Writing dna

🖌️ 神笔马良 · 写作DNA蒸馏

将自己公众号/小红薯/X/twitter的文章蒸馏成属于你自己的「写作基因包」。 核心路径：七维并行采集 → 三重验证降噪 → 硬规则/软范式分类 → 增量迭代进化

理念来源：借鉴认知蒸馏方法论，将隐性的个人写作风格， 转化为 AI 可直接执行的显性规则，本质是人文本范式的萃取与固化。

---

技能触发场景

• 用户提供文章样本，说"蒸馏文章"或"分析我的写作风格"
• 用户说"按我的风格写一篇文章"
• 用户新增文章，说"更新我的DNA"（增量蒸馏）
• 用户查看当前DNA档案
• 用户说"帮我找出我写作的盲区/反模式"

---

核心工作流

阶段一：文本预处理（Preprocessing）

公众号文章文本进入蒸馏前，必须完成清洗：

1. 格式清洗：去除多余空行、特殊符号、排版标记
2. 话题语义切片：不按段落机械切分，而按话题单元划分（一个完整的论点或叙事片段为一个切片）
3. 重复内容识别：标记在多篇文章中反复出现的段落（固定套路 or 口头禅），这类重复是 DNA 的重要信号

---

阶段二：七路并行特征采集（7-Collector）

读取 references/writing-dna-framework.md 获取每个维度的详细分析指南。 七个维度独立并行分析，各自提取碎片化特征，最终汇入「原始特征池」：

#	采集器	萃取内容
1	表达范式	句式习惯、标志性词汇、口头禅、修辞手法、段落结构偏好
2	思维逻辑	惯用论证套路、推理路径、切入角度偏好、因果链条构建方式
3	知识体系	高频话题领域、常用类比素材库、知识边界（懂什么/不懂什么）
4	情感决策	与读者的关系定位、情绪调性频谱、共情策略、价值观优先级
5	选题视角	话题切入独特性、标题命名规律、选题偏好领域
6	节奏控制	句长分布、段落节奏、短句爆破节点、留白风格
7	反模式 ⚠️	思维盲区、逻辑漏洞、被引用数据但可能有误的认知、表达短板、刻意回避的话题

反模式维度同等重要——知道这个人不会/不该怎么写，和知道他擅长怎么写一样关键。

---

阶段三：三重验证降噪（Triple Validator）

原始特征池中混有大量偶然发挥、情绪话、一次性观点，必须经过三道过滤， 只保留稳定、可信、具有代表性的特征：

✅ 验证一：频次验证（Frequency Check）

• 同一特征/句式/观点，必须在多篇不同文章、不同话题切片中重复出现
• 阈值：见 config.yaml → validation.frequency_threshold（默认 ≥3 篇）
• 丢弃：仅出现一次、无法确认是否稳定的特征

✅ 验证二：语境一致性验证（Context Consistency Check）

• 同一特征在不同话题、不同情绪的文章中表现稳定，不剧烈反差
• 检查：同一个"论证套路"是否在多种主题文章中都适用
• 丢弃：只在特定类型文章中出现、其他文章完全没有的孤立特征

✅ 验证三：逻辑自洽验证（Internal Consistency Check）

• 提炼出的多条特征之间无明显矛盾
• 检查：若某条特征和已有DNA档案中的规则相悖，需标记冲突
• 处理：标记冲突特征为 [待确认]，不直接丢弃，等待更多样本裁定

经过三重验证后：低质特征被丢弃，剩余有效稳定特征集进入下一阶段。

---

阶段四：特征聚合与建模（Aggregation）

把碎片化特征抽象为两种形式，分类存储：

🔴 硬规则（Hard Rules）— 直接执行

不需要 AI 理解，直接做成拦截/替换指令：

• 口头禅：必须出现 / 偶尔出现 / 绝不出现 的固定词语
• 禁忌话题：明确不写的领域或表达方式
• 固定句式模板：开头/结尾的标准格式
• 标题规则：字数限制、是否用数字、标题结构

🔵 软范式（Soft Paradigms）— Few-shot 引导

需要 AI 理解后模仿，以示例形式呈现：

• 思维框架示例：「先给结论 → 再讲原因 → 最后补故事」的完整段落示例
• 情感调性示例：典型的情感表达段落
• 论证模式示例：典型的反直觉切入段落

分析结果写入 / 更新 references/my-writing-dna.md。

---

阶段五：风格复刻（Replication）

用户要求按此风格写作时：

1. 加载 references/my-writing-dna.md（若存在）
2. 先执行硬规则（口头禅、禁忌、句式模板）
3. 再调用软范式（Few-shot 示例引导整体风格）
4. 写完后自检清单（对照七维度逐项核查，尤其检查反模式是否误触）

---

增量蒸馏（Incremental Update）

新增文章时无需全量重跑，按以下流程增量更新：

新文章 → 预处理 → 七路采集新特征片段
→ 与已有特征库对比 → 再走三重验证
   ✅ 验证通过：合并入库，更新 DNA 规则/范式
   ❌ 验证不通过：丢弃，不影响现有 DNA
→ 更新 my-writing-dna.md 版本号与变更说明

触发增量蒸馏：用户说"更新我的DNA"或"我有新文章要加进去"

---

蒸馏命令

命令	效果
蒸馏文章 / distill	分析提供的文章，三重验证后更新DNA档案
增量更新 / update dna	只分析新文章，合并入已有档案
DNA档案 / show dna	展示当前写作DNA全貌
硬规则 / hard rules	只展示硬规则部分
软范式 / soft paradigms	只展示软范式与示例
反模式 / anti patterns	展示写作盲区与禁忌
按我风格写 [主题]	加载DNA，创作新内容
重置DNA	清空当前档案，重新蒸馏

---

核心原则

• 忠实优先：复刻风格时，宁可保留"不完美"也要保持原汁原味，不擅自优化用户的表达习惯。
• 稳定特征优先：只蒸馏反复出现的特征，一次性灵感不入库。
• 来源可溯：每条DNA规则都应标注来自哪篇文章（Article-[N]），出错可回溯。
• DNA 是活的：文章越多越准确，用 config.yaml 中的阈值控制蒸馏严格度。
• 反模式同权重：盲区和禁忌与优点一样重要，不得忽略。

---

参考资源

• references/writing-dna-framework.md — 七维分析框架详细指南
• references/dna-template.md — DNA档案标准输出模板（含硬规则/软范式分区）
• references/my-writing-dna.md — 用户个人写作DNA档案（自动生成/增量更新）
• scripts/distill_writing_dna.py — 批量蒸馏 + 三重验证 + 增量更新脚本
• config.yaml — 验证阈值与采集规则配置