我一直有個(gè)觀點(diǎn)判斷一個(gè)AI寫(xiě)作工具好不好用不是看它調(diào)用了多大的模型而是看它有沒(méi)有把“寫(xiě)作這件事”拆成一條能穩(wěn)定執(zhí)行的流程。很多人讓AI寫(xiě)文章通常是扔給它一句話(huà)然后對(duì)著生成結(jié)果來(lái)回改Prompt效果忽好忽壞。后來(lái)我在GitHub上看到一個(gè)名為WeWrite的開(kāi)源AI Skill項(xiàng)目思路完全不一樣。它把標(biāo)題立意、大綱生成、素材填充、段落潤(rùn)色、質(zhì)量自檢這些步驟打包成一整套可復(fù)用的寫(xiě)作技能你只要給它主題和資料它就能沿著這條流程產(chǎn)出一篇結(jié)構(gòu)完整的初稿。這篇文章我會(huì)從項(xiàng)目形態(tài)、本地部署、Skill配置拆解、實(shí)戰(zhàn)調(diào)優(yōu)、開(kāi)源協(xié)作五個(gè)角度把WeWrite完整拆一遍。適合三類(lèi)人看一是經(jīng)常被AI初稿質(zhì)量折磨的內(nèi)容創(chuàng)作者二是想了解開(kāi)源AI Skill項(xiàng)目怎么組織配置的開(kāi)發(fā)者三是打算把類(lèi)似能力搬到團(tuán)隊(duì)內(nèi)部、做成共享工具的同學(xué)。1. WeWrite是什么一套能被復(fù)用的寫(xiě)作方法論而不是一個(gè)聊天窗口先說(shuō)清楚一個(gè)容易被忽略的點(diǎn)WeWrite不是又一個(gè)聊天機(jī)器人而是一套可以被反復(fù)調(diào)用的寫(xiě)作技能包。它掛在某個(gè)大模型API之上用結(jié)構(gòu)化的提示詞模板把“寫(xiě)作”這件事拆成了若干步驟。普通用戶(hù)對(duì)它的感知是“我輸入主題它輸出文章”但項(xiàng)目?jī)?nèi)部真正的核心資產(chǎn)是那套把寫(xiě)作方法論固化下來(lái)的配置。1.1 從Prompt到SkillAI技能的分層邏輯我見(jiàn)過(guò)太多人把希望寄托在“更好的Prompt”上其實(shí)單條Prompt的能力上限很低。一條Prompt讓AI寫(xiě)文章本質(zhì)上是讓模型直接做“文本補(bǔ)全”它沒(méi)有機(jī)會(huì)在寫(xiě)正文之前先統(tǒng)一規(guī)劃段落之間的關(guān)系。WeWrite這種Skill項(xiàng)目解決的就是這個(gè)問(wèn)題。你可以這樣理解普通Prompt是給AI遞一張便簽上面寫(xiě)著“寫(xiě)一篇介紹無(wú)人機(jī)的文章”而Skill是遞過(guò)去一本《寫(xiě)作SOP手冊(cè)》里面寫(xiě)著“第一步先做主題分析第二步產(chǎn)出大綱第三步根據(jù)大綱補(bǔ)充素材第四步合并成初稿第五步按質(zhì)量標(biāo)準(zhǔn)自檢”。同一個(gè)模型在便簽?zāi)Ｊ较驴赡芙o你一篇結(jié)構(gòu)松散的文字在SOP模式下產(chǎn)出的初稿就穩(wěn)定得多。這就是所謂的分層基座模型層負(fù)責(zé)通用語(yǔ)言理解和文本生成Skill配置層負(fù)責(zé)把目標(biāo)領(lǐng)域的操作流程寫(xiě)成模型能讀懂的結(jié)構(gòu)化指令任務(wù)輸入層每一次實(shí)際寫(xiě)作時(shí)給進(jìn)來(lái)的主題、素材、風(fēng)格偏好。WeWrite的價(jià)值集中在第二層。它提供了默認(rèn)的Skill配置你拿過(guò)去就能用更重要的是這套配置是可編輯的你可以把任何你覺(jué)得“應(yīng)該先做A再做B”的流程塞進(jìn)去。1.2 輸入輸出與使用邊界能做什么不該讓它做什么WeWrite的典型輸入包括寫(xiě)作主題、要覆蓋的關(guān)鍵詞、參考素材鏈接或文本片段、目標(biāo)字?jǐn)?shù)區(qū)間、語(yǔ)氣風(fēng)格描述。