Writer

核心用法

writer 技能是一套AI写作模式修复指南，专注于消除大语言模型生成内容中的典型机械化痕迹。它不直接调用外部API，而是提供结构化的自检清单，帮助用户识别并修正九大类写作陷阱。

关键操作路径：
1. 段落诊断 — 扫描段落首词，避免"This/The/It"三连击
2. 节奏调控 — 交替使用短句冲击（5词）与长句流动（20词），插入策略性片段
3. 证据替换 — 将"significant growth"转为"40% growth"，用数据取代形容词
4. 结构校验 — 保持并列结构语法一致，避免"hiking, swimming, to read"式断裂
5. 回声过渡 — 用上段结尾概念开启下段，替代"Furthermore/Moreover"等过渡词拐杖

显著优点

• 零依赖设计：纯文本规则，无需联网或API密钥
• 即时反馈：边写边检，适合写作-修订迭代流程
• 针对性强：直击GPT/Claude等模型的结构性输出缺陷
• 可量化标准：如"3+段落首词重复即 robotic"，判定明确

局限性与风险

• 无自动化执行：完全依赖人工逐项检查，效率受限
• 语境盲区：某些场景下刻意重复首词（如法律文书）反而是规范
• 风格单一化风险：过度追求"去AI感"可能牺牲必要的正式语气
• 无中文适配：示例均为英文，中文语境需自行转化（如"的"字堆叠陷阱未覆盖）

适合人群

• 内容编辑者需快速清理AI生成草稿
• 营销文案写作者规避"AI味儿"质疑
• 学术作者改善技术写作可读性

常规风险

本技能为纯本地文本指南，无数据收集、无代码执行、无网络请求，安全风险极低。

核心用法

本 Skill 是一份结构化的 AI 写作质量检查清单，针对 LLM 生成内容中常见的八种机械表达模式提供具体修正方案。使用时逐条对照文本自检：段落开头是否过度使用 "This/The/It"、句式长度是否单调、形容词是否空洞、列表是否滥用、平行结构是否断裂、过渡词是否依赖模板、长文档语气是否漂移、表达是否冗赘、名词化是否过度。每条陷阱均附带 "检测方法→修正方案→实例对比" 三层指导，可直接作为写作 SOP 嵌入工作流。

显著优点

1. 问题定位精准：将模糊的 "AI 味" 拆解为可操作的八大类、二十余条具体指标，大幅降低人工校稿的认知负荷；
2. 修正方案即拿即用：提供替换词库（如 "Meanwhile" 替代 "This"）、句式模板（如 "动词优先" 原则）、量化标准（如 "80% 字数规则"），无需二次加工；
3. 零依赖零成本：纯 Markdown 文档，无代码执行、无 API 调用、无订阅费用，任何平台均可直接引用；
4. 跨场景通用：适用于技术文档、营销文案、学术论文、产品说明等多种文体，不受行业限制。

潜在缺点与局限性

1. 无自动化能力：完全依赖人工逐条核对，无法像 Grammarly 等工具实现一键扫描与批量修正；
2. 语言覆盖有限：示例以英语写作为主，中文场景需用户自行适配（如 "的的不断" 对应英文 "-tion/-ment" 名词化陷阱）；
3. 风格建议偏保守：侧重 "去 AI 化" 和可读性，对创意写作所需的故意打破语法规则、实验性文风无指导；
4. 版本维护不确定性：个人开发者维护，更新频率与长期支持缺乏 SLA 保障。

适合人群

• 内容运营、技术写作、编辑校对等需高频产出长文本的专业人士；
• 对 AI 生成内容质量敏感、希望降低 "机器感" 的品牌方与出版机构；
• 英语教学、学术写作指导等教育场景的教师与学生。

常规风险

本 Skill 为静态文档，本身不产生代码执行、网络通信或数据处理风险。主要风险在于误用：过度追求 "去 AI 化" 可能导致人为添加冗余修饰，反而损害信息密度；或在非英语语境下机械套用示例，造成表达不自然。建议结合目标读者语言习惯灵活调整，而非逐条照搬。