article-writer-cn/docs/prd/prd-10-style-learning-and-collaboration.md

AI 驱动的智能写作系统 - 专注公众号/自媒体文章创作

# PRD-10: 写作风格学习与协作增强系统

**版本**: v1.0
**创建时间**: 2025-10-28
**状态**: 待审核
**作者**: Claude Sonnet 4.5
**优先级**: P0（风格学习）+ P1（Session管理、主动提问）
**预计工作量**: 5-6 天

---

## 📋 背景与问题

### 1.1 竞品参考：Spiral Personal

通过分析 Spiral Personal 的核心功能，我们发现了三个可以提升 Article Writer 用户体验的关键特性：

**Spiral 的优势**：
1. **可定制"写作风格"** ⭐ - 上传范文/指定风格，系统自动学习模仿
2. **Session 管理** - 单次写作项目不限消息，支持暂停和恢复
3. **对话协作过程** - 主动提问引导，而非单纯依赖用户指令

### 1.2 当前系统的不足

**Article Writer 现状**：
- ✅ **已有素材库系统**（materials/）- 收集真实素材
- ✅ **已有历史文章归档**（materials/archive/）- 保存过往文章
- ❌ **缺少风格学习机制** - 无法从历史文章中学习用户写作风格
- ❌ **缺少 Session 概念** - 无法暂停/恢复写作进度
- ⚠️ **主动提问深度不够** - 可以进一步增强引导能力

### 1.3 用户痛点

**痛点 1：风格不一致**
> "AI 生成的内容感觉不像我写的，用词习惯、句式节奏都不对"
> "我有很多历史文章存在 `materials/archive/` 文件夹，但 AI 没有学习我的风格"

**痛点 2：无法断点续写**
> "写了一半有事，回来发现上下文丢失了"
> "不知道上次写到哪一步了，流程要重新开始"

**痛点 3：被动式协作**
> "AI 只是等我发指令，没有主动引导我思考"
> "有时候不知道该提供什么信息，AI 应该主动问我"

---

## 🎯 设计目标

### 核心目标

1. **风格学习与模仿** ⭐ - 让 AI 学习用户的写作风格，实现"品牌或个人语气一致性"
2. **Session 生命周期管理** - 支持写作暂停、恢复、历史记录
3. **主动提问增强** - AI 不再被动等待，而是主动引导用户完善思路

### 预期效果

**风格一致性提升**：
- 从历史文章中提取风格特征（词汇偏好、句式习惯、段落节奏）
- AI 在引导和检查时参考用户风格档案
- 降低"不像我写的"的违和感

**协作体验优化**：
- 写作过程可随时暂停和恢复
- AI 主动发现需求不明确的地方并提问
- 更流畅的对话式协作体验

---

## 🎨 方案设计

## 功能 1: 写作风格学习系统 ⭐

### 1.1 核心机制

**风格档案构建流程**：

```
用户历史文章（2-3篇代表性文章）
         ↓
    AI 分析提取
         ↓
   风格特征档案
         ↓
应用到写作流程（/write、/review）
```

### 1.2 风格特征维度

**分析维度**（参考 Spiral）：

| 维度 | 分析内容 | 应用场景 |
|-----|---------|---------|
| **词汇偏好** | 常用词、避用词、专业术语 | /write 引导时推荐用词 |
| **句式特点** | 平均句长、复杂度、语序习惯 | /review 检查句式偏离 |
| **段落节奏** | 段落长度、段落数量、段间连接 | /write 结构建议 |
| **表达习惯** | 第一/第三人称、问句频率、感叹号使用 | /authentic 真实性检查 |
| **开头风格** | 直入主题 vs 铺垫、Hook 类型 | /write 开头引导 |
| **结尾风格** | 总结型 vs 启发型、CTA 习惯 | /write 结尾引导 |

