核心用法
Writing 是一个自适应写作风格学习系统，核心能力在于"观察-学习-复刻"：
1. 自动风格捕获：通过分析用户的书写内容和编辑痕迹，自动识别语气、句式、词汇偏好等特征
2. 多上下文管理：支持为不同场景（商务/社交/创意）、不同关系对象、不同品牌建立独立的风格配置
3. 人格化声音：可创建具名角色/品牌声音（如"官方客服号"vs"个人朋友圈"），实现一键切换
4. 负面约束学习：记录用户明确拒绝的表达习惯，避免重复踩雷
显著优点
- 零配置启动：空模板设计，无需预先填写偏好，通过实际使用自然进化
- 置信度机制：2次以上一致样本才确认规则，减少误判
- 模块化架构：与
dimensions.md（分类维度）、criteria.md（格式标准）联动，扩展性强 - 关系感知：能区分"对老板汇报"和"对朋友吐槽"的表达差异
潜在局限
- 冷启动依赖：初期样本不足时输出偏中性，需一定交互量才能收敛
- 编辑痕迹依赖：若用户不习惯修订模式，学习信号较弱
- 冲突消解未明：未说明当多个上下文匹配时的优先级规则
- 跨语言未提及：是否支持中英文风格分别学习尚不明确
适合人群
- 多品牌运营者（需区分官方/个人账号语气）
- 高频写作从业者（PR、自媒体、电商文案）
- 对AI输出一致性有要求的细节控用户
- 团队协作场景（可沉淀共享风格库）
常规风险
- 风格固化风险：过度学习可能导致创意表达受限
- 隐私敏感：历史写作内容成为训练素材，需确认数据留存策略
- 误判累积：早期错误样本若未纠正，可能形成偏见放大
- 过度拟合：针对特定收件人学习的风格，迁移到其他场景可能显得违和