by 详细分析 ▾
运行时依赖
版本
style-learner 1.0.0 — 首次公开发布 - 引入系统化方法，从示例文本学习并编码写作风格 - 定义特征提取、示例选择、风格画像生成与验证步骤 - 列出词汇、句式、格式与标点的必需指标 - 提供风格画像与示例段落模板 - 集成 slop-detector 进行验证与反模式检测 - 提供检查清单与清晰使用说明，便于将提取风格应用于新内容
安装命令
点击复制技能文档
Night Market Skill — 移植自 claude-night-market/scribe。
如需完整的 agent、hook 与命令体验，请安装 Claude Code 插件。
# 风格学习技能 从示例文本中提取并规范化写作风格，以实现一致应用。
方法：特征提取 + 示例参考
本技能结合两种互补方式：- 特征提取：可量化的风格指标（句长、词汇复杂度、结构模式）
- 示例参考：展示目标风格的具体段落
二者共同构建一份全面的风格画像，用于指导内容生成与编辑。
必需的 TodoWrite 项
style-learner:exemplar-collected– 源文本已收集style-learner:features-extracted– 量化指标已计算style-learner:exemplars-selected– 代表性段落已选出style-learner:profile-generated– 风格指南已创建style-learner:validation-complete– 已用新内容测试通过
步骤 1：收集示例文本
收集代表目标风格的样本。 最低要求：- 至少 1000 词示例文本
- 最好多份样本（体现一致性）
- 与目标输出同类型/同语境
## 示例来源
来源 词数 类型 README.md 850 技术 blog-post-1.md 1200 叙事 api-guide.md 2100 参考
步骤 2：特征提取
加载：@modules/feature-extraction.md词汇指标
| 指标 | 测量方式 | 说明 |
|---|---|---|
| 平均词长 | 字符/词 | 复杂度 |
| 独特词比例 | 独特词/总词 | 词汇广度 |
| 术语密度 | 技术词/100 词 | 受众层级 |
| 缩写率 | 缩写/句子 | 正式度 |
句子指标
| 指标 | 测量方式 | 说明 |
|---|---|---|
| 平均长度 | 词/句 | 复杂度 |
| 长度方差 | 长度标准差 | 自然变化 |
| 问句频率 | 问句/100 句 | 互动风格 |
| 片段使用 | 片段/100 句 | 风格冲击力 |
结构指标
| 指标 | 测量方式 | 说明 |
|---|---|---|
| 段落长度 | 句/段 | 密度 |
| 列表占比 | 列表行/总行 | 格式偏好 |
| 标题深度 | 最大标题层级 | 组织风格 |
| 代码块频率 | 代码块/1000 词 | 技术密度 |
标点画像
| 指标 | 正常范围 | 风格指示 |
|---|---|---|
| 破折号率 | 0-3/1000 词 | 插入语风格 |
| 分号率 | 0-2/1000 词 | 正式复杂度 |
| 感叹号率 | 0-1/1000 词 | 热情程度 |
| 省略号率 | 0-1/1000 词 | 余韵式思考风格 |
步骤 3：示例选择
加载：@modules/exemplar-reference.md选出 3–5 段（每段 50–150 词）最能代表目标风格的文字。 选择标准：
- 展现典型句节奏
- 体现常用词汇
- 符合期望语气
- 避开异常或极端段落
示例模板
### 示例 1：[标签]
来源：[文件名，第 X-Y 行]
展示：[风格方面]
[引用段落]
关键特征：
- [观察 1]
- [观察 2]
步骤 4：生成风格画像
将提取的特征与示例合并为可用风格指南。画像格式
# Style Profile: [名称] # Generated: [日期] # Exemplar sources: [列表]voice: tone: [professional/casual/academic/conversational] perspective: [first-person/third-person/second-person] formality: [formal/neutral/informal]
vocabulary: average_word_length: X.X jargon_level: [none/light/moderate/heavy] contractions: [avoid/occasional/frequent] preferred_terms: - "use" over "utilize" - "help" over "facilitate" avoided_terms: - delve - leverage - comprehensive
sentences: average_length: XX words length_variance: [low/medium/high] fragments_allowed: [yes/no/sparingly] questions_used: [yes/no/sparingly]
structure: paragraphs: [short/medium/long] (X-Y sentences) lists: [prefer prose/balanced/prefer lists] headers: [descriptive/terse/question-style]
punctuation: em_dashes: [avoid/sparingly/freely] semicolons: [avoid/sparingly/freely] oxford_comma: [yes/no]
exemplars: - label: "[示例 1 标签]" text: | [引用段落] - label: "[示例 2 标签]" text: | [引用段落]
anti_patterns: - [需避免的模式 1] - [需避免的模式 2]
步骤 5：验证
用新内容测试画像：- 按画像生成样本内容
- 对比指标与提取特征
- 用户评估语气/语调是否匹配
- 根据反馈精炼画像
验证清单
- [ ] 指标与示例均值差距 ≤ 20%
- [ ] 无反模式违规
- [ ] 语调符合用户预期
- [ ] 词汇与示例一致
- [ ] 结构遵循画像指南
在生成中的用法
生成新内容时引用画像：按以下风格画像生成[内容类型]：
- 语调：[来自画像]
- 句长：目标约 [X] 词，在 [Y-Z] 间变化
- 用示例段落作为语调参考：
[示例引用]
- 避免：[画像中的反模式]
模块参考
- 见
modules/style-application.md了解如何将已学风格应用于新内容
与 slop-detector 集成
生成内容后运行 slop-detector 验证：- 未引入 AI 痕迹
- 风格指标匹配画像
- 避开反模式
退出条件
- 风格画像文档已创建
- 至少包含 3 段示例
- 量化指标已提取
- 已整合 slop-detector 反模式
- 通过验证测试