### 1.3 实现方案

#### 新增命令：`/learn-style`

**准备工作**：
- 用户先将 2-3 篇代表性历史文章放到 `materials/archive/` 文件夹
- 支持格式：Markdown (.md) 或纯文本 (.txt)

**触发时机**：
- 方式 1：用户主动调用 `/learn-style`（推荐在 `/specify` 之前）
- 方式 2：`/specify` 自动提示（检测到 `materials/archive/` 有文章时）

**工作流程**：

```markdown
# /learn-style - 学习写作风格

## 准备工作

📁 请先将你的代表性文章放到以下文件夹：
   `materials/archive/`

💡 建议准备 2-3 篇文章：
  - 你最满意的文章
  - 阅读量/转发量高的文章
  - 最近 6 个月内的文章（风格更稳定）
  - 格式：Markdown (.md) 或纯文本 (.txt)

准备好后，回复 "开始" 继续
> _

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

## 第一步：检测历史文章

🔍 正在检查 materials/archive/ 目录...

发现 12 篇历史文章：
  1. Claude-vs-Cursor-深度评测.md (3200字，公众号)
  2. AI工具选择指南.md (2800字，公众号)
  3. 程序员效率工具推荐.md (2500字，博客)
  4. ...

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

## 第二步：选择代表性文章

请选择 2-3 篇最能代表你写作风格的文章：

请输入文章编号（用逗号分隔，如：1,2,5）:
> _

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

## 第三步：分析风格特征

📊 正在分析你的写作风格...

【词汇偏好分析】
- 高频词: "其实"(出现23次)、"还是"(18次)、"真的"(15次)
- 专业术语: "AI检测率"、"Prompt工程"、"工作流"
- 避用词: 检测到你很少用"非常"、"特别"等强化副词

【句式特点分析】
- 平均句长: 18字（偏短，适合公众号）
- 短句比例: 65%（节奏明快）
- 问句频率: 每100字出现2.3个问句（互动性强）

【段落节奏分析】
- 平均段落长度: 120字（符合公众号规范）
- 段落数量: 15-18段/千字（节奏清晰）
- 单句成段比例: 15%（用于强调）

【表达习惯分析】
- 人称: 第一人称为主（"我"出现频率高）
- 口语化程度: 78%（非常口语化）
- 感叹号使用: 适中（不过度）

【开头风格】
- 类型: Hook式开头（70%）+ 直入主题（30%）
- 特点: 喜欢用问句或场景描述开头
- 示例: "你有没有遇到过这种情况..."

【结尾风格】
- 类型: 启发型结尾为主（60%）
- 特点: 常以问题或思考结束
- CTA习惯: 温和引导，不强制

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

## 第四步：保存风格档案

✅ 风格档案已保存到：
   .content/memory/style-profile.json

📋 档案内容：
- 词汇偏好 (120个常用词)
- 句式特征 (7个维度)
- 段落节奏模板
- 开头/结尾风格模板
- 口语化表达库 (50+)

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

## 下一步

✅ 风格学习完成！

在后续写作中，AI 将参考你的风格档案：

- /write - 按照你的句式和节奏引导
- /review - 检查风格偏离度
- /authentic - 验证是否符合你的表达习惯

💡 提示：
  - 风格档案会自动应用到所有工作区
  - 如需更新风格，重新运行 /learn-style
  - 建议每 3-6 个月更新一次

现在可以开始 /specify 定义需求了！
```

