[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M79GXESPRPQND3ZW1FKKWCF5":3,"skill-same:01M79GXESPRPQND3ZW1FKKWCF5":170},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":16,"sourceHtmlUrl":17,"categories":18,"keywords":19,"publishedAt":20,"linkOnly":21,"markdownContent":22,"markdownBody":23,"frontMatter":24,"refName":25,"commitSha":26,"skillDirectory":27,"forksCount":14,"repositoryHtmlUrl":28,"repositoryHomepageUrl":6,"ownerHtmlUrl":29,"ownerBlogUrl":6,"ownerDescription":30,"updatedAt":31,"install":32,"resources":45},"01M79GXESPRPQND3ZW1FKKWCF5","writing-dna-skill",null,"从至少 20 篇完整文章中蒸馏可复用的写作 DNA，分析语言、文章结构、选题逻辑、素材策略、认知框架和视觉风格，并生成 Writing-DNA.md；按该 DNA 写作时会读取全部蒸馏产物和 5 篇相关原文。用于中英文作者、账号、品牌或出版物的风格分析与一致性写作。 Distill reusable Writing DNA from at least 20 complete articles for Chinese or English authors, publications, brands, and accounts; use for language, structure, topic logic, source strategy, cognitive-frame, and visual-style analysis.","gyc567\u002Fgreat-skill-center","gyc567","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F265098?v=4","01M79FNR01T00G18Z13PVXWWVK","eric","01M79FNR0PB4VEDVF0VK18FX9M",0,"MIT","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: writing-dna-skill\ndescription: 从至少 20 篇完整文章中蒸馏可复用的写作 DNA，分析语言、文章结构、选题逻辑、素材策略、认知框架和视觉风格，并生成 Writing-DNA.md；按该 DNA 写作时会读取全部蒸馏产物和 5 篇相关原文。用于中英文作者、账号、品牌或出版物的风格分析与一致性写作。 Distill reusable Writing DNA from at least 20 complete articles for Chinese or English authors, publications, brands, and accounts; use for language, structure, topic logic, source strategy, cognitive-frame, and visual-style analysis.\n---\n\n# 写作蒸馏器.skill\n\n> 英文名：`writing-dna-skill`\n\n## 使用语言与模板\n\n将“对话语言”和“产物语言”分开处理：\n\n1. 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。\n2. 用户明确指定产物语言时，以用户选择为准。\n3. 未指定时，使用原始语料的主要语言。\n4. 语料混合且无法判断时，使用对话语言。\n\n中文产物使用 `templates\u002Fauthor-corpus\u002Fzh\u002F`。英文产物使用 `templates\u002Fauthor-corpus\u002Fen\u002F`，并按需读取 `references\u002Fworkflow.en.md` 以获取英文文件名和表达规范。\n\n| 分析产物 | 中文文件名 | 英文文件名 |\n| - | - | - |\n| L1 语言 DNA | `语言DNA.md` | `language-dna.md` |\n| L2 文章结构 | `文章结构模板.md` | `structure-patterns.md` |\n| L3-L5 认知框架 | `写作视角与认知框架.md` | `cognitive-framework.md` |\n| L6 视觉风格 | `视觉风格指南.md` | `visual-style-guide.md` |\n| 最终整合文档 | `Writing-DNA.md` | `Writing-DNA.md` |\n\n下文中出现产物文件名时，始终根据已选定的产物语言使用上表对应的文件名。\n\n## 一、目标\n\n从某个账号\u002F作者的历史文章中，提炼出可复用的**写作 DNA**——不是摘要，而是可操作的规则集，用于：\n\n1. **理解** 该账号\u002F作者的写作视角、选题逻辑、语言风格\n2. **复刻** 该账号\u002F作者的写作风格（输出近似风格的文章）\n3. **对比** 不同账号\u002F作者在同一议题上的表达差异\n\n---\n\n## 二、蒸馏的六个层次\n\n| 层次 | 分析对象 | 提取方法 | 输出形式 |\n| - | - | - | - |\n| **L1 表层语言** | 词频、句长、标点、修辞 | 脚本统计 | 词频表 + 句式清单 |\n| **L2 文章结构** | 开头 hook、正文架构、结尾收束 | 人工标注 | 结构模板（按类型分类） |\n| **L3 选题逻辑** | 发布时机、切入角度、话题优先级 | 归纳分类 | 选题判断树 |\n| **L4 素材策略** | 引用来源类型、权威对象选取标准、数据使用方式 | 阅读归纳 | 素材偏好清单 |\n| **L5 认知框架** | 作者的世界观、价值判断、对主题的核心假设 | 深度阅读 | 核心命题列表 |\n| **L6 视觉风格** | 配图策略、排版格式、字体层级、色彩使用 | 图文统计 + 截图采样 | 视觉风格指南 |\n\n> **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。\n\n### 跨层原则：图片内容必须纳入分析\n\n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**，否则会遗漏：\n\n- **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）\n- **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\n- **L6 视觉风格**：图片的功能分类（证据型\u002F演示型\u002F数据型\u002F叙事推进型\u002F情绪型）和图文协作模式\n\n**执行要求**：Step 3-6 的分析中，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。