这次 SOLO 技能创作赛 里有很多有意思的 Skill。比如@汤圆的「产品图片一键生成文案」——上传一张产品图，自动识别外观材质细节，然后按小红书/朋友圈/电商等平台生成对应风格的文案，解决的是"看图写文案"的效率问题。他在总结里也提到一个很有意思的方向：后续想做"文案优化"功能，帮用户去掉 AI 生成的生硬感。巧的是，这正是我这个 Skill 的核心能力——不是让 AI 帮你写，而是让 AI 写的字，读起来像你写的。
1、Skill 简介
写作 DNA 是一个提取你个人写作风格、再用它来改写 AI 草稿的 Skill。把你自己写的文章丢进去，它会自动跨文档对齐、剥离模板套话，分析你的用词习惯、句式节奏、开头结尾模式，然后拿着这份"写作基因"去清洗 AI 生成的稿子——去掉那些"赋能"“重塑”“在数字化转型的浪潮中”，植入你真正会用的表达方式。
和市面上"一键改写"工具最大的区别：它不只是查字典式换词，而是三层模板检测 + DNA 改写。模板检测这块用了独创的三层架构——脚本自动剥离字面重复（Layer 1），AI 在对话中识别文体判断语义模板（Layer 2），你再对 AI 的判断说"剥/留"（Layer 3）。这意味着不管是公文、论文、邮件还是公众号，都能自动适配，不需要为每种文体单独写规则。全流程设了三个必停的人工确认点——模板剥留、DNA 画像、改写效果——因为风格这件事每一层拍板的都必须是人。
（2026-5-24）现在我把它进一步做成了一个更完整的对话式流程：样本放进去以后，会先做样本预检；DNA 确认后会自动保存版本；后面如果我说“跟上一版比比”“用回上一版”，AI 就能帮我完成版本对比和回滚。遇到长文，它也不会一次性硬改全文，而是按章节分段改写，最后再统一术语、数字和口径。
怎么用：Trae / Cursor / Claude Code / VS Code (Copilot) / CodeX 都能用。在你的 AI 工具里告诉它，安装
https://github.com/dvdxfv/skill-writing-dna.git这个项目即可。
图 · 告诉 AI 工具安装链接后，它会自动完成克隆仓库、安装依赖、注册斜杠命令
图 · 安装完成后，「写作 DNA」出现在你的技能列表中，随时可用
2、使用场景
用 AI 写东西的人越来越多，但都有一个共同的感受——AI 写的东西不像自己。
社区运营每天要发活动公告、精华总结、新人引导帖——用 AI 起稿效率翻倍，但发出去读起来像公司行政通知。社区要的是人情味，AI 给的是一份红头文件。
小红书写手更头疼：笔记配图花了两小时，文字用 AI 填一下——出来全是"绝绝子"“都给我冲”“谁懂啊家人们”，跟自己的日常语气完全不搭。发出去没流量，评论区来一句"这是 AI 写的吧"，心态直接崩。
公众号创作者也一样：花精力打磨选题和观点，最后因为 AI 套话被读者划走——“读三行就知道后面全是 AI 写的，不用看了”。
更难受的是写论文：自己写的章节有个人论述风格，AI 润色的章节读起来像教科书——拼在一起，导师一眼看出前后不像同一个人写的，AI率也居高不下。
写周报、项目复盘、申报材料、工作总结——同样的问题：AI 帮你提了效率，但最后你还是要花大量时间把文字改回"自己的味道"。
这个 Skill 要解决的，不是"怎么让 AI 少说套话"——那是跟 AI 较劲，永远较不完。真正的问题是：你能不能让 AI 的字变成你的字。
思路很简单：先提取你自己的写作 DNA——用词习惯、句式节奏、开头收尾的模式——然后用这份 DNA 去改写 AI 的稿子。AI 套话自然就被洗掉了，不是因为你在跟套话作斗争，而是因为它不符合你的 DNA。
做出来之后，一篇 2000 字的 AI 草稿，从放进去到改完确认，大概 5 分钟（含我人工读一遍的时间）。原来手动改要 30-40 分钟。
3、创作过程
这个 Skill 是在 TRAE 上做的，下面讲讲我是怎么一步步搭出来的。
3.1 整体思路
我没有把它做成"一个提示词搞定"，而是拆成了十几个 Python 脚本，串成一条流水线。中间设了三个必须人工确认的关卡——因为写作风格这事，不能全交给机器拍板。
一开始在 SOLO 里，我是这么描述需求的：
“我想做一个 Skill，能从我过去的文章里提取写作风格，然后用这个风格去改写 AI 生成的稿子。不是简单的换词，而是要改句式节奏、开头结尾习惯、甚至段落组织方式。中间要有确认点，不能全自动——风格对不对、改得好不好，必须我自己看过才行。”
