/phodal-writer:如何把十年写作经验整理成一个 Skill
最近这段时间里,我做了一件比“让 AI 帮我写文章”更麻烦的事:不是继续打磨 Prompt,而是先让它系统分析我过去十年的文章,再把这些分析结果整理成一个可以被反复加载的写作 Skill。
这件事的起点很现实。我已经用 AI 写了一段时间东西,但始终被同一个问题卡住:输出不稳定。换一个模型,换一个入口,甚至只是换一次对话,文章的结构、节奏和判断密度就会明显漂移。上一轮它还能沿着我的方式推进,下一轮就滑回标准的“技术综述腔”:段落碎、观点平均、判断变弱,最后再用一句安全但无效的总结收尾。
后来我才意识到,问题不在模型不够强,而在我一直试图用一次性的 Prompt 去解决一个本质上需要长期维护的问题。我要的不是“这一轮像我”,而是“以后每一轮都能稳定地接近我”。真正需要被工程化的,从来不是几句像我的措辞,而是那些决定文章结构、节奏和判断力的写作决策。
所以,这篇文章真正要讨论的,不是 AI 能不能模仿个人风格,而是个人写作经验能不能被提炼成一个可安装、可复用、可维护的能力单元。对我来说,这个单元的名字,就是 /phodal-writer。
“按我的风格写”之所以经常失效,是因为它只抓住了表层信号
很多人第一次让 AI 模仿自己的写作风格,做法都差不多:挑几篇范文贴进去,再补一句“按这个风格写”。前几段往往还能看,写到中后段就开始失真。它也许复现了几个表层信号,比如常用词、某种句式,甚至某种语气,但一旦进入结构推进、章节拆解、判断收束这些更深一层的决策点,输出就会迅速平均化。
原因并不复杂。所谓“风格”,本来就不是一组孤立的措辞偏好,而是一整套分布在不同层级的写作决策。什么题值得写,什么题不值得写;开头应该从现实冲突切,还是从实践经验切;正文该按阶段拆、按角色拆,还是按问题维度拆;判断句应该落在段末还是节末;结尾是压缩判断,还是保留开放邀请。这些东西如果没有被显式提取,AI 每次能够复现的,就只会是你刚刚在对话里临时提到的那几个表层线索。
这也是为什么,作者本人往往也说不清自己的风格。你问一个写了很多年文章的人“你的风格是什么”,他多半只能给出几个抽象词,比如“工程视角”“结构化”“判断性强”。这些词当然没错,但它们离可执行的规则还很远。真正困难的,从来不是描述风格,而是把风格拆成一条条在写作过程中可以被调用的决策规则。
所以,真正的问题不是“AI 能不能模仿我的风格”,而是“个人风格能不能被还原成一套稳定的写作系统”。前一个问题更像效果展示,后一个问题才真正进入工程实现。
如果不先识别风格演化,AI 学到的只会是一个平均后的你
想清楚这一点之后,我做的第一件事不是写 Prompt,而是整理样本。我把过去十年左右的文章按时间拆成三段:2014-2019、2020-2023、2024-2025。这样拆,不是为了回顾写作史,而是为了避免把不同阶段的特征混成一个平均值。
一个持续写了十年的人,风格本来就在演化。早期的文章往往更直给,甚至带点清单式推进;中期开始出现更稳定的结构骨架,但有时还是会从定义和总论起跑;近两年的文章,才逐渐稳定成“具体观察启动 -> 问题命名 -> 分层拆解 -> 工程判断收束”的节奏。如果不分阶段,AI 很容易把这些特征同时学进去,最后输出一个谁都不像的折中版本。
所以,这一步真正要回答的,不是“我以前写过什么”,而是“现在什么才应该被视为风格基线”。这件事至少要从三个层面来看:哪些特征属于当前成熟稿的稳定能力,哪些特征只是过去阶段的历史痕迹,哪些旧特征虽然不再主导,但仍然值得保留。
沿着这个思路,AI 做的就不再是泛泛的“风格总结”,而是模式提取。我要它回答的,也不是“你的文章像什么”,而是一组更具体的问题:我的开头通常怎么起?主问题会在文中被重新命名几次?判断句主要落在哪些位置?哪些文章会主动插入表格,表格承担的是什么论证功能?不同类型文章的结尾分别怎么收?
最后得到的,不是一句抽象评价,而是一组可以比较的模式差异:
这张表的价值不…