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 style as an agent skill
# Add to your Claude Code skills
git clone https://github.com/larashero3-dotcom/writing-dna-skillGuides for using ai agents skills like writing-dna-skill.
Last scanned: 7/1/2026
{
"issues": [],
"status": "PASSED",
"scannedAt": "2026-07-01T08:13:47.113Z",
"npmAuditRan": true,
"pipAuditRan": true,
"promptInjectionRan": true
}See how writing-dna-skill compares with popular alternatives.
writing-dna-skill is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by larashero3-dotcom. 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 style as an agent skill. It has 2,164 GitHub stars.
Yes. writing-dna-skill passed SkillsLLM's automated security scan — a dependency vulnerability audit plus prompt-injection heuristics — with no high-severity issues. You can read the full report in the Security Report section on this page.
Clone the repository with "git clone https://github.com/larashero3-dotcom/writing-dna-skill" and add it to your Claude Code skills directory (see the Installation section above). writing-dna-skill ships a SKILL.md manifest, so compatible agents can discover and load it automatically.
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh writing-dna-skill against similar tools.
No comments yet. Be the first to share your thoughts!
⚠️ Third-Party Software Notice
This skill is third-party open-source software developed and hosted independently on GitHub. SkillsLLM is an informational directory and does not control or maintain the underlying repository.
Any security checks, ratings, or warnings displayed by SkillsLLM are automated and limited in scope. They do not constitute a security certification or guarantee that the software is safe, error-free, or free from malicious code, vulnerabilities, compromised dependencies, or prompt-injection risks.
Review the source code, permissions, dependencies, and configuration before installing or running any third-party skill. Use is at your own risk. To the maximum extent permitted by applicable law, SkillsLLM is not liable for losses arising from third-party software.
英文名:
writing-dna-skill
将“对话语言”和“产物语言”分开处理:
中文产物使用 templates/author-corpus/zh/。英文产物使用 templates/author-corpus/en/,并按需读取 references/workflow.en.md 以获取英文文件名和表达规范。
| 分析产物 | 中文文件名 | 英文文件名 |
|---|---|---|
| L1 语言 DNA | 语言DNA.md |
language-dna.md |
| L2 文章结构 | 文章结构模板.md |
structure-patterns.md |
| L3-L5 认知框架 | 写作视角与认知框架.md |
cognitive-framework.md |
| L6 视觉风格 | 视觉风格指南.md |
visual-style-guide.md |
| 最终整合文档 | Writing-DNA.md |
Writing-DNA.md |
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。
从某个账号/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:
| 层次 | 分析对象 | 提取方法 | 输出形式 |
|---|---|---|---|
| L1 表层语言 | 词频、句长、标点、修辞 | 脚本统计 | 词频表 + 句式清单 |
| 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) |
| 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 |
| 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 |
| 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 |
| 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 |
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。
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:
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。
目标:建立该账号/作者的文章语料库
.md 或 .txt,存入对应目录的 raw/ 或 raw-corpus/ 文件夹文件命名规范:
YYYY-MM-DD 内容类型 文章标题-来源.md
_meta/ 目录)为每篇文章创建元数据记录,字段如下:
{
"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)"
}
元数据是后续统计分析和规律归纳的基础,不可跳过。
运行以下分析,提取表层语言特征:
词频分析
句式分析
标点与格式
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。
对每篇文章人工标注结构骨架,记录:
[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,例如:
访谈类模板:
引题段(150-300字)
→ 为什么此时此人值得聊(1句)
→ 关键背景(2-3句)
→ 本篇核心问题(1-2句)
正文 Q&A
→ 每个大话题前有小标题(4-8字)
→ 每小节 3-6 轮对话
结尾
→ 多为自然收束,无刻意升华
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。
这是最需要深度阅读的部分,无法用脚本替代。
选题逻辑归纳(L3)
素材策略(L4)
认知框架(L5)
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。
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"。
配图策略
排版格式
font-size 提取)色彩与强调
提取方法
font-size、font-weight、color、background 属性分布**(加粗)、##(标题)、>(引用)、![]()(图片)等标记提取排版规律输出: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。
将以上分析整合为一份可直接用于 AI 复刻的文档:
写作 DNA 文档(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)
这份文档应满足:给任何一个没读过该账号/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。
(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。)
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:
账号或作者名称/
├── raw/ # 原始文章语料(.md 格式)
├── _meta/ # 元数据标注(JSON 或 .md)
├── 语言DNA.md # English: language-dna.md
├── 文章结构模板.md # English: structure-patterns.md
├── 写作视角与认知框架.md # English: cognitive-framework.md
├── 视觉风格指南.md # English: visual-style-guide.md
├── Writing-DNA.md # 最终整合文档(可直接嵌入 skill)
└── index.html # 可选:可视化展示页面
蒸馏产物完成后,用以下标准自检:
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。
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:读 5 篇相关的 raw 原文
从 raw/ 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:
_meta/ 的 article_type 和 topic_tags 筛选匹配项_meta/ 不完整或缺失时,直接按文件名中的日期和标题判断读 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。
规则冲突时按此顺序取舍:
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。
写作完成后,用 skills/lieflat-less-ai-tone/ 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。
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。
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。
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 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。
templates/author-corpus/zh/ 和中文文件名。templates/author-corpus/en/ 和英文文件名。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:
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”。
| 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:
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”。
真实蒸馏建议准备:
.md 或 .txtexamples/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。
一次完整蒸馏通常分成 6 步:
raw/ 或 raw-corpus/。_meta/。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。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。
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。
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。
raw/ 或 raw-corpus/ 的文件夹。writing-dna-skill,或完整阅读 SKILL.md,并按流程蒸馏所有文章。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.mdWriting-DNA.md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。
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:
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。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。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:……
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。
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 !
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。
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/
在 MoxtHub 使用 writing-dna-skill →
MIT