\n\n---\n\n## 三、工作流程\n\n### Step 1：原始素材收集\n\n**目标**：建立该账号\u002F作者的文章语料库\n\n- 收集渠道：公众号、博客、Newsletter、官网、社交平台等历史文章\n- 数量建议：至少 20 篇完整文章\n- 文件格式：`.md` 或 `.txt`，存入对应目录的 `raw\u002F` 或 `raw-corpus\u002F` 文件夹\n- 覆盖范围：尽量包含不同时期、不同类型的文章（访谈 \u002F 深度 \u002F 短评）\n\n**文件命名规范**：\n\n```\nYYYY-MM-DD 内容类型 文章标题-来源.md\n```\n\n---\n\n### Step 2：元数据标注（`_meta\u002F` 目录）\n\n为每篇文章创建元数据记录，字段如下：\n\n```json\n{\n  \"title\": \"文章标题\",\n  \"date\": \"YYYY-MM-DD\",\n  \"author\": \"作者姓名\",\n  \"column\": \"内容系列名称\",\n  \"article_type\": \"访谈 | 深度分析 | 短评 | 观察 | 综述\",\n  \"topic_tags\": [\"AI\", \"创业\", \"商业模式\"],\n  \"hook_type\": \"问题式 | 场景式 | 数据式 | 观点式 | 悬念式\",\n  \"structure_pattern\": \"总-分-总 | 时间线 | 对比式 | Q&A\",\n  \"source_types\": [\"一手素材\", \"公开资料\", \"案例对比\"],\n  \"word_count\": 3200,\n  \"notable\": \"值得标注的特殊之处（可留空）\"\n}\n```\n\n> 元数据是后续统计分析和规律归纳的基础，不可跳过。\n\n---\n\n### Step 3：脚本分析（L1 表层语言）\n\n运行以下分析，提取表层语言特征：\n\n**词频分析**\n\n- 高频名词（100 个）\n- 高频动词（50 个）\n- 高频副词（过度使用的副词 = 需要过滤的噪声）\n\n**句式分析**\n\n- 平均句长（字符数）\n- 短句（≤15字）占比\n- 长句（≥50字）占比\n- 段落平均句数\n\n**标点与格式**\n\n- 破折号 vs 括号的使用比\n- 引号使用场景\n- 小标题平均字数\n- 中英文混用模式\n\n**输出**：中文产物写入 `语言DNA.md`；英文产物写入 `language-dna.md`。内容包含词频表和句式规律总结。\n\n---\n\n### Step 4：结构标注（L2 文章结构）\n\n对每篇文章人工标注结构骨架，记录：\n\n```\n[开头 hook 类型] + [字数]\n→ [第一转折点\u002F核心问题引入]\n→ [正文结构：总-分 \u002F 对比 \u002F 时间线 \u002F Q&A]\n→ [结尾处理方式：收束 \u002F 悬念 \u002F 呼吁 \u002F 自然结束]\n```\n\n归纳后，按**内容类型**整理为可复用的结构模板，例如：\n\n**访谈类模板**：\n\n```\n引题段（150-300字）\n  → 为什么此时此人值得聊（1句）\n  → 关键背景（2-3句）\n  → 本篇核心问题（1-2句）\n正文 Q&A\n  → 每个大话题前有小标题（4-8字）\n  → 每小节 3-6 轮对话\n结尾\n  → 多为自然收束，无刻意升华\n```\n\n**输出**：中文产物写入 `文章结构模板.md`；英文产物写入 `structure-patterns.md`。按内容类型分类。\n\n---\n\n### Step 5：选题与认知框架归纳（L3-L5）\n\n这是最需要深度阅读的部分，无法用脚本替代。\n\n**选题逻辑归纳**（L3）\n\n- 他们倾向于在什么时机切入？（早期判断 \u002F 跟进分析 \u002F 事后复盘）\n- 同一话题，他们的切入角度是什么？（当事人视角 \u002F 读者视角 \u002F 系统视角）\n- 什么类型的话题他们不写？\n\n**素材策略**（L4）\n\n- 主要依赖哪类素材？（一手观察 \u002F 二手整理 \u002F 数据引用）\n- 权威对象选取标准是什么？\n- 如何处理敏感或争议性信息？\n- **图片作为素材**：截图在论证中承担什么角色？（纯配图 vs 承重结构）精确数据是否只存在于截图中？图文之间的协作模式是什么？\n\n**认知框架**（L5）\n\n- 该账号\u002F作者对主题的核心假设是什么？\n- 反复出现的核心命题（3-5 条）\n- 他们认为什么是\"好对象\"、\"好作品\"？\n\n**输出**：中文产物写入 `写作视角与认知框架.md`；英文产物写入 `cognitive-framework.md`。\n\n---\n\n### Step 6：视觉风格与排版分析（L6）\n\n这一层分析文章的视觉呈现——读者看到的不只是文字，还有图片节奏、字体层级、排版密度。风格复刻如果只复刻文字而忽略视觉，出来的东西\"读着像但看着不像\"。\n\n**配图策略**\n\n- 图文比：每篇文章平均配图数量、图片间距（每隔多少段落出现一张图）\n- 图片类型分布：界面截图 \u002F 数据图表 \u002F 人物照 \u002F 概念示意图 \u002F meme \u002F 纯装饰\n- 首图风格：是否有封面图？风格是实拍、插画还是纯文字排版？\n- 图片来源模式：原创拍摄 \u002F 官方素材 \u002F 网络素材 \u002F AI 生成\n- **图片功能分类**（需逐张查看图片内容）：证据型（社交截图\u002F对话\u002F评论）\u002F 演示型（界面\u002F过程\u002F代码输出）\u002F 数据型（排行榜\u002F图表）\u002F 叙事推进型（故事转折在图中）\u002F 情绪型（meme）\u002F 权威型（论文\u002F人物照）\n- **图文协作模式**：文字和图片如何分工？（引导语→截图→解读？截图即论证？文字概括+截图精确？）\n\n**排版格式**\n\n- 字号层级：正文字号、标题字号、引用\u002F注释字号（从 HTML `font-size` 提取）\n- 加粗使用频率：每千字加粗次数、加粗用于强调关键词还是整句\n- 段落长度：平均段落字数、是否有刻意的短段落节奏（如一句一段）\n- 分隔方式：用小标题分段 \u002F 用分隔线 \u002F 用空行 \u002F 用加粗句作为\"隐性标题\"\n\n**色彩与强调**\n\n- 是否使用彩色文字？用于什么场景？（重点标注 \u002F 链接 \u002F 引用）\n- 背景色块的使用：灰底引用框 \u002F 高亮色块 \u002F 代码块样式\n- 整体色调倾向：素净黑白 \u002F 彩色活泼 \u002F 深色主题\n\n**提取方法**\n\n- 如有原始 HTML：统计 `font-size`、`font-weight`、`color`、`background` 属性分布\n- 如仅有 Markdown：从 `**`（加粗）、`##`（标题）、`>`（引用）、`![]()`（图片）等标记提取排版规律\n- **必做**：抽样 5-10 篇文章逐张打开图片，分析图片功能类型和图文协作模式\n- 统计图片数量、位置分布、功能分类占比\n\n**输出**：中文产物写入 `视觉风格指南.md`；英文产物写入 `visual-style-guide.md`。内容包含配图策略、排版规律和色彩使用总结。\n\n---\n\n### Step 7：蒸馏产物整合\n\n将以上分析整合为一份可直接用于 AI 复刻的文档：\n\n```\n写作 DNA 文档（Writing-DNA.md）\n├── 语言特征（来自 L1）\n├── 结构模板（来自 L2，按类型分类）\n├── 选题判断标准（来自 L3）\n├── 素材使用规范（来自 L4）\n├── 核心认知框架（来自 L5）\n└── 视觉风格指南（来自 L6：配图策略 + 排版 + 色彩）\n```\n\n这份文档应满足：​**给任何一个没读过该账号\u002F作者的人，他读完下笔能写出 70 分的近似风格文章——不仅文字像，视觉呈现也像。**\n\n---\n\n## 四、目录结构规范\n\n（本节说明蒸馏产物的存放位置，写作阶段的使用方式见第六节。）\n\n每个账号或作者目录建议采用以下结构。