让AI写出”你”的风格：公众号创作Skill深度拆解

你有没有遇到过这种情况——让AI帮你写文章，结果写出来的东西味同嚼蜡，一股浓浓的”机写风”扑面而来？

开头永远是”随着AI技术的不断发展”，结尾永远是”以上就是今天的分享，觉得有用就点个赞吧”。中间的内容空洞得像白开水，数据全靠编，案例全靠编，连情绪都是标准的”我觉得这个很棒”。

哎，我就纳闷了，AI明明那么聪明，为啥写出来的东西就是不像人话呢？

最近我拆解了一个专门解决这个问题的Skill——huashu-wechat-creation，中文名叫”花叔公众号创作助手”。这个Skill干的事情很简单：让AI学会写得像花叔一样。

不是那种千篇一律的模板文，而是有血有肉、有观点有态度的真实文字。

今天咱们就来深度拆解一下这个Skill，看看它到底是怎么做到的。

▶一、这个Skill是干啥的？

简单来说，huashu-wechat-creation是一个公众号内容创作的全流程辅助工具。它不是帮你直接写文章，而是教AI怎么一步一步地完成一篇文章。

你可能会说，写作还需要教？AI不是已经很厉害了吗？

哎，还真需要教。

关键问题在于：AI不知道怎么”像某个人”

你想让AI写出花叔的风格，不是简单说”按花叔的风格写”就行的。你得告诉AI： – 花叔的开头是啥样的？ – 花叔表达观点的方式是什么？ – 花叔讨厌什么样的写法？ – 花叔文章的结构有什么特点？

这个Skill干的，就是把这些隐性知识变成显性规则，让AI能够理解和执行。

Skill的核心能力

按照SKILL.md的说法，这个Skill提供5大核心能力：

1. 1.风格规范指导：10条必须做到 + 10条必须避免
2. 2.选题讨论：提供3-4个选题方向及大纲
3. 3.内容创作：初稿撰写 + 三遍审校
4. 4.爆款结构优化：5种爆文公式 + 完读率关键
5. 5.文件组织管理：brief、知识库、协作文档

看起来挺复杂的对不对？但核心就一句话：教AI写出有人味的文章。

▶二、核心设计拆解：为什么这么设计？

接下来是重头戏，我们来逐句拆解这个Skill的提示词设计，看看”为什么要这么写”。

2.1 前置准备：为什么要先读参考资料？

SKILL.md的开头是这样的：

为什么要这么设计？

这里有一个很有意思的工程学决策：把”知识”和”流程”分开存储。

style-guide.md和templates.md是”知识”——告诉AI什么是花叔风格、各种场景应该用什么模板。

SKILL.md本身是”流程”——告诉AI先干什么、再干什么、最后干什么。

为什么要分开？

你想啊，如果把风格指南直接写在SKILL.md里，会有什么问题？

1. 1.SKILL.md会变得很长：风格指南可能有几千字，全塞进去，AI读取的时候上下文就爆炸了
2. 2.知识无法复用：万一你想把这个Skill的流程用到另一个场景，风格指南就不适用了
3. 3.维护成本高：你想改一个模板，得满SKILL.md里找

所以，正确的做法是：流程在SKILL.md，知识在reference文件。AI按需读取，保持上下文简洁。

这给我们的启发是：好的Skill设计，不是把所有东西都塞进提示词里，而是让提示词成为”导航”，让AI知道去哪里找什么。

2.2 Step 1：为什么要保存需求Brief？

SKILL.md里写的是：

为什么要这么设计？

这里有一个很重要的心理学原理：写下来的目标更容易执行。

你有没有过这种经历？老板说”帮我写篇推广文案”，你问”推广什么？给谁看？要突出什么？”，老板说”你先写着，写完我再看看”。

然后你写了一个小时，老板说”不对不对，这个方向不对”。

崩溃不？

需求Brief就是为了避免这种崩溃。

在开始创作之前，先把需求写清楚： – 写给谁看的？（目标受众） – 要传达什么？（核心信息） – 要写多长？（字数要求） – 有没有特殊限制？（特殊要求）

为什么要保存到文件而不是直接开始？

因为：

1. 1.留档备查：写完之后发现方向偏了，可以回头看当初的需求是什么
2. 2.约束AI：AI在创作过程中可以随时回看需求，确保不跑偏
3. 3.建立工作规范：每次创作都走这个流程，形成习惯

这给我们的启发是：不要相信”我脑子里知道要写什么”，把需求明确写下来，是对自己和AI的双重负责。

2.3 Step 2：为什么要”强制”先搜索？

这是整个Skill里最有意思的一条设计：

为什么要这么设计？

这里有两个核心逻辑：

第一，”先研究再发言”原则

你有没有见过那种文章，通篇在说”某某产品很厉害”，但具体怎么厉害、有什么数据支撑、应用场景是什么，统统没有？

这种文章写出来，要么是作者根本没深入了解那个产品，要么是作者懒得查资料。

搜索这个步骤，就是在强制AI”做功课”。

只有对产品/技术有了充分了解，才能： – 找到真正有价值的选题角度 – 写出有数据支撑的内容 – 避免写出”外行话”

第二，”先确认再继续”机制

注意这一条：”搜索完成确认：向用户确认搜索结果后再进入选题讨论”

这是什么意思？

就是AI搜索完信息之后，不能直接开始选题，得先给用户看一下”我搜到了这些信息，你看看对不对”。

为什么要这样？

因为AI可能会： – 搜到错误的信息 – 搜到过时的信息 – 搜到的信息不全面

人工确认这个环节，就是在建立纠错机制。 在错误的方向上走10步，不如在正确的方向上走1步。

这给我们的启发是：不要相信AI的第一反应总是对的，给AI一个”校验”的机会，让用户来把关。

2.4 Step 5：为什么强调”随机选择”？

SKILL.md里写着：

为什么要”随机选择”而不是”全部阅读”？

这是一个很聪明的设计决策。

你想啊，如果让AI”阅读所有历史文章”，会发生什么？

1. 1.上下文爆炸：几十篇文章全塞进去，AI根本处理不过来
2. 2.风格稀释：看太多了，反而抓不住核心特征
3. 3.效率低下：为了”全面”而牺牲了效率

随机选择2-3篇的好处是什么？

1. 1.保持多样性：每次选的篇目不同，AI能学到风格的不同侧面
2. 2.降低复杂度：2-3篇刚好是一个能处理、又能学到东西的数量

2.6 风格指南的核心设计

重点来了！style-guide.md里的10+10规则，是这个Skill最精华的部分。

“必须做到”的核心是：

1. 1.自我定位明确：”作为AI Native Coder…”——身份设定影响表达方式
2. 2.自问自答式叙事：”为什么…呢？因为…”——对话感比独白更有吸引力
3. 3.心路历程式叙事：”犹豫→思考→决定”——过程比结论更可信
4. 4.具体细节增强真实感：”上周三在星巴克”——细节是真实的证明

“必须避免”的核心是：

• ●不要过度结构化（碎片化降低阅读意愿）
• ●不要直接陈述无过程（推理过程更能说服人）
• ●不要标题过于正式（口语化才能激发点击）

这些规则的共同点是：让文章更像”人话”，而不是”机器输出”。

你看，差距就是这么大。

下篇我会继续拆解实战案例、踩坑经验总结，以及我的一些个人看法。想看的点个关注，下篇更精彩。