輸出則是一整套結(jié)構(gòu)化結(jié)果標(biāo)題候選、內(nèi)容大綱、完整初稿、寫(xiě)作自檢清單有些版本還會(huì)在末尾給出“可以繼續(xù)優(yōu)化的方向”。用表格總結(jié)一下比較直觀使用場(chǎng)景推薦程度說(shuō)明公眾號(hào)長(zhǎng)文初稿高主題明確、結(jié)構(gòu)要求高適合分階段生成技術(shù)教程 / 操作指南高步驟型內(nèi)容WeWrite的分階段流程很匹配工作周報(bào) / 匯報(bào)材料高把“結(jié)論先行”寫(xiě)進(jìn)約束即可短視頻文案 / 帶貨腳本中篇幅短直接用完整Skill反而偏重深度調(diào)研 / 事實(shí)核查型文章低Aset初稿雖快但事實(shí)核查仍得你自己來(lái)突發(fā)新聞 / 實(shí)時(shí)行情解讀低模型知識(shí)有時(shí)效性不適合時(shí)效類(lèi)內(nèi)容我一開(kāi)始容易犯的錯(cuò)是讓它寫(xiě)深度研究報(bào)告結(jié)果大段輸出看起來(lái)順暢核心事實(shí)卻經(jīng)不起推敲。后來(lái)我給自己定了一條線(xiàn)WeWrite負(fù)責(zé)結(jié)構(gòu)和初稿事實(shí)和觀點(diǎn)由人把關(guān)。它是個(gè)提效工具不是事實(shí)核驗(yàn)器。2. 從GitHub克隆到本地跑通部署步驟與首次運(yùn)行踩坑記錄光看README不跑一遍等于沒(méi)接觸這個(gè)項(xiàng)目。我把WeWrite拉到本地跑通前后花了不到半小時(shí)。但中間遇到幾個(gè)坑值得單獨(dú)寫(xiě)出來(lái)。2.1 環(huán)境準(zhǔn)備與版本坑WeWrite的基本運(yùn)行環(huán)境不算苛刻。我用的組合是Python 3.10、Git、一個(gè)能調(diào)用的模型API Key。項(xiàng)目依賴(lài)主要是一些網(wǎng)絡(luò)請(qǐng)求和文本處理的庫(kù)數(shù)量不多。但依賴(lài)版本是個(gè)容易踩的坑如果直接pip install某些庫(kù)的新版本可能和項(xiàng)目要求不兼容建議在虛擬環(huán)境里安裝。依賴(lài)項(xiàng)說(shuō)明建議Python運(yùn)行腳本的基礎(chǔ)環(huán)境用3.10或更高版本大模型API Key文本生成能力來(lái)源支持標(biāo)準(zhǔn)接口的API服務(wù)商均可虛擬環(huán)境隔離依賴(lài)版本python -m venv .venv 創(chuàng)建網(wǎng)絡(luò)環(huán)境訪問(wèn)模型API需暢通按你實(shí)際網(wǎng)絡(luò)環(huán)境配置代理或直連別用系統(tǒng)全局Python直接裝依賴(lài)一旦某個(gè)依賴(lài)和你其他項(xiàng)目沖突排查起來(lái)非常難受。虛擬環(huán)境是最保險(xiǎn)的做法。2.2 四步完成本地運(yùn)行我實(shí)際執(zhí)行的命令如下可以直接抄# 1. 克隆倉(cāng)庫(kù)到本地 git clone WeWrite倉(cāng)庫(kù)地址 cd wewrite # 2. 創(chuàng)建并激活虛擬環(huán)境 python -m venv .venv source .venv/bin/activate # Windows上用 .venv\Scripts\activate # 3. 安裝依賴(lài) pip install -r requirements.txt # 4. 配置環(huán)境變量 cp .env.example .env # 編輯.env文件填入模型API Key和相關(guān)模型名稱(chēng) # 5. 跑一個(gè)最小示例 python main.py --topic 如何選擇跑步鞋 --style 通俗科普這里我說(shuō)一個(gè)很多人容易忽略的點(diǎn).env文件是當(dāng)前目錄下的環(huán)境變量配置文件它和代碼文件放在一起所以提交到Git時(shí)要特別小心別把自己的API Key推上去。