中文产物使用左侧文件名，英文产物使用括号中的英文文件名：\n\n```\n账号或作者名称\u002F\n├── raw\u002F                    # 原始文章语料（.md 格式）\n├── _meta\u002F                  # 元数据标注（JSON 或 .md）\n├── 语言DNA.md              # English: language-dna.md\n├── 文章结构模板.md          # English: structure-patterns.md\n├── 写作视角与认知框架.md    # English: cognitive-framework.md\n├── 视觉风格指南.md          # English: visual-style-guide.md\n├── Writing-DNA.md          # 最终整合文档（可直接嵌入 skill）\n└── index.html              # 可选：可视化展示页面\n```\n\n---\n\n## 五、质量标准\n\n蒸馏产物完成后，用以下标准自检：\n\n- [ ] 给 AI 喂入 Writing-DNA.md，能否写出该账号\u002F作者风格的文章（评分 ≥7\u002F10）\n- [ ] L2 结构模板覆盖了该账号\u002F作者至少 3 种内容类型\n- [ ] L5 认知框架提炼出至少 3 条非显而易见的核心命题\n- [ ] 元数据覆盖至少 80% 的语料文章\n- [ ] L6 视觉分析覆盖配图策略、排版格式、色彩使用三个维度\n- [ ] Writing-DNA.md 单文档字数控制在 4000 字以内（过长 = 没蒸馏干净）\n\n---\n\n## 六、使用蒸馏产物写作\n\n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` 或凭上一轮对话的记忆下笔——整合文档是压缩后的结论，具体的语感、句子长短、过渡方式和标点习惯只存在于分层产物和原文里。\n\n### 6.1 每次写作前必读\n\n**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）\n\n| 读什么 | 中文文件名 | 英文文件名 | 提取什么 |\n| - | - | - | - |\n| 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 |\n| L2 结构 | `文章结构模板.md` | `structure-patterns.md` | 匹配本次体裁的结构模板 |\n| 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 |\n| 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 |\n| 整合 | `Writing-DNA.md` | `Writing-DNA.md` | 总体约束与优先级 |\n\n**第二步：读 5 篇相关的 raw 原文**\n\n从 `raw\u002F` 中选 5 篇与本次写作**体裁和题材最接近**的文章通读。选取方式：\n\n1. 优先用 `_meta\u002F` 的 `article_type` 和 `topic_tags` 筛选匹配项\n2. 匹配项超过 5 篇时，取时间最近的 5 篇（近期文章更代表当前风格）\n3. 匹配项不足 5 篇时，用同体裁不同题材的文章补齐到 5 篇\n4. `_meta\u002F` 不完整或缺失时，直接按文件名中的日期和标题判断\n\n读 raw 的目的不是找素材，而是校准分层产物里描述不出来的东西：句子的实际呼吸感、段落之间怎么接、什么时候突然用一个短句、口语和书面语怎么混。**读完要能说出这 5 篇的共同语感**，再开始写。\n\n### 6.2 写作时的优先级\n\n规则冲突时按此顺序取舍：\n\n1. 用户的明确指令（本次要求的题材、长度、平台、语言）\n2. L2 结构模板中匹配当前体裁的那一套\n3. L1 语言特征与 L6 视觉风格\n4. L3-L5 认知框架（决定观点立场和素材选择，不决定句式）\n\n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。\n\n### 6.3 写完之后：清理 AI 痕迹\n\n写作完成后，用 `skills\u002Flieflat-less-ai-tone\u002F` 的规则清理成稿中的 AI 痕迹。它采用白名单式改写，只处理规则清单内的问题，不改文章框架，也不覆盖本次写作已遵循的 DNA 特征。\n\n**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。\n","# 写作蒸馏器.skill\n\n> 英文名：`writing-dna-skill`\n\n## 使用语言与模板\n\n将“对话语言”和“产物语言”分开处理：\n\n1. 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。\n2. 用户明确指定产物语言时，以用户选择为准。\n3. 未指定时，使用原始语料的主要语言。\n4. 语料混合且无法判断时，使用对话语言。\n\n中文产物使用 `templates\u002Fauthor-corpus\u002Fzh\u002F`。英文产物使用 `templates\u002Fauthor-corpus\u002Fen\u002F`，并按需读取 `references\u002Fworkflow.en.md` 以获取英文文件名和表达规范。\n\n| 分析产物 | 中文文件名 | 英文文件名 |\n| - | - | - |\n| L1 语言 DNA | `语言DNA.md` | `language-dna.md` |\n| L2 文章结构 | `文章结构模板.md` | `structure-patterns.md` |\n| L3-L5 认知框架 | `写作视角与认知框架.md` | `cognitive-framework.md` |\n| L6 视觉风格 | `视觉风格指南.md` | `visual-style-guide.md` |\n| 最终整合文档 | `Writing-DNA.md` | `Writing-DNA.md` |\n\n下文中出现产物文件名时，始终根据已选定的产物语言使用上表对应的文件名。\n\n## 一、目标\n\n从某个账号\u002F作者的历史文章中，提炼出可复用的**写作 DNA**——不是摘要，而是可操作的规则集，用于：\n\n1. **理解** 该账号\u002F作者的写作视角、选题逻辑、语言风格\n2. **复刻** 该账号\u002F作者的写作风格（输出近似风格的文章）\n3. **对比** 不同账号\u002F作者在同一议题上的表达差异\n\n---\n\n## 二、蒸馏的六个层次\n\n| 层次 | 分析对象 | 提取方法 | 输出形式 |\n| - | - | - | - |\n| **L1 表层语言** | 词频、句长、标点、修辞 | 脚本统计 | 词频表 + 句式清单 |\n| **L2 文章结构** | 开头 hook、正文架构、结尾收束 | 人工标注 | 结构模板（按类型分类） |\n| **L3 选题逻辑** | 发布时机、切入角度、话题优先级 | 归纳分类 | 选题判断树 |\n| **L4 素材策略** | 引用来源类型、权威对象选取标准、数据使用方式 | 阅读归纳 | 素材偏好清单 |\n| **L5 认知框架** | 作者的世界观、价值判断、对主题的核心假设 | 深度阅读 | 核心命题列表 |\n| **L6 视觉风格** | 配图策略、排版格式、字体层级、色彩使用 | 图文统计 + 截图采样 | 视觉风格指南 |\n\n> **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。\n\n### 跨层原则：图片内容必须纳入分析\n\n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**，否则会遗漏：\n\n- **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）\n- **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\n- **L6 视觉风格**：图片的功能分类（证据型\u002F演示型\u002F数据型\u002F叙事推进型\u002F情绪型）和图文协作模式\n\n**执行要求**：Step 3-6 的分析中，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。