Writing

核心用法

Writing 是一款专注于文风适配与持续学习的 AI 写作技能。其核心机制建立在三级记忆架构（HOT/WARM/COLD）之上，通过本地文件持久化用户的 voice、格式偏好与项目专属风格。

工作流程：
1. 启动检测：识别 20+ 种触发词（如"帮我写""润色这段""这符合我的风格吗"）
2. 记忆加载：自动读取 ~/writing/memory.md 中的核心偏好
3. 文风对齐：分析用户提供的范文，提取语调、节奏、词汇特征并匹配输出
4. 四阶编辑：结构→清晰→文风→打磨，确保输出既专业又保留个性
5. 动态记忆：高频偏好自动晋升 HOT，90 天未用归档 COLD

显著优点：

• 零配置持续学习：首次设置后自动跨会话记忆，无需重复描述风格
• 反强加设计：明确禁止"纠正"用户风格，正式/随意/口语化皆为有效选项
• 场景感知：内置邮件、博客、学术、营销、技术五类格式的差异化策略
• 隐私优先：纯本地存储，不上传内容，不联网

潜在局限：

• 依赖用户主动提供范文或反馈来学习 voice，冷启动需一定交互积累
• 项目级风格（WARM）需手动触发加载，不会自动关联上下文
• 记忆衰减机制（30/90 天）可能误伤季节性使用的偏好
• 不支持协作场景下的多用户风格隔离

适合人群：内容创作者、学术写作者、商务沟通频繁者、对 AI "机械化腔调"敏感的用户

常规风险：

• 长期未清理的 COLD 归档可能累积冗余配置
• 用户若未主动说"忘记我的风格"，历史偏好可能干扰新方向尝试
• 文风模仿存在边界模糊地带，极端个性化表达可能被误判为"错误"

核心用法

Writing 是一个专注于写作风格记忆与适配的辅助技能。核心工作流程遵循"检测-记忆-应用"三阶段：

1. 智能触发检测：自动识别用户写作求助信号（"帮我写...""改一下这段话"）、风格描述（"我喜欢...风格"）、格式偏好（"邮件要..."）及纠正反馈（"这不是我的风格"），自动激活写作模式。

2. 分层记忆架构：采用三级存储策略——HOT层（memory.md核心偏好，始终加载）、WARM层（projects/项目特定风格）、COLD层（archive/归档历史）。支持自动升降级：高频使用偏好3次/7天升至HOT，90天未用自动归档。

3. 上下文感知输出：严格遵循"先查记忆再写作"原则，针对邮件、博客、学术论文、营销文案、技术文档等不同场景采用差异化策略，并通过六遍编辑法（结构→清晰度→声音→润色）确保输出质量。

显著优点

• 零代码纯文档架构：100% Markdown构成，无可执行代码、无依赖、无网络请求，攻击面为零
• 真正的个性化：不强行"纠正"用户风格，而是通过示例学习、纠正反馈持续逼近真实声音
• 隐私优先设计：所有数据本地存储于~/writing/，无云端同步、无第三方共享，符合GDPR数据最小化原则
• 透明可审计：每次应用记忆偏好时主动引用来源（"使用记忆.md中的随意语调"），用户始终知晓AI决策依据

潜在局限

• 功能边界明确：仅处理风格偏好记忆，不进行语法/拼写检查（需配合grammar技能）
• 冷启动依赖：初期需用户提供足够示例或主动声明偏好，才能建立有效记忆
• 无跨设备同步：纯本地存储意味着多设备使用时需手动迁移~/writing/目录
• 记忆衰减机制：90天未用偏好自动归档，长期 dormant 的项目需手动召回

适合人群

• 需要长期维护一致个人/品牌声音的内容创作者（博客作者、 newsletter 写手）
• 多场景写作切换者（同一人在学术、商务、创意写作间切换）
• 对 AI "矫正"其写作风格感到不适、希望 AI 适配自己的用户
• 对数据隐私敏感、拒绝云端写作助手的用户

常规风险

• 风格固化风险：长期依赖可能导致写作风格收敛于历史偏好，抑制风格演化。建议定期使用"Forget my style"重置或手动 archive 旧偏好
• 过度拟合示例：若早期提供的示例过于狭窄，AI 可能学到非本质特征。建议提供多样化样本
• 项目边界模糊：多项目并行时需主动指定项目名（"Show [project] style"），否则可能混用风格
• 误触发记忆：自动检测机制可能将随口评论误判为偏好声明，用户需主动纠正"No, that's not my voice"