Wechat Style Profiler

---
name: wechat-style-profiler
description: "面向公众号作者的文风 DNA 梳理技能。用于从 3-10 篇参考文章中建立可复用的风格画像，输出 14 维分析、标点符号偏好、分块习惯、段落配方、叙述方法体系、内容推进方式和默认 DNA 文件，并通过用户校准确保画像可直接给写稿技能调用。当用户需要分析某位作者/账号的文风、建立可复用写作风格模板时使用此技能。"
description_zh: "从参考文章建立可复用的公众号文风 DNA（14 维分析 + 标点/分块/段落/叙述/推进画像）"
description_en: "Build a reusable WeChat writing style DNA from sample articles (14-dimension profiling)"
version: 0.1.0
allowed-tools: Bash,Read,Write
metadata:
  clawdbot:
    emoji: "🧬"
    requires:
      bins:
        - python
---

# Wechat Style Profiler

## 目标
把“像不像这个作者写的”从主观感觉，变成可执行、可复用、可迭代的显式资产。

## 输入要求
1. 作者名（必填）
2. 平台类型（公众号，必填）
3. 参考文章（至少 3 篇，推荐 5-10 篇）
4. 文章路径（可选）

默认文章路径建议：`风格参考/{作者}/公众号/`

## 工作流
1. 收集作者信息与样本路径。
2. 读取参考文章，建立样本清单与统计信息。
3. 先运行 `scripts/build_style_profile.py` 获取量化底盘。
4. 按 14 维框架做深度分析（见 `references/style-14d-framework.md`）。
5. 单独总结 `标点符号偏好`，明确破折号、引号、问号、感叹号、省略号等符号的频率、功能和禁用场景。
6. 单独总结 `分块习惯`，明确大标题、小标题、数字分节、层级深度和分块密度。
7. 单独总结 `段落配方`，明确不同场景下的段落长度、句数比例和一句成段的触发条件。
8. 单独总结 `叙述方法体系`，明确冲突、递进、转折、收束的写法。
9. 单独总结 `内容推进方式`，明确作者一般如何把内容往前推，如何从现象推进到观点、从案例推进到判断。
10. 产出初版风格画像草稿并进入用户校准循环。
11. 从参考文章提取 3-5 段 Few-shot 示例。
12. 生成情绪曲线与触发词清单。
13. 总结起承转合模板库。
14. 输出最终风格画像到固定文件，并给出写稿和标题技能的调用说明。

## 用户校准规则
- 必须在初版画像后请求用户确认。
- 用户指出偏差后必须定点修正，而非整体重写。
- 至少完成 1 轮校准；用户明确“可用”后再固化最终版。

## 14 维分析框架
使用下列四层共 14 维（详见 `references/style-14d-framework.md`）：
1. 表层特征（4 维）
2. 结构特征（3 维）
3. 深层特征（4 维）
4. 独特标记（3 维）

## 输出契约
按以下顺序输出：
1. `样本概况`
2. `14维风格分析`
3. `标点符号偏好`
4. `分块习惯`
5. `段落配方`
6. `叙述方法体系`
7. `内容推进方式`
8. `Few-shot 示例段落`
9. `情绪曲线分析`
10. `起承转合模板`
11. `可复用 Prompt Block`
12. `风格画像文件路径`

## 默认固定文件
- 如果用户希望形成长期资产，默认同时维护一份固定 DNA 文件。
- 当前默认文件可放在：
  `references/style-dna-default-template.md`

## 支持格式
- `.md`
- `.txt`
- `.docx`（先提取文本再分析）

## 固化文件
最终画像默认保存到：
`风格参考/{作者}/风格画像.md`

如果用户未指定作者目录，降级保存到：
`{author_slug}-style-profile.md`（当前工作目录）

## 质量红线
- 不允许只做“词汇模仿”，必须覆盖结构、节奏、论证。
- 不允许跳过标点符号偏好分析。
- 不允许跳过分块习惯分析。
- 不允许跳过段落配方和叙述方法体系。
- 不允许跳过内容推进方式分析。
- 不允许跳过用户校准直接定稿。
- 不允许输出空泛结论，必须给示例、比例或频率。
- 不允许生成与样本证据不一致的风格判断。

## 脚本
量化分析脚本（Windows 使用 `python`，macOS/Linux 使用 `python3`）：

```bash
python scripts/build_style_profile.py --input-dir /path/to/samples --output /path/to/style_profile.json
```

脚本输出 JSON 量化底盘，包含语料统计、节奏、人称、排版、高频词、违禁短语审计与 DNA 基因分数，作为 14 维深度分析的客观依据。

## 交付模板
最终文档结构使用：
`references/style-profile-template.md`

## 与本专家其它技能的衔接
- 上游：`wechat-article-search` 检索到的竞品/参考文章可作为本技能的样本输入。
- 下游：产出的风格画像可直接喂给写稿类技能与 `humanizer`（去 AI 味），保证成稿风格一致。