\n\n---\n\n## 三、工作流程\n\n### Step 1：原始素材收集\n\n**目标**：建立该账号\u002F作者的文章语料库\n\n- 收集渠道：公众号、博客、Newsletter、官网、社交平台等历史文章\n- 数量建议：至少 20 篇完整文章\n- 文件格式：`.md` 或 `.txt`，存入对应目录的 `raw\u002F` 或 `raw-corpus\u002F` 文件夹\n- 覆盖范围：尽量包含不同时期、不同类型的文章（访谈 \u002F 深度 \u002F 短评）\n\n**文件命名规范**：\n\n```\nYYYY-MM-DD 内容类型 文章标题-来源.md\n```\n\n---\n\n### Step 2：元数据标注（`_meta\u002F` 目录）\n\n为每篇文章创建元数据记录，字段如下：\n\n```json\n{\n  \"title\": \"文章标题\",\n  \"date\": \"YYYY-MM-DD\",\n  \"author\": \"作者姓名\",\n  \"column\": \"内容系列名称\",\n  \"article_type\": \"访谈 | 深度分析 | 短评 | 观察 | 综述\",\n  \"topic_tags\": [\"AI\", \"创业\", \"商业模式\"],\n  \"hook_type\": \"问题式 | 场景式 | 数据式 | 观点式 | 悬念式\",\n  \"structure_pattern\": \"总-分-总 | 时间线 | 对比式 | Q&A\",\n  \"source_types\": [\"一手素材\", \"公开资料\", \"案例对比\"],\n  \"word_count\": 3200,\n  \"notable\": \"值得标注的特殊之处（可留空）\"\n}\n```\n\n> 元数据是后续统计分析和规律归纳的基础，不可跳过。\n\n---\n\n### Step 3：脚本分析（L1 表层语言）\n\n运行以下分析，提取表层语言特征：\n\n**词频分析**\n\n- 高频名词（100 个）\n- 高频动词（50 个）\n- 高频副词（过度使用的副词 = 需要过滤的噪声）\n\n**句式分析**\n\n- 平均句长（字符数）\n- 短句（≤15字）占比\n- 长句（≥50字）占比\n- 段落平均句数\n\n**标点与格式**\n\n- 破折号 vs 括号的使用比\n- 引号使用场景\n- 小标题平均字数\n- 中英文混用模式\n\n**输出**：中文产物写入 `语言DNA.md`；英文产物写入 `language-dna.md`。内容包含词频表和句式规律总结。\n\n---\n\n### Step 4：结构标注（L2 文章结构）\n\n对每篇文章人工标注结构骨架，记录：\n\n```\n[开头 hook 类型] + [字数]\n→ [第一转折点\u002F核心问题引入]\n→ [正文结构：总-分 \u002F 对比 \u002F 时间线 \u002F Q&A]\n→ [结尾处理方式：收束 \u002F 悬念 \u002F 呼吁 \u002F 自然结束]\n```\n\n归纳后，按**内容类型**整理为可复用的结构模板，例如：\n\n**访谈类模板**：\n\n```\n引题段（150-300字）\n  → 为什么此时此人值得聊（1句）\n  → 关键背景（2-3句）\n  → 本篇核心问题（1-2句）\n正文 Q&A\n  → 每个大话题前有小标题（4-8字）\n  → 每小节 3-6 轮对话\n结尾\n  → 多为自然收束，无刻意升华\n```\n\n**输出**：中文产物写入 `文章结构模板.md`；英文产物写入 `structure-patterns.md`。按内容类型分类。\n\n---\n\n### Step 5：选题与认知框架归纳（L3-L5）\n\n这是最需要深度阅读的部分，无法用脚本替代。\n\n**选题逻辑归纳**（L3）\n\n- 他们倾向于在什么时机切入？（早期判断 \u002F 跟进分析 \u002F 事后复盘）\n- 同一话题，他们的切入角度是什么？（当事人视角 \u002F 读者视角 \u002F 系统视角）\n- 什么类型的话题他们不写？\n\n**素材策略**（L4）\n\n- 主要依赖哪类素材？（一手观察 \u002F 二手整理 \u002F 数据引用）\n- 权威对象选取标准是什么？\n- 如何处理敏感或争议性信息？\n- **图片作为素材**：截图在论证中承担什么角色？（纯配图 vs 承重结构）精确数据是否只存在于截图中？图文之间的协作模式是什么？\n\n**认知框架**（L5）\n\n- 该账号\u002F作者对主题的核心假设是什么？\n- 反复出现的核心命题（3-5 条）\n- 他们认为什么是\"好对象\"、\"好作品\"？\n\n**输出**：中文产物写入 `写作视角与认知框架.md`；英文产物写入 `cognitive-framework.md`。\n\n---\n\n### Step 6：视觉风格与排版分析（L6）\n\n这一层分析文章的视觉呈现——读者看到的不只是文字，还有图片节奏、字体层级、排版密度。风格复刻如果只复刻文字而忽略视觉，出来的东西\"读着像但看着不像\"。\n\n**配图策略**\n\n- 图文比：每篇文章平均配图数量、图片间距（每隔多少段落出现一张图）\n- 图片类型分布：界面截图 \u002F 数据图表 \u002F 人物照 \u002F 概念示意图 \u002F meme \u002F 纯装饰\n- 首图风格：是否有封面图？风格是实拍、插画还是纯文字排版？\n- 图片来源模式：原创拍摄 \u002F 官方素材 \u002F 网络素材 \u002F AI 生成\n- **图片功能分类**（需逐张查看图片内容）：证据型（社交截图\u002F对话\u002F评论）\u002F 演示型（界面\u002F过程\u002F代码输出）\u002F 数据型（排行榜\u002F图表）\u002F 叙事推进型（故事转折在图中）\u002F 情绪型（meme）\u002F 权威型（论文\u002F人物照）\n- **图文协作模式**：文字和图片如何分工？（引导语→截图→解读？截图即论证？文字概括+截图精确？）\n\n**排版格式**\n\n- 字号层级：正文字号、标题字号、引用\u002F注释字号（从 HTML `font-size` 提取）\n- 加粗使用频率：每千字加粗次数、加粗用于强调关键词还是整句\n- 段落长度：平均段落字数、是否有刻意的短段落节奏（如一句一段）\n- 分隔方式：用小标题分段 \u002F 用分隔线 \u002F 用空行 \u002F 用加粗句作为\"隐性标题\"\n\n**色彩与强调**\n\n- 是否使用彩色文字？用于什么场景？（重点标注 \u002F 链接 \u002F 引用）\n- 背景色块的使用：灰底引用框 \u002F 高亮色块 \u002F 代码块样式\n- 整体色调倾向：素净黑白 \u002F 彩色活泼 \u002F 深色主题\n\n**提取方法**\n\n- 如有原始 HTML：统计 `font-size`、`font-weight`、`color`、`background` 属性分布\n- 如仅有 Markdown：从 `**`（加粗）、`##`（标题）、`>`（引用）、`![]()`（图片）等标记提取排版规律\n- **必做**：抽样 5-10 篇文章逐张打开图片，分析图片功能类型和图文协作模式\n- 统计图片数量、位置分布、功能分类占比\n\n**输出**：中文产物写入 `视觉风格指南.md`；英文产物写入 `visual-style-guide.md`。内容包含配图策略、排版规律和色彩使用总结。\n\n---\n\n### Step 7：蒸馏产物整合\n\n将以上分析整合为一份可直接用于 AI 复刻的文档：\n\n```\n写作 DNA 文档（Writing-DNA.md）\n├── 语言特征（来自 L1）\n├── 结构模板（来自 L2，按类型分类）\n├── 选题判断标准（来自 L3）\n├── 素材使用规范（来自 L4）\n├── 核心认知框架（来自 L5）\n└── 视觉风格指南（来自 L6：配图策略 + 排版 + 色彩）\n```\n\n这份文档应满足：​**给任何一个没读过该账号\u002F作者的人，他读完下笔能写出 70 分的近似风格文章——不仅文字像，视觉呈现也像。