倉(cāng)庫(kù)里通常有.gitignore會(huì)幫你排除掉它但你自己的分支里要留意。執(zhí)行完最后一步終端會(huì)先打印當(dāng)前的主題分析和生成大綱接著才是初稿。如果一切順利你會(huì)看到一篇帶小標(biāo)題的完整文章輸出到終端或指定文件里。第一次看到流程時(shí)我才真正理解什么叫“把寫(xiě)作過(guò)程交給流程”而不是把結(jié)果交給運(yùn)氣。2.3 首次運(yùn)行我遇到的三個(gè)問(wèn)題問(wèn)題一模型輸出的JSON格式不穩(wěn)定。WeWrite的Skill分階段處理時(shí)中間步驟需要模型輸出結(jié)構(gòu)化數(shù)據(jù)比如大綱和關(guān)鍵詞列表但有些模型偶爾會(huì)在JSON外面加一段說(shuō)明文字導(dǎo)致解析報(bào)錯(cuò)。我的處理是給提示詞末尾追加一句“只輸出JSON不要包含任何額外解釋”并在代碼里加了重試機(jī)制如果解析失敗把錯(cuò)誤信息帶回給模型讓它重新按格式輸出。實(shí)測(cè)下來(lái)重試一次的成功率能恢復(fù)到九成以上。問(wèn)題二上下文超長(zhǎng)。我把一批參考資料直接丟進(jìn)去結(jié)果超出模型的上下文窗口限制。這個(gè)問(wèn)題的解決思路不是“擴(kuò)大窗口”而是“裁剪輸入”。先讓模型對(duì)長(zhǎng)資料做摘要再把摘要和原文片段分輪次喂進(jìn)去讓它在不同階段只關(guān)注對(duì)應(yīng)素材。問(wèn)題三本地小模型和在線(xiàn)模型的差距。我試過(guò)把后端換成本地運(yùn)行的開(kāi)源小模型效果差異非常明顯在線(xiàn)模型能?chē)?yán)格按步驟執(zhí)行小模型經(jīng)常跳步驟甚至把“生成大綱”和“寫(xiě)正文”混在一起。后來(lái)我調(diào)整了策略一次只丟給它一個(gè)階段的任務(wù)把流程拆得更碎小模型也能勉強(qiáng)完成。這也說(shuō)明同一個(gè)Skill在不同推理能力下實(shí)際效果是有天花板的。3. 拆開(kāi)WeWrite的Skill配置提示詞骨架、分階段生成與自檢機(jī)制把項(xiàng)目跑通只是第一步。真正有價(jià)值的事情是拆開(kāi)它的配置理解內(nèi)部結(jié)構(gòu)。WeWrite的Skill配置說(shuō)復(fù)雜也復(fù)雜說(shuō)簡(jiǎn)單也簡(jiǎn)單核心就三件事一套完整的提示詞骨架、一個(gè)分階段生成流程、一個(gè)質(zhì)量自檢環(huán)節(jié)。3.1 提示詞模板的六大骨架Role、Context、Task、Steps、Constraints、Output看配置時(shí)我發(fā)現(xiàn)每個(gè)工作節(jié)點(diǎn)的提示詞都有一個(gè)共同結(jié)構(gòu)可以概括成六要素Role告訴模型它現(xiàn)在扮演什么角色比如“資深科普作者”“技術(shù)文檔工程師”Context提供當(dāng)前任務(wù)的背景信息包括主題描述、目標(biāo)讀者、可用的參考素材Task用一句話(huà)說(shuō)清楚本階段要完成的具體產(chǎn)物Steps給出實(shí)現(xiàn)Task的操作順序比如“先列出5個(gè)主論點(diǎn)再為每個(gè)主論點(diǎn)補(bǔ)充2條論據(jù)”Constraints明確限制條件比如“不要使用營(yíng)銷(xiāo)話(huà)術(shù)”“每段不超過(guò)200字”“避免重復(fù)表達(dá)”O(jiān)utput Format指定返回格式比如Markdown、JSON、純文本。我自己的經(jīng)驗(yàn)是六要素里Constraints最容易被忽略但它恰恰是控制AI輸出質(zhì)量的杠桿。