#### 风格档案格式：`style-profile.json`

```json
{
  "version": "1.0",
  "created_at": "2025-10-28T10:30:00Z",
  "updated_at": "2025-10-28T10:30:00Z",
  "source_articles": [
    "materials/archive/Claude-vs-Cursor-深度评测.md",
    "materials/archive/AI工具选择指南.md"
  ],
  "analysis": {
    "vocabulary": {
      "high_frequency_words": ["其实", "还是", "真的", "感觉", "基本"],
      "technical_terms": ["AI检测率", "Prompt", "工作流"],
      "avoided_words": ["非常", "特别", "十分"],
      "filler_words_frequency": 0.12
    },
    "sentence_patterns": {
      "avg_sentence_length": 18,
      "short_sentence_ratio": 0.65,
      "question_frequency": 2.3,
      "exclamation_frequency": 1.1,
      "compound_sentence_ratio": 0.35
    },
    "paragraph_rhythm": {
      "avg_paragraph_length": 120,
      "paragraphs_per_1000_chars": 16,
      "single_sentence_paragraph_ratio": 0.15,
      "transition_phrases": ["不过", "说回来", "换句话说"]
    },
    "expression_style": {
      "person": "first_person",
      "colloquial_level": 0.78,
      "tone": "friendly_conversational",
      "humor_level": 0.45
    },
    "opening_style": {
      "hook_ratio": 0.70,
      "direct_ratio": 0.30,
      "common_patterns": [
        "问句开头（你有没有...）",
        "场景描述（最近在用...）",
        "观点直陈（很多人说...，但我觉得...）"
      ]
    },
    "closing_style": {
      "summary_ratio": 0.40,
      "inspirational_ratio": 0.60,
      "cta_style": "gentle_suggestion",
      "common_patterns": [
        "开放式问题（你怎么看？）",
        "思考引导（或许可以试试...）"
      ]
    }
  },
  "examples": {
    "typical_sentences": [
      "其实用下来感觉还不错",
      "说实话，这个功能真的很实用",
      "你有没有遇到过这种情况？"
    ],
    "typical_openings": [
      "最近在测试 XX，发现一个有趣的现象...",
      "你有没有觉得，XX 其实..."
    ],
    "typical_closings": [
      "你怎么看？欢迎留言讨论",
      "或许，我们可以换个角度思考..."
    ]
  }
}
```

### 1.4 风格应用场景

#### 场景 1：`/write` 教练模式应用

**当前逻辑**（PRD-08）：
```
AI: 请写开头段，描述你为什么要写这篇评测
```

**增强后**（应用风格档案）：
```
AI: 请写开头段，描述你为什么要写这篇评测

💡 根据你的风格档案，你通常这样开头：
  - 用问句吸引读者（70%概率）
  - 或者直接描述使用场景（30%概率）

参考你之前的开头风格：
  "你有没有遇到过这种情况..."
  "最近在测试 XX，发现..."

建议开头方式（二选一）：
  方式A：问句 Hook
    "你在选择 AI 编程工具时，最看重什么？"
  
  方式B：场景描述
    "最近两周，我同时深度使用了 Claude Code 和 Cursor..."

现在请写你的开头（100-150字）：
> _
```

#### 场景 2：`/review` 风格检查

**新增检查项：风格偏离度**

```markdown
## 审校结果（第二遍 - 风格审校）

### 🎨 风格一致性检查 ⭐ 新增

【整体评分】：78/100（良好）

【词汇偏离度】：⚠️ 中等偏离
- 发现 5 处不符合你风格的用词：
  
  ❌ 第2段："这个功能非常强大"
  建议改为："这个功能真的很实用"（你更常用"真的"而非"非常"）
  
  ❌ 第5段："综上所述"
  建议改为："说回来"（你更喜欢口语化过渡）

【句式偏离度】：✅ 良好
- 平均句长 19字（你的习惯是18字，接近）
- 短句比例 62%（你的习惯是65%，接近）

【段落节奏】：⚠️ 需要调整
- 发现 3 个段落过长（>150字），建议拆分：
  - 第 3 段（185字）→ 建议拆成 2 段
  - 第 7 段（210字）→ 建议拆成 2-3 段

【表达习惯】：✅ 符合
- 第一人称使用：正常
- 口语化程度：76%（你的习惯是78%，接近）
- 问句频率：2.1/100字（你的习惯是2.3，接近）

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

💡 建议修改的地方（优先级排序）：

1. 拆分第3段和第7段（段落过长）
2. 替换"非常"为"真的"（词汇习惯）
3. 替换"综上所述"为口语化过渡（表达习惯）

是否需要我帮你修改这些地方？(Y/n)
```