SOLO 根据这个需求描述，直接搭出了完整的项目骨架——十几个 Python 脚本覆盖全链路：
| 环节 | 核心脚本 |
|---|---|
 预处理 |
docx_to_md.py → filter_non_prose.py → strip_template.py |
 DNA 提取 |
extract_dna.py（签名短语 + 特征云图） |
 样本诊断 |
test_sample_sufficiency.py（留一法 + 饱和度曲线） |
 AI 味检测 |
detect_ai_slop.py（打分 + 定位套话） |
 DNA 改写 |
rewrite_with_dna.py（八条规则逐段改写） |
 对比报告 |
generate_report.py（双栏对照 + 指标变化） |
 DOCX 导出 |
md_to_docx.py（WPS 直接打开） |
| DNA 版本管理（2026-5-24） |
dna_versioning.py（自动保存 DNA 版本，支持对比和回滚） |
这 十几个 个脚本中，模板检测采用了独创的三层架构：
| 层级 | 谁做 | 做什么 | 何时 |
|---|---|---|---|
 Layer 1 |
strip_template.py 脚本 |
跨文档字面对齐——自动剥离 ≥60% 文档共现的重复标题/整句/短语 | pipeline 阶段全自动 |
 Layer 2 |
AI 模型（对话中） | 读 strip_report.md，识别文体 + 找语义模板（论文摘要套话、邮件客套话等） | 对话中 AI 给建议 |
 Layer 3 |
你 | 对 Layer 2 的判断说"剥/留" | 对话中你拍板 |
关键设计：Layer 1 完全文体无关——同一作者不会自我抄袭，所以跨多篇字面重复必定是格式要求。Layer 2 处理 Layer 1 剥不掉的"结构相同但内容不同"的语义模板（如"指标主要考核"这种短句），交给 AI 在对话中判断。Layer 3 必须用户拍板——语义级别的东西不能靠算法或模型单独决定。
全流程一共 3 个必停的人工确认点：模板剥留确认（
）→ DNA 画像确认（）→ 改写效果确认（）。
后续我又加了加 5 个平台（Trae / Cursor / Claude Code / VS Code / CodeX）的 AI 指令适配文件，一个不少。
3.2 整体流程（2026-5-24更新）
放样本 → 正文筛选 → 模板剥离 → 样本预检 → 🛑 确认模板剥留与样本质量 → 提取 DNA → 生成特征云 → 保存 DNA 版本 → 🛑 确认 DNA → 放草稿 → 判断场景和改写强度 → 短文直接改 / 长文按章节改 → 生成对比报告 → 🛑 确认效果 → 可选导出 DOCX
3.3 样本
样本这事我踩过坑。一开始觉得多放几篇就行，后来发现类型多样性比数量更重要。
（2026-5-24）现在样本放进去以后，不是马上提取 DNA，而是先做一次样本预检。它会检查样本数量、篇幅分布、相似度、近重复风险，以及留一法下的风格稳定性。
如果样本太少、太像、或者某一篇明显跑偏，AI 会在第一个确认点直接提醒我：“这个样本可能不适合参与 DNA 提取”。我也可以继续追问：“展开样本预检明细”，让它把问题样本列出来。
- 数量：5 篇是下限（约 2 万字），8 篇最佳，12 篇封顶——再多也不会让 DNA 更准了
- 类型：覆盖 3 种以上不同写作场景（分析论证、总结规划、公开表达、申请说服），让 AI 知道"哪种表达是你的习惯，哪种只是行业模板"
- 别交这些：同一类型交 N 篇、同项目初稿+终稿、合署作品、全是复制粘贴的模板——这类样本只会让 DNA 混入噪音
格式不挑，.docx / .md / .txt 都行，直接粘贴文字用 --- 隔开也没问题。如果实在拿不准样本够不够，和 AI 说一句 “帮我跑一下样本充足性诊断”（底层调用 test_sample_sufficiency.py），用留一法交叉验证给你出诊断报告。
3.4 跨模型评测
改写质量跟用什么模型关系很大。我拉了七个模型做横向对比：Claude Opus、ChatGPT 5.5、DeepSeek V4 Pro、千问 3.5、千问 3.6、Kimi K2.6、GLM 5V Turbo。
