├── batch_distillation.md   # 海量语料分批蒸馏指南 (Map-Reduce)
│   └── prompt_assembly.md      # 写作前上下文动态组装指南
├── docs/                       # 辅助规范文档
│   ├── release-checklist.md    # 发布前检查清单
│   └── usage-boundaries.md     # 使用边界与免责声明
├── templates/
│   └── author-corpus/
│       ├── zh/                 # 中文产物模板与规范
│       └── en/                 # 英文产物模板与规范
├── skills/
│   └── lieflat-less-ai-tone/   # 内置去 AI 味白名单规则集
└── examples/
    └── format-only/            # 格式演示示例目录

---

十、使用边界与免责声明

1. 本项目用于学术研究、写作风格分析与个人写作资产沉淀。
2. 严禁利用本项目生成的内容冒充特定作者本人、发布虚假信息或误导公众。
3. 开源仓库内不应包含未经原作者授权的私密语料或付费文章原文。
4. 复刻的是“写作技法与论证节奏”，严禁直接搬运或抄袭原文中的事实观点与独家数据。

---

十一、维护与开源许可

• 维护与重构：由 OrcGo 进行架构重构、自动化工具链开发与工程化维护。
• 开源许可：本项目基于 MIT License 开源。
• 作者：赵聪（ZhaoCong），产品经理与独立开发者。