#### 场景 3：`/authentic` 真实性增强

**结合风格档案检查**：

```markdown
## 维度 2: 个性 - 是否有你的表达方式？

### 检查标准（结合风格档案 ⭐）

根据你的风格档案，你的典型表达方式是：
- 常用"其实"、"还是"、"真的"等口头禅
- 喜欢用问句与读者互动
- 段落简短（平均120字）

### 检查结果

❌ 第 3 段：表达方式不像你
  当前："该功能展现出卓越的性能表现"
  问题：太书面化，不符合你的风格
  建议："这个功能表现真的很不错"

✅ 第 5 段：符合你的风格
  "说实话，用下来感觉还是挺顺手的"
  → 典型的口语化表达，有"说实话"、"还是"等你常用的词

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

💡 建议：
把所有书面化表达改成你习惯的口语化风格
参考你的风格档案中的"典型表达"
```

---

## 功能 2: Session 生命周期管理系统

### 2.1 核心概念

**Session（写作会话）定义**：
- 每篇文章 = 一个独立的 Session
- Session 记录从 `/specify` 到 `/publish` 的完整历史
- 支持暂停、恢复、查看进度

### 2.2 Session 元数据

**存储位置**：`.content/memory/session.json`

**数据结构**：

```json
{
  "session_id": "session_20251028_103045",
  "article_title": "Claude Code vs Cursor 深度评测",
  "workspace": "wechat",
  "writing_mode": "coach",
  "status": "in_progress",
  "created_at": "2025-10-28T10:30:45Z",
  "updated_at": "2025-10-28T14:20:30Z",
  "current_step": "write",
  "completed_steps": [
    "specify",
    "research",
    "topic",
    "collect",
    "extract"
  ],
  "progress": {
    "total_steps": 11,
    "completed": 5,
    "percentage": 45
  },
  "files": {
    "brief": "_briefs/brief.md",
    "specification": "_briefs/specification.md",
    "draft": "workspaces/wechat/articles/draft.md",
    "materials_found": "_briefs/materials-found.md"
  },
  "statistics": {
    "total_commands": 12,
    "total_time_minutes": 95,
    "word_count": 1200,
    "revisions": 2
  },
  "context_history": [
    {
      "step": "specify",
      "timestamp": "2025-10-28T10:30:45Z",
      "summary": "定义需求：Claude Code vs Cursor 评测，目标读者：开发者"
    },
    {
      "step": "research",
      "timestamp": "2025-10-28T10:45:20Z",
      "summary": "调研完成：收集两款工具的官方文档和用户评价"
    }
  ]
}
```

### 2.3 实现方案

#### 新增命令：`/session`

**功能**：
- `/session status` - 查看当前进度
- `/session history` - 查看历史记录
- `/session resume` - 恢复上次写作
- `/session new` - 开始新 Session（保存当前）

#### `/session status` 示例输出

```markdown
╔════════════════════════════════════════════════════════╗
║            当前写作进度                                  ║
╚════════════════════════════════════════════════════════╝

📋 文章标题: Claude Code vs Cursor 深度评测
🏢 工作区: wechat (公众号)
🎓 写作模式: 教练模式

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📊 进度：5/11 步骤完成 (45%)

✅ 1. /specify   - 需求定义完成
✅ 2. /research  - 调研完成
✅ 3. /topic     - 选题确定
✅ 4. /collect   - 素材收集完成
✅ 5. /extract   - 真实经历提取完成
⏸️  6. /write    - 正在进行（写作中）
⬜ 7. /authentic - 待开始
⬜ 8. /review    - 待开始
⬜ 9. /images    - 待开始
⬜ 10. /check    - 待开始
⬜ 11. /publish  - 待开始

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

⏱️  统计信息:
- 开始时间: 2025-10-28 10:30
- 已用时间: 1小时35分钟
- 已完成命令: 12 次
- 当前字数: 1200 字

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

💡 下一步建议：
继续 /write 命令，完成剩余段落
预计还需 1-2 小时完成初稿

📁 相关文件：
- Brief: _briefs/brief.md
- 选题: _briefs/specification.md
- 草稿: workspaces/wechat/articles/draft.md
- 素材: _briefs/materials-found.md
```

