agentleFS
yan-labsyan-labs/yan-skills/write/SKILL.md

write

Skill232 starsChanged 44 days agoMITView on GitHub

所有语言写作的统一入口,写文章、写稿、改稿、写文案、写脚本、去 AI 味都从这里进。 一个流程走到底:判断手上有什么,读对应的 references 自己执行(挖素材、定结构、诊断初稿、文案、传播与标题), 最后强制过一遍内置稿件体检(检测脚本 scripts/check.py)。 触发词:写文章、写稿、改稿、写作、写文案、写脚本、口播稿、公众号、小红书、标题、翻译、摘要、排版、去 AI 味、humanize、 这篇读着别扭、AI 味太重、读完脑子是乱的、write copy、rewrite、proofread、de-AI、landing page copy、FAQ、meta description。

35 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use read, hunt and 10 more.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • MicrosoftSkill

    read

    Read pages from a document. Returns MinerU markdown (preferred) or PyPDF text, with optional page screenshots and sub-image fetching. When markdown is available, a figure_images_meta catalog is included — use the figures parameter to fetch specific sub-image pixels. Triggers include "read page 5", "what does page 12 say", "show me the chart on page 3", "extract pages 3-5".

    Also in 6 projects that use this

  • ninehillsSkill

    hunt

    Finds root cause before applying fixes for errors, crashes, regressions, failing tests, broken behavior, and screenshot-reported defects. Use when users report in any language errors, crashes, broken behavior, regressions, failing tests, screenshot evidence, or something that used to work and now fails. Not for code review or new features.

    Also in 4 projects that use this

  • vltingSkill

    think

    Lightweight plan-to-execution pipeline. Explores codebase, runs council deliberation, presents plan for approval, then executes via /run.

    Also in 7 projects that use this

  • genomewalkerSkill

    health

    Soul system health check with remediation

    Also in 5 projects that use this

  • AnthropicSkill

    analyze

    Answer data questions -- from quick lookups to full analyses. Use when looking up a single metric, investigating what's driving a trend or drop, comparing segments over time, or preparing a formal data report for stakeholders.

    Also in 6 projects that use this

  • anombyte93Skill

    discover

    Phase 1 of the prd-taskmaster pipeline: brainstorm-driven discovery. Delegates to superpowers:brainstorming in Interactive Mode (one adaptive question at a time), or self-brainstorms in Autonomous Mode when no user is present. Intercepts before the brainstorming chain hands off to writing-plans — this skill owns the exit. Extracts constraints, calibrates scale (Solo / Team / Enterprise), and advances the pipeline to GENERATE.

    Also in 4 projects that use this

The file

Files
SKILL.md

write · 多语言写作总入口

这个入口只负责一件事,把各种语言写作的每一步做对,也别让人跳过该跳的步骤。所有环节都由你自己读 references 后执行,不需要用户敲任何别的命令。

第一步:先定位,别猜

先判断稿件语言,再按该语言的参考和检测规则走。中文读 references/patterns-zh.md,英文读 references/patterns-en.md;多语言页面按语言拆分,分别体检。其他语言按下方通则人工审阅,不套用不熟悉语言的具体词表。

根据已有上下文确定用户手上有什么,只问必需且缺失的信息,再决定走哪条。四种状态对应四条路:

手上有什么走哪条
只有一个模糊想法,还没素材阶段一 · 挖素材
一堆零散笔记、转录、要点阶段二 · 定结构
一份写完的初稿,但读着不对阶段三 · 诊断(不要直接改句子)
一份准备发的稿子阶段四 · 稿件体检

其他情形读哪个

情形读
公众号类长文、随笔、评论,要有真人的声音;或稿子太完美、读着像 AIreferences/longform-voice.md
要起标题、写小红书或口播稿、做传播设计;检查口播稿哪里会划走;诊断稿子有没有共鸣references/hooks-and-platforms.md
小红书等平台的标题公式,短视频开头钩子references/title-formulas.md
翻译、写摘要、只调格式、Markdown 转公众号 HTMLreferences/translate-and-format.md
官网首页、落地页、定价页等营销文案;带引用和来源的文章;写 blog、站内介绍页(内容整合型,先读第三节的标准流程)references/copy-and-research.md
阶段四查模式、改写前定位 AI 痕迹中文:references/patterns-zh.md;英文:references/patterns-en.md;其他语言:下方通则