你告訴模型“寫(xiě)一篇產(chǎn)品介紹”它可能寫(xiě)得天花亂墜如果你加上“禁止夸大功能”“禁止出現(xiàn)絕對(duì)化表述如‘最強(qiáng)’‘唯一’”輸出立刻會(huì)拘謹(jǐn)很多。一個(gè)簡(jiǎn)化的示例模板長(zhǎng)這樣Role: 你是一名有5年經(jīng)驗(yàn)的技術(shù)內(nèi)容編輯擅長(zhǎng)把復(fù)雜概念講得清楚有趣。 Context: 用戶(hù)想寫(xiě)一篇介紹“開(kāi)源AI Skill”概念的科普文章目標(biāo)讀者是剛接觸AI寫(xiě)作工具的運(yùn)營(yíng)人員。 Task: 生成一篇文章大綱。 Steps: 1. 先提煉3個(gè)核心論點(diǎn) 2. 每個(gè)論點(diǎn)下給出2個(gè)支撐素材方向 3. 為大論點(diǎn)設(shè)計(jì)一個(gè)能吸引目標(biāo)讀者的小標(biāo)題。 Constraints: - 每個(gè)小標(biāo)題控制在15字以?xún)?nèi) - 不要使用“賦能”“抓手”之類(lèi)的黑話(huà) - 語(yǔ)氣平實(shí)可以用比喻。 Output Format: 按“論點(diǎn)子標(biāo)題列表”的Markdown格式輸出。這套骨架看著簡(jiǎn)單但缺少任何一環(huán)模型的工作方式就會(huì)退化成自由發(fā)揮。我們做二次開(kāi)發(fā)時(shí)優(yōu)先要改的不是模型而是這里面的Steps和Constraints。3.2 為什么分階段寫(xiě)作比一次成稿更穩(wěn)一次性讓AI“寫(xiě)一篇3000字文章”不是不行而是問(wèn)題難定位文章中間部分跑題了你不知道是該改主題描述還是改某個(gè)段落的提示詞。分階段生成之所以穩(wěn)定是因?yàn)槊恳浑A段都有獨(dú)立的輸入輸出你可以把問(wèn)題鎖定在某一步。WeWrite內(nèi)部大致是這樣分階段運(yùn)作的主題分析與關(guān)鍵詞提取先讓AI理解主題范圍列出它將要覆蓋的子話(huà)題大綱生成基于子話(huà)題搭骨架確定段落順序素材檢索與填入根據(jù)大綱段落從參考素材里找對(duì)應(yīng)內(nèi)容填進(jìn)去初稿合并把填好的素材連貫成完整文章潤(rùn)色與自檢對(duì)初稿做語(yǔ)言潤(rùn)色并按質(zhì)量標(biāo)準(zhǔn)檢查。分階段的另一個(gè)好處是省上下文。如果素材很多一次性塞給模型會(huì)立刻把窗口撐爆分階段能讓模型在“大綱階段”只看全貌在“填充階段”只關(guān)注當(dāng)前段落的素材效果和資源消耗都更合理。實(shí)際操作中我還喜歡在階段之間插入人工確認(rèn)點(diǎn)。比如大綱生成之后停下來(lái)我自己調(diào)整一下小標(biāo)題再讓AI繼續(xù)寫(xiě)正文。這樣既保留人的判斷又讓AI做它擅長(zhǎng)的批量鋪開(kāi)工作。3.3 自檢機(jī)制讓AI先審一遍自己的稿子WeWrite里讓我眼前一亮的是自檢環(huán)節(jié)。它不是寫(xiě)完就交付而是會(huì)調(diào)用一次“批判視角”的提示詞讓模型以審核員的身份重新讀一遍稿子。這個(gè)過(guò)程模仿了編輯的做法第一遍寫(xiě)稿第二遍退一步看問(wèn)題。實(shí)際項(xiàng)目里的自檢邏輯我會(huì)這樣描述Role: 你是嚴(yán)格的文字編輯。 Task: 對(duì)下面的初稿進(jìn)行質(zhì)量檢查。 Checklist: 1. 論點(diǎn)是否單一是否存在車(chē)轱轆話(huà) 2. 段落之間邏輯是否跳躍 3. 例子是否具體還是只有抽象描述 4. 長(zhǎng)句是否過(guò)多閱讀是否順暢 5. 小標(biāo)題是否吸引人 Output: 列出問(wèn)題清單每條給出修改方向不要直接重寫(xiě)全文。我在自己的分支里增加了“修改建議是否采用”的反饋回路先把自檢結(jié)果交給生成流程讓它根據(jù)這些建議迭代一版。