#### `/session resume` 恢复逻辑

```markdown
# 恢复写作会话

🔍 检测到上次未完成的 Session...

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📋 会话信息:
- 文章: Claude Code vs Cursor 深度评测
- 进度: 5/11 步骤 (45%)
- 上次保存: 2025-10-28 14:20 (2小时前)
- 当前步骤: /write (写作中)

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📝 上下文回顾:

你正在写一篇 Claude Code vs Cursor 的深度评测：

✅ 已完成:
  - 需求定义: 目标读者是开发者，对比性能和体验
  - 调研: 收集了官方文档和 Reddit 讨论
  - 选题: 确定了 5 个对比维度
  - 素材: 找到了 8 条个人使用动态
  - 经历提取: 整理了两周实测数据

⏸️  进行中:
  - /write: 已完成开头 + 2 个小节（共 1200 字）
  - 待写: 剩余 3 个小节 + 结尾

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

💡 接下来:

你正在写第 3 个小节："代码补全对比"
根据 specification，这部分需要：
- 对比两款工具的代码补全准确率
- 分享你的实测数据
- 给出使用建议

是否继续写作？(Y/n)
> _
```

### 2.4 自动保存机制

**触发时机**：
- 每个命令执行完成后自动保存 Session
- 用户中断（Ctrl+C）时提示保存
- 每 10 分钟自动保存一次

**保存内容**：
- Session 元数据更新
- 当前步骤状态
- 已生成文件列表
- 上下文摘要

---

## 功能 3: 主动提问机制增强

### 3.1 设计原则

**Spiral 的启示**：
> "主动提问，帮助用户不断完善和明确想法"

**我们的增强方向**：
- AI 不再被动等待指令
- 主动发现需求不明确的地方
- 引导用户思考更深层次的问题

### 3.2 主动提问场景

#### 场景 1：`/specify` - 需求澄清

**当前逻辑**（简化）：
```
AI: 请告诉我你想写什么文章
用户: Claude Code vs Cursor 评测
AI: 生成 brief
```

**增强后（主动提问）**：
```
AI: 请告诉我你想写什么文章
用户: Claude Code vs Cursor 评测

AI: 好的，我想更了解你的需求，问你几个问题：

  1️⃣  目标读者是谁？
     - [ ] 完全不了解 AI 编程工具的新手
     - [ ] 正在选择工具的开发者
     - [ ] 已经在用，想换工具的用户
  
  2️⃣  你想达到什么效果？
     - [ ] 帮读者选择合适的工具
     - [ ] 展示深度使用经验
     - [ ] 吐槽/分享踩坑经历
  
  3️⃣  你的独特优势是什么？
     - [ ] 我两个工具都深度用过（实测数据）
     - [ ] 我有具体的使用场景（真实案例）
     - [ ] 我发现了别人没注意到的细节

请告诉我答案（可多选，如：1-B, 2-A, 3-A+B）：
> _

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

[用户回答后]

AI: 明白了！基于你的回答，我再追问一个关键问题：

  ❓ 你希望这篇文章给读者什么"独特价值"？
  
  换句话说，别人的评测也很多，你这篇有什么不同？
  
  💡 提示：
  - 是实测数据更详细？
  - 是对比维度更独特？
  - 还是有只有你知道的坑？

请用 1-2 句话描述：
> _

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

[用户回答后]

AI: 完美！现在我对你的需求很清楚了。

基于我们的讨论，我建议：

📋 文章定位：
- 目标读者：正在选择工具的开发者
- 核心价值：提供两周深度实测数据，帮助读者选择
- 独特优势：真实使用场景 + 详细性能对比

🎓 推荐写作模式：教练模式
  理由：你有大量实测经历，适合深度挖掘

现在开始生成 brief...
```