**\n\n---\n\n## 四、目录结构规范\n\n（本节说明蒸馏产物的存放位置，写作阶段的使用方式见第六节。）\n\n每个账号或作者目录建议采用以下结构。中文产物使用左侧文件名，英文产物使用括号中的英文文件名：\n\n```\n账号或作者名称\u002F\n├── raw\u002F                    # 原始文章语料（.md 格式）\n├── _meta\u002F                  # 元数据标注（JSON 或 .md）\n├── 语言DNA.md              # English: language-dna.md\n├── 文章结构模板.md          # English: structure-patterns.md\n├── 写作视角与认知框架.md    # English: cognitive-framework.md\n├── 视觉风格指南.md          # English: visual-style-guide.md\n├── Writing-DNA.md          # 最终整合文档（可直接嵌入 skill）\n└── index.html              # 可选：可视化展示页面\n```\n\n---\n\n## 五、质量标准\n\n蒸馏产物完成后，用以下标准自检：\n\n- [ ] 给 AI 喂入 Writing-DNA.md，能否写出该账号\u002F作者风格的文章（评分 ≥7\u002F10）\n- [ ] L2 结构模板覆盖了该账号\u002F作者至少 3 种内容类型\n- [ ] L5 认知框架提炼出至少 3 条非显而易见的核心命题\n- [ ] 元数据覆盖至少 80% 的语料文章\n- [ ] L6 视觉分析覆盖配图策略、排版格式、色彩使用三个维度\n- [ ] Writing-DNA.md 单文档字数控制在 4000 字以内（过长 = 没蒸馏干净）\n\n---\n\n## 六、使用蒸馏产物写作\n\n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` 或凭上一轮对话的记忆下笔——整合文档是压缩后的结论，具体的语感、句子长短、过渡方式和标点习惯只存在于分层产物和原文里。\n\n### 6.1 每次写作前必读\n\n**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）\n\n| 读什么 | 中文文件名 | 英文文件名 | 提取什么 |\n| - | - | - | - |\n| 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 |\n| L2 结构 | `文章结构模板.md` | `structure-patterns.md` | 匹配本次体裁的结构模板 |\n| 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 |\n| 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 |\n| 整合 | `Writing-DNA.md` | `Writing-DNA.md` | 总体约束与优先级 |\n\n**第二步：读 5 篇相关的 raw 原文**\n\n从 `raw\u002F` 中选 5 篇与本次写作**体裁和题材最接近**的文章通读。选取方式：\n\n1. 优先用 `_meta\u002F` 的 `article_type` 和 `topic_tags` 筛选匹配项\n2. 匹配项超过 5 篇时，取时间最近的 5 篇（近期文章更代表当前风格）\n3. 匹配项不足 5 篇时，用同体裁不同题材的文章补齐到 5 篇\n4. `_meta\u002F` 不完整或缺失时，直接按文件名中的日期和标题判断\n\n读 raw 的目的不是找素材，而是校准分层产物里描述不出来的东西：句子的实际呼吸感、段落之间怎么接、什么时候突然用一个短句、口语和书面语怎么混。**读完要能说出这 5 篇的共同语感**，再开始写。\n\n### 6.2 写作时的优先级\n\n规则冲突时按此顺序取舍：\n\n1. 用户的明确指令（本次要求的题材、长度、平台、语言）\n2. L2 结构模板中匹配当前体裁的那一套\n3. L1 语言特征与 L6 视觉风格\n4. L3-L5 认知框架（决定观点立场和素材选择，不决定句式）\n\n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。\n\n### 6.3 写完之后：清理 AI 痕迹\n\n写作完成后，用 `skills\u002Flieflat-less-ai-tone\u002F` 的规则清理成稿中的 AI 痕迹。它采用白名单式改写，只处理规则清单内的问题，不改文章框架，也不覆盖本次写作已遵循的 DNA 特征。\n\n**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。\n",{"name":5,"description":7},"main","6612bed4902342e57e7f68416c67ee822f3816f3","skills\u002Fwriting-dna-skill","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center","https:\u002F\u002Fgithub.com\u002Fgyc567","love hacking and hiking! \r\n技术博客：https:\u002F\u002Fwww.cnblogs.com\u002Fgyc567","2026-11-10 15:55:55",{"source":8,"skillName":5,"commands":33,"prompt":43,"zipAvailable":44},[34,37,40],{"tool":35,"command":36},"npx","npx skills add gyc567\u002Fgreat-skill-center --skill writing-dna-skill",{"tool":38,"command":39},"bunx","bunx skills add gyc567\u002Fgreat-skill-center --skill writing-dna-skill",{"tool":41,"command":42},"pnpm","pnpm dlx skills add gyc567\u002Fgreat-skill-center --skill writing-dna-skill","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002FSKILL.md",true,[46,52,58,62,66,70,74,77,81,85,89,93,96,100,104,108,112,116,119,123,127,131,135,139,143,146,150,154,158,162,166],{"path":47,"resourceType":48,"resourceTypeDesc":49,"sizeBytes":50,"sourceHtmlUrl":51},".gitignore","OTHER","其他",207,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002F.gitignore",{"path":53,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":56,"sourceHtmlUrl":57},"agents\u002Fopenai.yaml","REFERENCE","参考文档",251,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Fagents\u002Fopenai.yaml",{"path":59,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