跑下來(lái)發(fā)現(xiàn)兩輪迭代后的文本質(zhì)量和單輪自檢有肉眼可見(jiàn)的差距尤其是在邏輯連貫和冗余表達(dá)方面。這里想多說(shuō)一句自檢之所以有效是因?yàn)槟Ｐ驮谏赡Ｊ较潞蛯徍四Ｊ较抡{(diào)用的是不同的思維方式。生成時(shí)需要發(fā)散審核時(shí)需要收斂這種視角切換對(duì)輸出質(zhì)量的提升是實(shí)打?qū)嵉摹?. 把WeWrite調(diào)成“我的寫(xiě)作分身”風(fēng)格遷移、場(chǎng)景改造與參數(shù)調(diào)整默認(rèn)配置的WeWrite產(chǎn)出的文本風(fēng)格偏“通用科普”拿來(lái)用沒(méi)問(wèn)題但離“像我寫(xiě)的”還有距離。我花了兩周時(shí)間把它調(diào)成自己的寫(xiě)作分身方法并不玄學(xué)提取個(gè)人風(fēng)格錨點(diǎn)按場(chǎng)景改造流程調(diào)節(jié)模型生成參數(shù)。4.1 風(fēng)格錨點(diǎn)讓AI學(xué)會(huì)你的說(shuō)話(huà)方式風(fēng)格這種東西聽(tīng)起來(lái)抽象但落到文本特征上是可以拆解的。我翻了自己過(guò)去寫(xiě)的十幾篇文章挑出高頻出現(xiàn)的語(yǔ)言偏好喜歡用短句一段一般不超過(guò)三行習(xí)慣用“我試過(guò)”“實(shí)測(cè)下來(lái)”這類(lèi)第一人稱(chēng)經(jīng)驗(yàn)開(kāi)頭解釋復(fù)雜概念時(shí)常用生活類(lèi)比避免“綜上所述”“值得注意的是”這類(lèi)過(guò)渡套話(huà)結(jié)尾喜歡給一個(gè)具體的可執(zhí)行動(dòng)作。我把這些特征整理成一段風(fēng)格描述寫(xiě)進(jìn)WeWrite的style_profile配置字段style_profile: sentence_length: short first_person: true analogy_frequency: high banned_phrases: - 綜上所述 - 值得注意的是 - 眾所周知 closing_style: actionable寫(xiě)入之后AI產(chǎn)出的初稿至少在句式上不再有強(qiáng)烈的“機(jī)翻感”。要注意的是風(fēng)格錨點(diǎn)不是讓你去模仿某個(gè)人的文風(fēng)而是提取“你自己的說(shuō)話(huà)特征”。如果你自己都沒(méi)分析過(guò)自己怎么寫(xiě)文章那模型更不知道該怎么模仿。4.2 一個(gè)模板改出三個(gè)垂直版本公眾號(hào)、周報(bào)、教程WeWrite默認(rèn)配置偏向公眾號(hào)科普。我在此基礎(chǔ)上分出了三個(gè)版本本質(zhì)上改的是Constraints和Output Format而不是改模型。版本核心調(diào)整點(diǎn)典型約束公眾號(hào)文章版開(kāi)頭要有代入場(chǎng)景每1000字設(shè)一個(gè)小高潮段落不超過(guò)5行配一個(gè)故事化開(kāi)頭工作周報(bào)版結(jié)論先行數(shù)據(jù)說(shuō)話(huà)少用連接詞每項(xiàng)工作按“結(jié)論-動(dòng)作-結(jié)果-下一步”展開(kāi)技術(shù)教程版強(qiáng)調(diào)步驟編號(hào)每步給出可驗(yàn)證結(jié)果操作步驟必須能直接復(fù)現(xiàn)不寫(xiě)廢話(huà)split 示例工作周報(bào)版是我用得最頻繁的一個(gè)。默認(rèn)配置下AI寫(xiě)周報(bào)很容易寫(xiě)成“本周完成了A同時(shí)推動(dòng)了B此外還處理了C”一股流水賬味。加了約束后它會(huì)把每件事改成“結(jié)論項(xiàng)目X進(jìn)度正常動(dòng)作完成模塊聯(lián)調(diào)結(jié)果接口響應(yīng)時(shí)間下降30%下一步周四前提測(cè)”。