同一份 DNA + 同一篇原文，七个模型各改一份，然后让不同模型交叉互相评审打分，保证评分不被同一个模型的偏好带偏。评测维度四项：DNA 规则遵循度、AI 味清除程度、信息完整性、风格相似度。
图 · 不同模型交叉互相评审打分：七个模型互为评委，保证评分不被单一模型偏好带偏
结果很有意思——千问、Kimi、GLM 集体卡在 6.5 分，策略一模一样：极度保守，信息不丢，但风格不变。“怕改错，所以不改”。ChatGPT 5.5（8.3 分）和 Claude Opus（8.5 分）真正在改。Claude 甚至做了"结构转化"——把白话叙述改成枚举式结构（“一是…二是…三是…”），这是 DNA 里明确要求的，前面没一个模型做到。
图4 · 跨模型评测排名：七个模型交叉互评，Claude Opus 以 8.5 分排名第一
4、使用步骤
更详细的使用说明见我 GitHub 上的 README。
全程在 SOLO 对话中完成，不需要手动跑命令。你只需要做三件事：放样本、确认 DNA、确认改写效果，其余全自动。
第一段：放样本 → 模板剥离 + 样本预检确认（2026-5-24）
把 5-12 篇自己写的文章（.docx / .md / .txt 都行）丢进对话。系统自动完成文档转换、正文过滤、模板剥离，然后停下来等你确认——这是第一个必停点。
AI 会告诉你哪些内容在所有文章里反复出现（判定为格式套话），同时帮你检查有没有漏掉的语义模板（比如论文的"摘要引言"结构、邮件的"此致敬礼"、公众号的"点赞关注转发"）。你只需要对每一项说"剥"或"留"——拍完板才能进入下一段。
（2026-5-24）第一个确认点现在不只看“哪些内容被当成模板剥掉”，还会同时看样本质量。比如样本数量够不够、是不是过于相似、有没有重复稿、有没有某篇明显不像我的表达。
这一步的作用是防止后面提取出来的 DNA 本身就歪了。
模板没确认好，后面 DNA 就不准。这一步不能跳。
图 · 模板剥离确认：AI 列出剥留建议，用户逐项拍板"剥"或"留"
第二段：提取 DNA → 确认画像
模板确认后，系统从剥离后的文本里提取你的写作 DNA——常用短语、句长节奏、开头结尾习惯、从来不用的套话、emoji 偏好，输出一张特征云图。
（2026-5-24）每次我确认或修改 DNA 后，系统都会自动保存一个版本。后面我可以直接用自然语言说：“跟上一版比比”“用回上一版”“看看历史版本”，AI 会调用内部版本管理脚本完成对比或回滚。
AI 会在对话里直接展示清单，再次停下来等你逐项核对——这是第二个必停点。签名短语准吗？句长比例对吗？黑名单有没有误杀你的口头禅？觉得哪不对直接告诉 AI，它现场修正。如果整体都不像你，和 AI 说一句 “帮我跑一下样本充足性诊断”（底层调用 test_sample_sufficiency.py），它会告诉你缺什么、怎么补。
DNA 没确认好就改写，等于拿错误的配方做饭。这一步不能跳——但也不用怕说错，随时可以改。
图 · DNA 画像确认：AI 展示特征云图和清单，用户逐项核对签名短语、句长、黑名单
图 · DNA 特征云：字越大越能代表稳定写作资产，而不是普通词频统计
你需要逐项检查以下内容：
| # | AI 给你看什么 | 怎么判断对不对 | 不对劲怎么办 |
|---|---|---|---|
| 1 | 最有代表性的写作特征（+ 上方特征云） | 有没有"我从来没说过这个"？少了自己常用的表达？ | 告诉 AI"XX 不是我说的，换成 YY" |
| 2 | “你平均每句 XX 字，短句占 XX%” | 跟平时的句子节奏像不像？ | 告诉 AI"我一般 XX 字一句" |
| 3 | "判定为你从不用的 AI 套话"黑名单 | 有没有把自己的口头禅误杀了？ | 指出误杀项 → AI 从黑名单移除 |
| 4 | “你的文章通常以……开头，以……结尾” | 跟平时起手/收尾方式像不像？ | 复制真实开头/结尾发给 AI 替换 |
如果整体看着都不像你，别急着往下走，直接告诉 AI 哪里不对：
| 你看到的问题 | 你直接跟 AI 说 | AI 会怎么做 |
|---|---|---|
| “这个特征云里的词我从来不用” | “XX 不是我说的，换成 YY” | 从签名短语里删掉 XX，补上 YY |
| “句长统计跟我的习惯差很远” | “我一般写短句，每句大概 15-20 字” | 调整句长参数到你的真实范围 |