":60,"sourceHtmlUrl":61},"CONTRIBUTING.md",1151,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002FCONTRIBUTING.md",{"path":63,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":64,"sourceHtmlUrl":65},"docs\u002Frelease-checklist.md",1373,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Fdocs\u002Frelease-checklist.md",{"path":67,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":68,"sourceHtmlUrl":69},"docs\u002Fusage-boundaries.md",768,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Fdocs\u002Fusage-boundaries.md",{"path":71,"resourceType":48,"resourceTypeDesc":49,"sizeBytes":72,"sourceHtmlUrl":73},"examples\u002Fformat-only\u002F_meta\u002F.gitkeep",1,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Fexamples\u002Fformat-only\u002F_meta\u002F.gitkeep",{"path":75,"resourceType":48,"resourceTypeDesc":49,"sizeBytes":72,"sourceHtmlUrl":76},"examples\u002Fformat-only\u002Fraw\u002F.gitkeep","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Fexamples\u002Fformat-only\u002Fraw\u002F.gitkeep",{"path":78,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":79,"sourceHtmlUrl":80},"examples\u002Fformat-only\u002FREADME.md",339,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Fexamples\u002Fformat-only\u002FREADME.md",{"path":82,"resourceType":82,"resourceTypeDesc":83,"sizeBytes":84,"sourceHtmlUrl":16},"LICENSE","许可证",1056,{"path":86,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":87,"sourceHtmlUrl":88},"README.en.md",11723,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002FREADME.en.md",{"path":90,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":91,"sourceHtmlUrl":92},"README.md",10999,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002FREADME.md",{"path":94,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":87,"sourceHtmlUrl":95},"references\u002F00-上游README-原始版-en.md","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Freferences\u002F00-上游README-原始版-en.md",{"path":97,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":98,"sourceHtmlUrl":99},"references\u002F00-上游README-原始版.md",11019,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Freferences\u002F00-上游README-原始版.md",{"path":101,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":102,"sourceHtmlUrl":103},"references\u002Fworkflow.en.md",9573,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Freferences\u002Fworkflow.en.md",{"path":105,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":106,"sourceHtmlUrl":107},"templates\u002Fauthor-corpus\u002Fen\u002F_meta\u002Fexample.schema.json",525,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fen\u002F_meta\u002Fexample.schema.json",{"path":109,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":110,"sourceHtmlUrl":111},"templates\u002Fauthor-corpus\u002Fen\u002Fcognitive-framework.md",206,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fen\u002Fcognitive-framework.md",{"path":113,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":114,"sourceHtmlUrl":115},"templates\u002Fauthor-corpus\u002Fen\u002Flanguage-dna.md",194,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fen\u002Flanguage-dna.md",{"path":117,"resourceType":48,"resourceTypeDesc":49,"sizeBytes":72,"sourceHtmlUrl":118},"templates\u002Fauthor-corpus\u002Fen\u002Fraw\u002F.gitkeep","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fen\u002Fraw\u002F.gitkeep",{"path":120,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":121,"sourceHtmlUrl":122},"templates\u002Fauthor-corpus\u002Fen\u002FREADME.md",484,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fen\u002FREADME.md",{"path":124,