核心用法
Critical Writing 是一套结构化的多角色辩论写作工作流，通过「前置三问→规划→分步写作→辩论法庭→综合改写→交付」六步闭环，让2-3个风格迥异的批评者（如Jobs、鲁迅、Musk、王朔等）就同一稿件展开真实交锋。用户只需描述写作需求，系统会强制完成背景澄清、结构规划、分模块写作，最终召唤预设批评者组合进行两轮辩论：第一轮各自独立陈述，第二轮互相反驳，最终由仲裁环节提炼出「双方共识」与「存疑分歧」，指导实质性改写。
关键操作包括：辩论前必须调用批评者完整档案（审查重点、典型话术、辩论触发词、弱点）；使用5条触发词扫描全文定位问题；确保批评者之间存在真实张力（如逻辑严密vs情感共鸣、追求简洁vs追求完整）；改写时必须解决仲裁共识项，并对分歧项给出倾向性建议。
显著优点
思辨深度远超单点批评：传统AI写作辅助多为单向修改建议，本skill通过角色对抗暴露深层矛盾——Jobs攻击废话时Musk追问前提，鲁迅追问真相时王朔解构矫情，在张力交汇点往往藏着真正的改进空间。
结构化强制约束：前置三问不可跳过、分步写作至少3模块、辩论必须扫描触发词等规则，有效对抗用户的「直接写就好」的急躁冲动，确保写作质量底线。
角色体系专业可扩展：7位批评者覆盖科技、文学、商业、营销等多领域，档案包含审查重点、典型话术、弱点说明、与其他批评者分歧等完整维度，可组合出针对不同文类的精准配对（科技文用Jobs×Musk，观点文用鲁迅×王朔）。
全流程透明可控：每步都输出规划供用户确认，辩论过程展示完整推理链，仲裁结论区分「共识」与「分歧」并给出倾向建议，最终改写注明决策依据，用户始终掌握最终决策权。
潜在缺点与局限性
流程刚性导致效率损失：200字以内简单任务仍需完整六步，即使用户明确需求也无法跳过前置三问，紧急场景下体验割裂。
角色扮演存在事实风险：批评者观点基于公开风格创意演绎，非真实人物观点，若用户误将「鲁迅风格批评」当作学术权威引用，可能产生误导。
中文语境依赖度高：批评者档案、典型话术均为中文文化语境设计（王朔「这是人话吗」、鲁迅「真正的问题你敢写吗」），英文写作场景适配性有限。
依赖外部档案完整性：辩论环节强制要求调用references/critics.md，若该文件缺失或版本不匹配，系统行为未定义。
无法处理实时信息：批评者基于静态档案生成反馈，无法检索最新事实核查用户稿件中的数据准确性。
适合的目标群体
- 内容创作者与撰稿人：需要多维度反馈突破写作瓶颈的自媒体作者、专栏作家
- 企业市场与运营人员：撰写产品文案、品牌故事、战略分析等需要说服力的商务内容
- 学术与研究人员：打磨论文引言、基金申请书等需要逻辑严密与表达清晰并重的正式文本
- AI写作进阶用户：已不满足于单次生成，希望建立迭代改进工作流的知识工作者
- 中文写作场景为主者：依赖中文文化语境批评者的用户群体
常规使用风险
性能风险：辩论环节需模拟多轮角色对话，长文本处理时token消耗显著高于普通写作助手，可能触发模型上下文长度限制。
依赖项风险：完整功能依赖references/critics.md文件，若路径错误或内容损坏，辩论环节将无法正常执行。
版本兼容性：标注兼容Claude.ai、Gemini CLI等多平台，但不同模型对「强制流程」「角色扮演」等指令遵循度存在差异，实际效果可能波动。
认知偏差风险：用户可能过度认同某一批评者风格（如极简主义的Jobs），导致改写后文本丢失必要复杂度；或因「仲裁建议」的权威性暗示而忽视自身判断。
内容安全边界：角色扮演机制可能生成风格尖锐的批评用语（王朔式嘲讽、鲁迅式冷峻），敏感用户需心理预期建设。