這才是我真正想看到的匯報(bào)結(jié)構(gòu)。這種改造確實(shí)值得推薦。不要在原始配置上直接硬改而是復(fù)制一份再調(diào)這樣隨時(shí)可以回退。4.3 模型選型與參數(shù)調(diào)節(jié)寫(xiě)作質(zhì)量的下限由誰(shuí)決定同一個(gè)Skill配上不同推理能力的模型效果差異非常大。在線(xiàn)大模型API的指令遵循能力最強(qiáng)適合完整跑通流程本地開(kāi)源模型對(duì)隱私友好但小參數(shù)模型經(jīng)?！袄斫獠涣恕睆?fù)雜約束垂直寫(xiě)作模型在固定文體上表現(xiàn)不錯(cuò)靈活度差一些。模型類(lèi)型優(yōu)勢(shì)劣勢(shì)適合階段在線(xiàn)通用大模型API指令遵循強(qiáng)輸出穩(wěn)定有調(diào)用成本數(shù)據(jù)要過(guò)第三方日常寫(xiě)作與調(diào)優(yōu)本地開(kāi)源模型數(shù)據(jù)不出內(nèi)網(wǎng)可離線(xiàn)小參數(shù)版本步驟執(zhí)行差對(duì)隱私有要求的場(chǎng)景特定文體模型單一文體質(zhì)量高換場(chǎng)景要重調(diào)固定格式批量產(chǎn)出參數(shù)方面我最常用的三組經(jīng)驗(yàn)值temperature 0.7保持一定變化性又不至于跑偏是寫(xiě)作類(lèi)任務(wù)的安全區(qū)temperature 0.2適合大綱生成、JSON輸出、格式轉(zhuǎn)換這種確定性任務(wù)temperature 0.9以上適合頭腦風(fēng)暴、標(biāo)題創(chuàng)意、比喻構(gòu)想但正文慎用。max_tokens不要卡得太死尤其寫(xiě)長(zhǎng)文時(shí)輸出被截?cái)鄷?huì)直接破壞結(jié)構(gòu)。我一般會(huì)設(shè)到目標(biāo)字?jǐn)?shù)的1.5倍寧可讓它寫(xiě)夠了再裁剪也不要讓它寫(xiě)到一半斷掉。5. 在GitHub上維護(hù)自己的WeWrite分支開(kāi)源協(xié)作的真實(shí)體驗(yàn)跑通、調(diào)優(yōu)之后我開(kāi)始研究怎么參與這個(gè)項(xiàng)目。WeWrite本身是開(kāi)源的這意味著你完全可以把它fork一份改成自己的工具或者把好的改動(dòng)回饋給原項(xiàng)目。5.1 看懂Skill項(xiàng)目的倉(cāng)庫(kù)結(jié)構(gòu)config與skills為什么分開(kāi)我看過(guò)的這類(lèi)項(xiàng)目最忌諱的是把所有東西塞在一個(gè)文件里。WeWrite這種Skill項(xiàng)目通常會(huì)把配置和技能分開(kāi)存放大致結(jié)構(gòu)是這樣wewrite/ config/ # 模型參數(shù)、全局環(huán)境配置 skills/ # 各寫(xiě)作節(jié)點(diǎn)的Skill提示詞 templates/ # 輸出模板比如Markdown、JSON examples/ # 示例輸入輸出 tests/ # 輸出質(zhì)量校驗(yàn)?zāi)_本config和skills分開(kāi)的意義在于換模型時(shí)改config就夠了不用動(dòng)提示詞改寫(xiě)作風(fēng)格時(shí)動(dòng)skills就夠了不用動(dòng)模型配置。這種邊界清晰的劃分是這類(lèi)項(xiàng)目工程化及格的表現(xiàn)。如果你要給項(xiàng)目提需求先往skills目錄看準(zhǔn)沒(méi)錯(cuò)。這里的每個(gè)子文件基本對(duì)應(yīng)一個(gè)Skill節(jié)點(diǎn)改動(dòng)的影響范圍是局部的不像改全局配置那樣容易波及所有流程。5.2 一次給WeWrite增加“口語(yǔ)化改寫(xiě)”子模塊的PR經(jīng)歷我自己最常用到的功能是把技術(shù)文檔改寫(xiě)成口語(yǔ)化分享稿但WeWrite默認(rèn)的Skill里沒(méi)有這個(gè)節(jié)點(diǎn)于是我動(dòng)手加了一個(gè)子模塊。