用户说"读着别扭"或"AI 味重"时,默认进阶段三,不要进阶段四。 句子层面的毛病多半是结构问题的症状,直接修句子是在给骨折贴创可贴。

阶段一 · 挖素材

读 references/fragments.md,然后自己执行:用追问把素材逼出来,片段追加进同一个文件,不排结构。这一步最值钱的产出是 leading word,一个能撑起整篇的比喻或造词,它决定后面的结构、转场和标题。

阶段二 · 定结构

有素材堆之后,按读者怎么读来选。读者需要被带着走就读 references/beats.md,读者自己知道要找什么就读 references/shape.md,读完照着执行。

面向完全不懂的读者做科普,一律用 beats。用户没有明确偏好时由你按这个标准选,并用一句话交代理由。

阶段三 · 诊断已有初稿

先跑三项体检,出结论再动手。跑完之前不要改任何句子。

体检一 · grounding 顺序

每个概念必须先落地,后面才能借它发力。借还没落地的概念,读者当场掉线——这是"读完脑子是乱的"最常见的病根,而且它在句子层面看不出来,每句话都通顺。

做法:从头读,维护一张"已落地概念"清单。每遇到一处发力,检查它依赖的概念在不在清单里。

四种典型错误:

  • 借还没到账的钱 —— 前面某句的力量依赖后面才讲的概念
  • 拆得太远 —— 概念在第二章落地,第五章才用,中间隔太久读者已经忘了
  • 落地两次 —— 同一个概念前面提半句、后面完整讲一遍。半个介绍比不介绍更糟
  • 该设成前提的塞进正文 —— 早段被定义淹没

体检二 · beats 还是 blocks

数一下全篇的并列条目。三十个平行要点意味着这是知识点堆叠,不是行进。

征兆:每节都以"X 是这样的"结尾,停在死路上,读者每节都要重新起跑。

体检三 · leading word 用够了没

有没有一个贯穿全篇的比喻?立起来之后是不是只在第一节用过就丢了?后面每一节能不能挂回它身上?

顺手要砍的

  • 章末小结。它跟正文抢记忆,读者读完正文再读一遍浓缩版,两份记忆互相干扰。留一句收束就够。
  • 信息密度全程满负荷。允许某些段落只有一句话。

诊断出结论后按结论直接改,或者结构问题太大就回阶段二重排。改完进阶段四。

阶段四 · 稿件体检(不可跳过)

这一阶段内置了去 AI 味的全部做法:检测脚本、分档、保事实规则、文体判断、清字符。模式清单按第一步的语言分流。参考里的中文平台和措辞示例只用于相应语言与场景,不直接套到其他语言。

四步走

  1. 分档。 运行检测脚本:
python3 ~/.claude/skills/write/scripts/check.py 稿件.md

脚本按屏蔽代码、网址与 front matter 后的字符占比判断:汉字占汉字与拉丁字母总数至少 50% 时走中文,否则走英文规则。英文和其他拉丁字母文本走英文规则;非英文的词表命中仅作线索,非拉丁文字仍需按通则人工检查,不能把无命中当作通过。中英夹杂或识别不准时用 --lang zh / --lang en 手动指定;多语言页面分段运行。

脚本输出硬禁项、提示项、句长与段长变异和档位。按档位决定动多大的手:

档位做法
clean(≤20)只清字符和被标出的几处,不重写。人写的初稿自带的声音别抹掉
轻度(21-40)针对命中处改,顺手修节奏
混合及以上整段重写,按下面的文体目标重建

硬禁项(翻案腔、破折号、提示性冒号、口头路标)退出码为 1,必须清零。提示项回到上下文判断,不当黑名单。脚本只抓表层,跑完仍要通读一遍,找意思层面的同类写法:「它没有突然变强。它突然变得谁都能用了」没有一个关键词,翻案腔原样。

  1. 判文体,定声音。 别往没有声音的文字里硬塞声音:

    文体做法
    事实、科普、技术文档、商务、学术保守。只删套话,保留术语、归因、限定,不加第一人称、观点和旁白,不强行口语化
    随笔、评论、第一人称叙事可以放开。保留作者已有的态度和犹豫,用表达方式增强个人风格,不替作者编经历
    拿不准按保守处理

    用户给了写作样本,就从样本取句长、用词、标点习惯,不把样本里的经历和数据搬进目标文本。

  2. 改写,守住事实。 下面几类错误能躲过人名数字的核对,在真实改稿里都出现过,逐条防:

    • 不把「测得」改成「据称」,也不把「据称」改成断言
    • 不删掉最后一个限定:「有过度诊断的风险」删掉「风险」就成了断言
    • 不把批评读成夸奖
    • 不把数字挪到另一个名词上:「续航 30 小时」不能变成「降噪 30 小时」
    • 不丢关系:排名、先后、同时、否定、每个独立论断自己的条件
    • 不碰占位符:[姓名]、{{first_name}} 原样保留
    • 不加料。 按同一语言、同一字数或词数口径计,成稿长度超过原稿的 1.25 倍,多出来的就是编的,分数再好也不留;允许删,不允许长
    • 不编日期、数据、引语、来源。没有细节就保持概括,不用虚构的数据显得具体
    • 保留原文主张不等于核实了主张,疑似事实错误另行说明,不用猜测替换
  3. 防改平,再清字符。 改完再跑一遍脚本。句长变异低于 0.35、段落齐刷刷一样长、全篇一个节拍,读着和模板稿一样快被认出来,这叫改平,要回头把几处改回有长有短。然后清字符:
python3 ~/.claude/skills/write/scripts/check.py --clean 稿件.md > 稿件.clean.md

--clean 去掉不可见字符、异常空格和行尾空白;仅中文模式把中文后面的半角 , ; : ? ! 转成全角。英文和其他语言只清字符与空白,不改标点;可用 --lang en --clean 强制此行为。代码块、行内代码、网址、front matter 原样保留。只写入新文件,确认无误再替换,别直接覆盖原稿。

红线

最高优先级:禁止「先否定后肯定」。 任何语言中的翻案式表达及意思层面的同类写法,例如中文「不是A,而是B」、英文 “not X, but Y”“it’s not just X, it’s Y”“more than just”。改法是删掉否定的那半句,不是换个说法。真实的否定事实必须保留;正常的递进关系直接说明新增内容,不能借它偷渡翻案腔。各语言具体例子见对应参考。

矫饰文风是红线级的 AI 味。 用比喻和花腔代替直说:「一个值得调的参数」写成「一个值得拧的旋钮」。判据是这个比喻删掉之后意思有没有损失,没有损失的一律删。阶段一的 leading word 是例外,它是全篇骨架,一篇只允许一个,且每节都要挂回去;挂不回去的比喻就是矫饰。

密度。 每句一个意思,句长按语言与文体判断,不跨语言套字数阈值;一段只推进一步;允许某些段落只有一句话。

格式。 列表和加粗只在内容确实多面时用;叙事、抒情、对话一律平铺散文。列表不是结构,常常是没想清楚顺序的遮羞布。读者要极简格式,就一个项目符号、一个标题、一处加粗都不留。

引文要标出来。 总结别人的材料,先按「几家说法在哪里一致、在哪里不同」组织,每家用自己的话转述,整篇最多留一处带引号的短语并注明出自谁。

其余同样要查:正文里充当修辞支架的破折号(中文 ——、英文 — 和 --;列表分隔符里的可留);数量漂移,改过内容后配图说明里的「四个红框」、小结条数、「前面五章」一律重新核。

其他语言通则

所有语言都查翻案式表达、套话开头和收尾、堆砌词、空泛赞美与过度格式。先找句子的实际主张,删掉人为设置的否定半句,直接写动作、事实或结果;正常否定、条件、归因和限定不可删。三项并列和句段长度过匀只提示回看,不为改变节奏硬拆事实。按目标语言的自然语序与标点审阅,不为不熟悉的语言编词表,也不把英文检测结果当作完整语言校对。

交付

  • 用户贴来文字:只交最终稿。用户要看才附简短说明,不默认附草稿、命中清单和分数。
  • 用户给了文件:用户要求改才写回,只审阅就给建议。
  • 作为其他任务的一步:只交所需的最终文本,不提这一遍体检。
  • 只有两种情况开口:有一个事实保不住,或有一个不确定是否对得上领域的词,各用一行说明再给稿;用户明确要报告或要对比。

分数描述的是眼前这段文字,不能用来判断作者是谁,更不能用来指控任何人。它也不保证通过任何检测器。

三条铁律

减法产生不了好文章。 把 AI 痕迹清到零,只是把标记擦掉了,不等于写得好。清单管"别写什么",笔法管"该怎么写",两件事都得做。

结构问题不要在句子层面修。 用户抱怨句子的时候,先怀疑结构。

改完必重核计数。 每一轮修改都会让配图数量、小结条数、章节引用对不上。这是最容易漏、也最显得业余的一类错误。

固定回归测试:PYTHONDONTWRITEBYTECODE=1 python3 -m unittest discover -s write/tests -v(在仓库根目录运行)。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.