文风蒸馏器 / Style Distiller
把某位作家、某本书或某个公众号的文风，拆解成「可模仿、可校验」的写作规则。
本技能帮你把任意长文本语料（小说、历史叙事、爆款长文、竞品账号文章等）「蒸馏」成一份写作规律说明书。它不抄原句、只抽「写法动作」，让你能建立写作分身、批量仿写，或沉淀团队内容方法论。
核心原则
- 只抽写法，不抄句子。 说明书里禁止大段照搬原文；所有规律必须是「可执行的写法动作」。
- 区分「印」与「偶然表达」。 恒定的、反复出现的是作者的「印」；只出现一两次的修辞是偶然表达，不进规则。
- 能用数字说话的，绝不靠感觉。 可量化项一律用
scan_style.py跑确定性统计，再写进规则。 - 规则分级。 规律按「硬 / 中 / 软」三级交付，硬规则必须可被脚本校验。
- 样本要够大。 至少 3 万字、跨 5 个以上章节或 10 篇以上文章，否则「印」会被偶然表达淹没。
八维画像（详见 references/eight_dimensions.md）
| 维度 | 抽什么 |
|---|---|
| 句式 | 平均句长、句长 P50/P90、短句率、长句率、短句独立成段、反问/设问频率 |
| 段落 | 段落平均字数、短段占比、空行习惯、小标题密度 |
| 词汇 | 连接词/叹词/人称/年份/叠词密度、词汇丰富度、高频二元组 |
| 视角 | 第几人称、上帝视角/限知、旁白跳入频率 |
| 温度 | 冷叙事 vs 热抒情、讽刺/温情占比 |
| 逻辑 | 因果推进、铺垫回收、时空跳跃 |
| 修辞 | 比喻/拟人/通感的类型与密度 |
| 基因 | 作者的「招牌动作」（如括号旁白、段尾抖机灵） |
四步法（详见 references/four_steps.md）
- 取样与清洗：取 3–10 万字代表性语料，去页眉页脚/版权页/注释，统一全半角。
- 八维画像：逐维读样本，标注「印」与「偶然」，形成风格骨架草稿。
- 确定性扫描：跑
template/scan_style.py，把 20+ 项数字填进各维度。 - 分级与自检：按硬/中/软写进说明书，跑
template/selfcheck.py --strict确认达标。
硬 / 中 / 软 分级
| 级别 | 含义 | 可脚本校验 | 例子 |
|---|---|---|---|
| 硬 | 确定性、可量化、必守 | ✅ | 括号旁白密度 ≥ 2.0 次/千字；短句独立成段占比 18%–26% |
| 中 | 结构性偏好，大概率守 | ⚠️ | 每 800–1500 字一个章节切口；每章 1–2 次跳入内心 |
| 软 | 语气/质感，靠感觉对齐 | ❌ | 冷面讲惨事、段尾常抖一句反差机灵 |
> 硬规则写法要求：比较符 + 数字 + 单位 + 实测值。例：H1 括号旁白密度 ≥ 2.0 次/千字（实测 3.23）。
内置脚本
两个脚本均为纯标准库实现（无需 pip 安装），任意 Python3 环境直接跑。
1) scan_style.py —— 确定性扫描（v2）
python template/scan_style.py 语料.txt # 分组文本报告
python template/scan_style.py 语料.txt --md # 直接粘进说明书的 Markdown 表格
python template/scan_style.py 语料.txt --json # 机器可读（含 schema / 每文件字数）
python template/scan_style.py --dir ./正文 --md # 批量目录（.txt/.md，递归）
python template/scan_style.py 竞品.txt --baseline 自己.json # 与基线对比，输出增减
python template/scan_style.py 语料.txt --top 15 # 高频二元组 TopN
python template/scan_style.py 语料.txt --encoding gbk # 指定编码
指标清单（20+ 项，分五组）
| 组 | 指标 |
|---|---|
| 节奏 | 有效字数、句数、段落数、平均句长、句长 P50/P90、短句率(<10字)、长句率(>50字)、段落平均字数、短句独立成段占比、短段占比(≤30字) |
| 标点 | 括号旁白密度、逗号/感叹号/问号/省略号/破折号/冒号密度、句末句号/感叹/问号/省略占比 |
| 对话 | 引号对数量、对话密度(对/千字)、对话频率(对/百句) |
| 词汇 | 连接词、口语叹词、人称、年份、叠词密度、不重复汉字数、词汇丰富度(前万字 TTR)、高频二元组 |
| 结构 | 小标题密度、反问/设问频率 |
2) selfcheck.py —— 说明书自检（v2）
python template/selfcheck.py 写作规律说明书.md
python template/selfcheck.py 写作规律说明书.md --strict # 硬规则必须带数字/比较符
python template/selfcheck.py 写作规律说明书.md --json
校验：八维标题齐全、硬/中/软三级齐全、扫描数据小节含 ≥6 个带单位数字、仿写清单存在、明确区分「印/偶然」；--strict 额外要求每条硬规则含数字或比较符且至少 2 条。
指标怎么读（节选，详见 references/metrics_guide.md）
| 指标 | 说明什么 | 参考区间（写实/口语向） |
|---|---|---|
| 平均句长 | 叙述密度 | 15–25 短促；25–40 常规；40+ 绵密 |
| 句长 P90 | 长句上限 | 与平均句长差越大，长短句反差越强 |
| 短句独立成段占比 | 呼吸节奏 | 10%–15% 稳；20%+ 强节奏感 |
| 括号旁白密度 | 作者插话冲动 | <1 克制；1–2 温和；3+ 强人格式吐槽 |
| 句末问号占比 | 设问推进 | 5%–12% 明显自问自答 |
| 感叹号密度 | 情绪外露 | <2 克制；5+ 高亢 |
| 词汇丰富度(前万字) | 用词广度 | 8%–12% 通俗；15%+ 文雅/多典故 |
| 小标题密度 | 结构切分 | 纯正文常为 0；0.3–1 个/千字为强切分 |
常见坑
- 样本里剥离了章节标题 → 小标题密度会假性为 0，需在说明书里注明。
- ASCII 单引号 会被当撇号误判为对话，脚本已排除；若语料含英文缩写需人工复核。
- 剧本/对话体 对话频率天然极高，阈值不能照搬小说。
- 样本 <1 万字 时，句长分位与高频词不稳定，只作参考。
- 只扫一节一章 会把偶然表达当「印」，务必跨章节取样。
产出物结构
说明书建议用 references/manual_template.md 的骨架：
风格速写 → 八维画像（每维写「印 / 偶然 / 规则」）→ 硬规则表 → 中规则 → 软规则 → 扫描数据 → 仿写检查清单。
典型用法
> 用户：把《明朝那些事儿》的文风蒸馏成写作规律。
> 助手：① 取样清洗（≥3 万字）→ ② 八维画像 → ③ scan_style.py 语料.txt --md 拿数字 → ④ 按 manual_template.md 写说明书、硬规则带实测值 → ⑤ selfcheck.py --strict 通过 → 交付仿写蓝图。
禁忌
- 不要把原文整段复制进说明书（只抽「写法动作」）。
- 不要把偶然出现一次的修辞当成「印」。
- 硬规则若写进说明书，必须能在
scan_style.py输出里找到对应数字佐证。 - 不要用单一短样本下结论。