流程很簡(jiǎn)單fork倉(cāng)庫(kù)新建一個(gè)分支在skills目錄下加一個(gè)口語(yǔ)化改寫(xiě)Skill文件并在examples目錄補(bǔ)了一組前后對(duì)比示例然后跑一下質(zhì)量校驗(yàn)?zāi)_本確認(rèn)輸出沒(méi)有破壞原有流程最后提交PR。下面是我當(dāng)時(shí)PR描述里的核心部分## 變更內(nèi)容 新增口語(yǔ)化改寫(xiě)Skill節(jié)點(diǎn)用于將技術(shù)文檔、正式說(shuō)明改寫(xiě)成適合社群分享的口語(yǔ)化文稿。 ## 實(shí)現(xiàn)方式 - 在skills下新增colloquial_rewrite.md - 增加3個(gè)示例覆蓋“正式文檔轉(zhuǎn)口語(yǔ)分享”“說(shuō)明書(shū)轉(zhuǎn)短視頻腳本”“日?qǐng)?bào)轉(zhuǎn)群公告” ## 驗(yàn)證情況 - 本地運(yùn)行示例全部通過(guò) - 自檢節(jié)點(diǎn)沒(méi)有出現(xiàn)格式解析錯(cuò)誤提交之后項(xiàng)目維護(hù)者反饋了一條很中肯的建議補(bǔ)上失敗案例。意思是不僅要展示“改得多好”還要說(shuō)明什么情況下這個(gè)Skill會(huì)被誤用。后來(lái)我在文檔里補(bǔ)了一段“不適用范圍不適合法律條款改寫(xiě)不適合需要保留嚴(yán)格術(shù)語(yǔ)的技術(shù)白皮書(shū)”P(pán)R才順利通過(guò)。這件事給我的啟發(fā)是開(kāi)源協(xié)作的門(mén)檻沒(méi)有想象中高但尊重項(xiàng)目現(xiàn)有結(jié)構(gòu)、把驗(yàn)證做完整是基本的交流禮儀。5.3 快速評(píng)估一個(gè)開(kāi)源AI Skill值不值得用GitHub上的AI寫(xiě)作類(lèi)項(xiàng)目越來(lái)越多質(zhì)量參差不齊。我自己評(píng)估這類(lèi)項(xiàng)目有一套快速過(guò)濾標(biāo)準(zhǔn)判斷維度加分項(xiàng)減分項(xiàng)示例輸出有完整的輸入輸出示例直接可感知效果只有README畫(huà)餅沒(méi)有真實(shí)輸出樣例依賴(lài)復(fù)雜度依賴(lài)少環(huán)境要求明確要部署模型推理服務(wù)才算能跑模型綁定度可以自由切換模型API只能搭配某一家特定服務(wù)維護(hù)活躍度最近半年有更新issue有回應(yīng)一年沒(méi)動(dòng)過(guò)issue石沉大海測(cè)試覆蓋有反饋?zhàn)詸z腳本或質(zhì)量校驗(yàn)邏輯純提示詞堆疊沒(méi)有任何驗(yàn)證手段按這套標(biāo)準(zhǔn)重新看WeWrite我會(huì)說(shuō)它的評(píng)分在中上水平有示例、有配置分離、不綁定特定模型也有深挖的空間。它不算那種開(kāi)箱即用、零學(xué)習(xí)成本的產(chǎn)品但如果你愿意動(dòng)手調(diào)它能給你的回報(bào)上限很高。最后再分享一個(gè)我自己的使用技巧與其把WeWrite當(dāng)成成品工具不如當(dāng)成一套可拆裝的積木。跑通默認(rèn)流程之后先別急著大改記錄一個(gè)月里你每次都要推翻的輸出找共性再針對(duì)共性調(diào)整Skill。我在實(shí)際使用中最大的體會(huì)是AI寫(xiě)出來(lái)像不像人取決于你有沒(méi)有給它一套像人的流程這個(gè)開(kāi)源項(xiàng)目恰好把流程這件事做到了可以改、可以試、可以分享的程度。后續(xù)我大概率還會(huì)折騰下去方向是把它接進(jìn)團(tuán)隊(duì)文檔庫(kù)讓周報(bào)自動(dòng)帶上最近一周的提交記錄——等有成果了再回來(lái)分享。