核心用法
Song Skill 是一款专注于歌曲创作前制阶段的结构化辅助工具。其核心流程遵循 Discovery（灵感探索）→ Structure（结构规划）→ Lyrics（歌词创作）→ Harmony（和弦编排）→ Polish（润色打磨）→ Generate（AI 生成） 的六阶段工作流。
在灵感探索阶段，Skill 会引导用户明确音乐风格、情绪基调与主题意象，并自动加载用户历史偏好数据。进入结构规划后，用户可选择流行歌曲常见的 Verse-Chorus-Bridge 格式、爵士标准的 AABA 结构或其他形式，并定义各段落长度。歌词创作环节提供分段逐句撰写支持，内置韵律检查与情感弧线评估机制。和弦编排阶段则根据既定情绪与风格推荐适配的和声进行，降低音乐理论门槛。润色打磨聚焦于旋律可唱性、记忆点强度与整体流畅度，支持多轮迭代优化。最终AI 生成阶段输出针对 Suno、Udio 等主流 AI 音乐生成器的优化提示词，包含风格标签、速度、调性等元数据。
Skill 采用严格的版本管理策略：所有编辑均在 versions/ 目录下新建版本文件（如 v001.md、v002.md），禁止原地修改，current.md 始终指向最新版本，确保创作过程可追溯、可回滚。
显著优点
1. 结构化创作流程：将 songwriting 这一高度依赖直觉的艺术活动转化为可复现、可学习的系统方法，显著降低新手入门门槛，同时为资深创作者提供清晰的工作框架。
2. 个性化学习机制：通过 ~/songs/preferences.md 持续追踪用户的风格偏好、韵脚习惯、词汇倾向、常用和弦进行及禁忌元素，实现越用越懂你的自适应体验。
3. AI 生成器无缝对接：深度理解 Suno、Udio 等平台的提示词语法规则，输出可直接复制的优化提示，避免用户因提示词工程不当导致生成效果偏差。
4. 版本安全与数据主权：完全本地化存储，无云端依赖，用户对自己的创作数据拥有绝对控制权；版本管理规则强制保留历史迭代，防止创意流失。
5. 非侵入式辅助定位：明确聚焦"前制阶段"（pre-production），不替代用户的艺术决策，而是提供选项与反馈，尊重创作者的声音与选择权。
潜在缺点与局限性
1. 无实时音频反馈：作为纯文本 Markdown 技能，无法提供和弦试听、旋律 MIDI 预览或虚拟乐器演奏功能，用户需依赖外部工具验证和声效果。
2. 音乐理论深度有限：Skill 明确声明"不是音乐理论课程"，对复杂和声、调式互换、爵士替代和弦等进阶技巧的覆盖可能不足，专业作曲家或需补充外部资源。
3. AI 生成结果不可控：最终音乐输出完全依赖第三方 AI 平台（Suno、Udio 等）的模型能力，Skill 仅负责提示词优化，无法保证生成质量与预期一致。
4. 个人开发者维护风险：来源等级为 T3（个人开发者），长期更新与技术支持存在一定不确定性，社区生态较弱。
适合的目标群体
- 歌词创作者：希望系统学习歌词结构、韵律技巧、情感叙事的中文写词人
- 独立音乐人：预算有限、需要快速完成 demo 前制工作的卧室制作人
- AI 音乐尝鲜者：对 Suno、Udio 等平台感兴趣但苦于提示词调试的用户
- 音乐教育场景：教师可将 Skill 作为 songwriting 课程的结构化辅助教案
- 跨领域创作者：视频博主、游戏开发者等需要定制背景音乐的非专业音乐用户
使用风险与注意事项
1. 性能风险：纯 Markdown 架构本身无性能瓶颈，但若用户创作量巨大（数百首歌曲），~/songs/ 目录的树状结构可能面临文件系统检索效率下降，建议定期归档已完成作品至 released/ 并清理草稿。
2. 依赖项风险：Skill 声明无第三方依赖，但实际使用中需用户自行访问 Suno、Udio 等外部平台，这些服务的可用性、定价策略变更或区域访问限制不在 Skill 控制范围内。
3. 版本管理误操作：虽然 Skill 强制版本化规则，但若用户手动绕过机制直接编辑 current.md 或误删 versions/ 目录，可能导致创作历史丢失，建议配合 Git 等版本控制系统双重备份。
4. 版权与合规风险：AI 生成音乐的版权归属目前在各国法律框架下仍处于灰色地带，商业使用前需确认当地法规及平台用户协议，Skill 不提供法律建议。