| “黑名单把我的口头禅误杀了” | “XX 是我常用的，从黑名单移除” | 把 XX 移回白名单，不再清除 |
| “开头结尾模式不对” | “我一般以……开头、以……结尾”（复制真实的发过去） | 用你的实际模式替换推断结果 |
| 以上全都不像 | “整体都不对，帮我诊断一下样本够不够” | 跑诊断工具，告诉你缺什么 |
第三段：放草稿 → 改写 → 确认效果
DNA 确认后，以后每次拿到 AI 草稿，直接丢进对话。系统自动做三件事：AI 味体检 → DNA 改写 → 对比报告。改完后最后一次停下来——这是第三个必停点。
（2026-5-24）如果草稿很长，它不会一次性把全文塞进去改，而是先拆成章节，逐章改写，再统一术语、数字、称谓和前后口径。用户看到的仍然是自然语言对话，比如“这篇太长了，按章节改”。
AI 会在对话里展示 AI 味分数变化、清除了哪些套话、植入了哪些签名短语，以及改写后全文。你读一遍确认——像你吗？信息丢没丢？满意就回复 “满意，交付”，不满意指定段落重写。
（2026-5-24）改写完成后，报告里会明确区分：哪些 DNA 规则已经应用，哪些没有应用，哪些只是降权参考。这样用户问“为什么这条没用上”的时候，不会把“降权特征”和“本次未应用规则”混在一起。
不满意的话按顺序排查：先回看 DNA 画像是不是确认得太草率 → 再查样本够不够 → 最后考虑换个模型。
图 · 改写效果确认：AI 展示改写前后对比报告，用户逐段检查 AI 味是否清除、风格是否到位
图 · 改写对比交付：确认满意后 AI 交付 Markdown 成品
图 · AI 味体检（示例）：实际使用时 AI 会把这套数据直接在对话里展示给你看，不需要去翻文件
改完后你需要逐项核对：
| # | AI 给你看什么 | 怎么判断对不对 | 不对劲怎么办 |
|---|---|---|---|
| 1 | “AI 味分数从 X 降到 Y，消除了 Z 个套话” | 读一遍改写稿，还有没有"赋能/重塑/综上所述"？ | 指出残留句子 → 针对性重写 |
| 2 | “植入了你的 N 个签名短语：XX、YY……” | 这些短语嵌进去自然吗？像你在说话吗？ | 指出生硬处 → 调整后重跑 |
| 3 | 原文 vs 改写稿并行对比 | 事实、数字、结论都还在吗？有没有遗漏或歪曲？ | 指出丢失信息 → 补回 |
| 4 | 完整的改写稿全文 | 整体能直接发布/提交？还是还得自己改一轮？ | “还需微调” → 指出具体段落 → 定点修改 |
图 · 改写前后对比（示例）：实际使用时 AI 会把原稿和改写稿并排展示在对话里，让你逐段对照检查
可选：导出 DOCX
满意后在对话里说一句 “转一份 DOCX”，自动生成黑体标题 + 仿宋正文的中文排版文档，WPS 直接打开就能看，不会出现 # 和 ** 乱码。
图 · 导出 DOCX：一键转出排版整洁的 Word 文档，告别 Markdown 乱码
| MD 直接粘贴到 WPS |
| DOCX 转换后 |
图 · MD 乱码 vs DOCX 转换：左边 Markdown 直接粘贴到 WPS 不可读，右边自动转出的排版文档整洁如初
5、Skill 链接
GitHub 仓库：克隆后 pip install -r requirements.txt，Python 3.10+ 就能跑。
这个 Skill 我在 TRAE SOLO 上开发和测试的，同时也适配了五个平台：
| 平台 | 文件位置 | 加载方式 |
|---|---|---|
| Trae | .trae/skills/writing-dna/SKILL.md |
自动读取 |
| Cursor | .cursor/commands/writing-dna.md |
斜杠命令 |
| Claude Code | .claude/commands/writing-dna.md |
斜杠命令 |
| VS Code Copilot | .github/copilot-instructions.md |
自动读取 |
| CodeX | .codex/prompts/writing-dna.md |
斜杠命令 |
换到哪个工具，打开项目文件夹就能用——三个确认点、样本预检、DNA 版本管理、长文分章改写、改写报告解释，一个不少。
6、总结与思考
收获
最大的感悟是：AI 工具的价值不在"替代人"，而在"把人从重复劳动里解放出来"。以前我改一篇 AI 稿要 30-40 分钟，现在 5 分钟读完确认就行。省下来的时间不是用来摸鱼的，是用在真正需要判断力的地方——选题、结构、观点。