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":125,"sourceHtmlUrl":126},"templates\u002Fauthor-corpus\u002Fen\u002Fstructure-patterns.md",129,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fen\u002Fstructure-patterns.md",{"path":128,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":129,"sourceHtmlUrl":130},"templates\u002Fauthor-corpus\u002Fen\u002Fvisual-style-guide.md",172,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fen\u002Fvisual-style-guide.md",{"path":132,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":133,"sourceHtmlUrl":134},"templates\u002Fauthor-corpus\u002Fen\u002FWriting-DNA.md",363,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fen\u002FWriting-DNA.md",{"path":136,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":137,"sourceHtmlUrl":138},"templates\u002Fauthor-corpus\u002FREADME.md",438,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002FREADME.md",{"path":140,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":141,"sourceHtmlUrl":142},"templates\u002Fauthor-corpus\u002Fzh\u002F_meta\u002Fexample.schema.json",516,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fzh\u002F_meta\u002Fexample.schema.json",{"path":144,"resourceType":48,"resourceTypeDesc":49,"sizeBytes":72,"sourceHtmlUrl":145},"templates\u002Fauthor-corpus\u002Fzh\u002Fraw\u002F.gitkeep","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fzh\u002Fraw\u002F.gitkeep",{"path":147,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":148,"sourceHtmlUrl":149},"templates\u002Fauthor-corpus\u002Fzh\u002FREADME.md",433,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fzh\u002FREADME.md",{"path":151,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":152,"sourceHtmlUrl":153},"templates\u002Fauthor-corpus\u002Fzh\u002FWriting-DNA.md",276,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fzh\u002FWriting-DNA.md",{"path":155,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":156,"sourceHtmlUrl":157},"templates\u002Fauthor-corpus\u002Fzh\u002F写作视角与认知框架.md",148,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fzh\u002F写作视角与认知框架.md",{"path":159,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":160,"sourceHtmlUrl":161},"templates\u002Fauthor-corpus\u002Fzh\u002F文章结构模板.md",121,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fzh\u002F文章结构模板.md",{"path":163,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":164,"sourceHtmlUrl":165},"templates\u002Fauthor-corpus\u002Fzh\u002F视觉风格指南.md",151,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fzh\u002F视觉风格指南.md",{"path":167,"resourceType":54,"resourceTypeDesc":55,"sizeBytes":168,"sourceHtmlUrl":169},"templates\u002Fauthor-corpus\u002Fzh\u002F语言DNA.md",139,"https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fwriting-dna-skill\u002Ftemplates\u002Fauthor-corpus\u002Fzh\u002F语言DNA.md",[171,179,187,195,203,210],{"skillNo":172,"name":173,"nameZh":6,"description":174,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":175,"licenseFileUrl":6,"sourceHtmlUrl":176,"categories":177,"keywords":178,"publishedAt":20},"01M79GW2HHGV5RE1YWP7ANQ9JA","ub-quality-gates","Uncle Bob 编程纪律与确定性质量门工具链。写代码或改代码时使用：先让它能跑，再让它正确，最后守纪律。 当用户要求 \u002Fub-mode、需要代码质量门禁、CRAP 评分、重复代码检测、变异测试、 或抱怨代码难懂\u002F难测\u002F有重复时触发。覆盖 Clojure\u002FJava\u002FGo\u002FTypeScript\u002FRust\u002FPython。","0BSD","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fub-quality-gates\u002FSKILL.md",[],[],{"skillNo":180,"name":181,"nameZh":6,"description":182,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":183,"sourceHtmlUrl":184,"categories":185,"keywords":186,"publishedAt":20},"01M79GVTKM2QWEG8R6VTKDSD0V","tweet-composer","Score and optimize tweets based on X's real open-source ranking algorithm. Analyzes draft tweets against the actual ranking code — not generic tips. Use when: composing tweets, optimizing drafts for reach, planning threads, analyzing why a tweet performed well\u002Fpoorly, or asking for posting strategy advice.","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Ftweet-composer\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Ftweet-composer\u002FSKILL.md",[],[],{"skillNo":188,"name":189,"nameZh":6,"description":190,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":191,"licenseFileUrl":6,"sourceHtmlUrl":192,"categories":193,"keywords":194,"publishedAt":20},"01M79GR8RYEV0YXBS536MF99JN","short-video-scripter","Use when the user asks to \"script this short video\", \"write a TikTok \u002F Reels \u002F Shorts script\", \"给这条抖音或视频号视频写脚本\", or \"fix the hook — viewers drop off in the first seconds\"; produces timestamped beat-sheet scripts on the retention-gate model (0-2s hook \u002F 2-5s confirmation \u002F 5-15s payoff \u002F loop-or-CTA) with per-scene script lines, on-screen text for muted viewing, asset keywords, and 9:16 format-param rows per platform norm card for TikTok, Reels, Shorts, 抖音, and 视频号 — plus 2-3 hook options from named hook families and an AI-content disclosure line by default on realistic synthetic media. Spec-only: rendering, TTS, and publishing stay with the user's own tools — no pipelines, no upload automation. Not for creator video briefs — use brief-generator; long-form video SEO belongs to content-writer. 短视频脚本\u002F抖音分镜\u002F开头钩子\u002F竖屏9:16","Apache-2.0","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fshort-video-scripter\u002FSKILL.md",[],[],{"skillNo":196,"name":197,"nameZh":6,"description":198,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":199,"sourceHtmlUrl":200,"categories":201,"keywords":202,"publishedAt":20},"01M79GQ5XG8TY96C8HMG5W9FA5","remotion-video-master","Remotion 视频编程大师 — 用 React 组件以编程方式创建 MP4 视频。支持动画、字幕、音乐可视化、 AI 配音（TTS）与场景自动配时。触发词：用代码做视频、编程视频、React 视频、Remotion、 \u002Fremotion-video。适用场景：程序化视频（批量生成、数据驱动如年度总结、音乐可视化、自动字幕）、 教程讲解视频（技术概念可视化如 CNN 与算法、分层递进讲解、AI 配音教程）、 3D 视频（产品展示与模型动画、卡通角色讲解、3D 数据可视化、Logo 动画）。","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fremotion-video-master\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fremotion-video-master\u002FSKILL.md",[],[],{"skillNo":204,"name":205,"nameZh":6,"description":206,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":207,"categories":208,"keywords":209,"publishedAt":20},"01M79GP9M82V134E82MWFGVJ27","short-videos","Produce 90-second universal short-video scripts (HeyGen \u002F Instagram Reels \u002F LinkedIn Video \u002F YouTube Shorts) and standalone LinkedIn posts using native Hermes tools. No Claude Code dependency.","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fproductivity-pack\u002Fshort-videos\u002FSKILL.md",[],[],{"skillNo":211,"name":212,"nameZh":6,"description":213,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":214,"categories":215,"keywords":216,"publishedAt":20},"01M79GP11FPAVGESW5VE3NGXR1","medium-story","Full Medium article pipeline using native Hermes tools. Research → write → 4 parallel output agents → HTML conversion → git commit\u002Fpush. Includes pre-flight infrastructure verification step, revisor-methodology fact-checking, and an anti-AI-slop writing pass (banned vocabulary, structural variety, accuracy rules).","https:\u002F\u002Fgithub.com\u002Fgyc567\u002Fgreat-skill-center\u002Fblob\u002Fmain\u002Fskills\u002Fproductivity-pack\u002Fmedium-story\u002FSKILL.md",[],[]]