做这个 Skill 的过程也让我想清楚了一件事：好的 AI 工具不是"更聪明"，而是"更听你的"。这就是为什么我没有做成全自动——三个停等点是我坚持加的，因为风格这件事，最后拍板的必须是人。
最满意的地方
样本充足性诊断。不是简单地告诉用户"DNA 提取失败"，而是帮你分析原因——样本不够？类型太单一？还是规则参数问题？每个原因对应不同解法。这比盲目重试有价值得多。
后续优化方向
- 支持多语言混合样本（中英文混写的场景）
- 标题识别准确率继续提升，尤其是手搓字体的标题
希望的建议
如果你试用这个 Skill，我最想知道的是：改写出来的稿子，你读着像自己吗？ 如果不像，是哪不像——用词？节奏？语气？在trae社区评论区或者GitHub上告诉我，我来改。
诚实地说：也有做不到的
- 不能还原原始 DOCX 的精确排版——转成 MD 时字体字号丢了，只能按默认模板（自动配置黑体标题 + 仿宋正文）出
- 不能处理图片和附件——文本清洗阶段就过滤掉了
另外，这个 Skill 对 AI 工具的执行能力有一定要求。实际测试中发现，即使 Skill 设计本身是完整的，不同AI 工具在执行时也容易出现以下问题：
图 · 文件路径处理不灵活：AI 使用了过期的文件路径，导致读取失败，需要用户提醒后才能纠正
图 · 流程遵循不完整：脚本已生成热词图，但 AI 未在对话中展示，也未告知用户图片路径，违反 Skill 中"必须展示"的要求
图 · 执行与设计存在差距：Skill 明确要求"停下等用户确认"，但 AI 执行时跳过或简化了确认环节
工具就是工具，把能做到的和做不到的都讲清楚，比吹什么都能做要好。
几十个个脚本调用，7 个模型评测，3 个人工把关节点，1 个 WPS 友好的 DOCX 出口。这就是我做的东西。
solo 技能创作赛
开发者日志｜2026-05-24
这次更新主要围绕“真实对话里能不能顺畅用起来”做了一轮补强：
-
样本预检前置
样本进入流程后，会先检查篇数、字数分布、文档相似度和近重复风险，并把结论并入第一个“模板剥留确认点”，不额外增加停等步骤。 -
DNA 版本管理
用户确认或修正 DNA 后，会自动保留历史版本。后续可以直接说“跟上一版比比”“用回上一版”“看看历史版本”。 -
改写方式更可控
改写前可以用自然语言指定场景和力度，比如“正式一点”“小红书一点”“改轻点”“改狠一点”。长文会按章节改写，最后统一术语、数字和标题层级。 -
英文触发词补充
除了中文里的“去 AI 味”“改得像我一点”，也补了remove AI flavor、make it sound like me、personal writing style这类英文触发语。这里指的是英文指令入口，不是完整多语言 DNA。 -
改写安全性修复
修复了黑名单词硬删导致残句的问题，也取消了机械塞入签名短语的做法，改为更保守的安全替换和报告解释。 -
特征云和报告口径修正
已经判定为模板格式的表达，不再重新进入 DNA 特征云；报告里也会区分“已应用规则”“未应用规则”和“降权参考”，减少用户确认时的误解。 -
明确了改写冲突优先级
当“像我”“去 AI 味”“保留事实”“句长节奏”发生冲突时，优先保证信息无损，其次清除黑名单词，再考虑签名表达和句长节奏，避免为了模仿风格牺牲事实完整性。
开发者日志｜2026-06-08
这次主要根据社区测评反馈，补强“DNA → 稳定改写”这条链路：
-
增加改写后验证
不再只让用户凭感觉判断“像不像”，而是增加句长偏差、签名表达命中、黑名单残留、AI 味残留、开头模式匹配等客观指标，作为第三确认点的辅助依据。 -
签名表达改为自然命中和候选建议
不会把签名短语硬塞进句子里。脚本负责检测哪些表达已经自然命中，哪些可以作为二次改写建议，避免为了像用户而破坏可读性。 -
公开最小测试集
补充脱敏测试，让测评者能看到模板剥离、样本预检、DNA 版本、改写安全和报告解释都有回归保护。 -
收敛多工具入口维护方式
保留 Trae / Cursor / Claude Code / VS Code / CodeX 的入口，但增加一致性检查，减少多份长文档手动同步带来的维护风险。
边界说明：当前工具仍以中文写作场景为主，可以兼容少量英文术语和英文触发指令；不支持中英文大比例混写、纯英文 DNA、多语言样本分层分析。