#### 场景 2：`/topic` - 选题深化

**当前逻辑**：
```
AI: 这里有 3 个选题方向，你选哪个？
用户: 选 A
AI: 好的，开始写 specification
```

**增强后（主动提问）**：
```
AI: 你选择了方向 A "全维度性能对比"

在我写选题大纲之前，想和你确认几个细节：

  1️⃣  对比维度选择
     我建议从这 5 个维度对比：
     - 代码补全准确率
     - 响应速度
     - 上下文理解能力
     - 稳定性
     - 价格
     
     ❓ 问题：
     - 这些维度是你关心的吗？
     - 有没有我遗漏的重要维度？
     - 哪个维度你的经验最丰富？（可以重点写）

  2️⃣  证据准备
     这些维度需要数据支持，你有吗？
     - [ ] 我有实测数据（跑分、计时）
     - [ ] 我有使用截图（可配图）
     - [ ] 我有具体案例（某个项目中的对比）
     - [ ] 没有数据，但有主观感受
     
     ❓ 如果没有数据，我们可以：
     - 降低量化对比，增加场景化描述
     - 或者，你现在去测一下（我给你测试清单）

请告诉我你的想法：
> _

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

[根据用户回答调整选题结构]

AI: 明白了！根据你的反馈，我调整一下选题结构：

调整后的对比维度：
  1. 代码补全（你有实测数据，重点写）✨
  2. 响应速度（你有主观感受，辅助写）
  3. 上下文理解（你有具体案例，场景化描述）
  4. 稳定性（你的踩坑经历，重点写）✨
  5. 价格（简单对比）

这样结构更合理，既有数据支撑，又有真实案例。

现在生成 specification...
```

#### 场景 3：`/extract` - 经历挖掘

**当前逻辑**：
```
AI: 请分享你的真实使用经历
用户: 我用了两周，Claude Code 卡了 3 次
AI: 好的，继续
```

**增强后（主动提问）**：
```
AI: 你提到 Claude Code 卡了 3 次，很好的素材！

我想深挖一下细节，这样文章会更真实：

  ❓ 追问 1：这 3 次卡顿具体是什么情况？
  
  - 是在写什么类型的代码时卡的？
  - 卡顿时有什么特征？（完全无响应 vs 只是慢）
  - 你是怎么解决的？（重启？等待？）
  
  💡 为什么问这个：
  读者会想知道"我遇到这种情况该怎么办"
  
  请详细描述一次卡顿经历（100-150字）：
  > _

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

  ❓ 追问 2：对比下，Cursor 的稳定性如何？
  
  - Cursor 有没有卡过？
  - 如果没卡，是因为什么？（配置更好？用法不同？）
  - 同样的场景下，两个工具表现差异大吗？
  
  💡 为什么问这个：
  对比越具体，文章越有说服力
  
  请描述 Cursor 的稳定性表现：
  > _

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

  ❓ 追问 3：这个问题影响你的选择吗？
  
  - 3 次卡顿算严重问题吗？（还能接受 vs 不能忍）
  - 如果 Claude Code 其他方面很好，你会因为卡顿放弃吗？
  - 你会推荐什么类型的用户选 Claude Code？
  
  💡 为什么问这个：
  结论和建议需要基于真实权衡
  
  请分享你的权衡思路：
  > _

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

[用户回答后]

AI: 太好了！通过这三层追问，我们得到了：

✅ 具体场景: 写 Python 数据处理代码时卡顿
✅ 解决方案: 重启 Claude Code（耗时 2 分钟）
✅ 对比数据: Cursor 同样场景没卡过
✅ 权衡结论: 能接受卡顿，因为代码质量更好

这些细节会让你的文章非常有说服力！

继续挖掘下一个经历...
```

### 3.3 主动提问规则

**触发条件**：

| 场景 | 触发条件 | 提问类型 |
|-----|---------|---------|
| 需求模糊 | 用户描述 < 20 字 | 澄清问题（目标、读者、价值） |
| 缺少细节 | 用户回答过于笼统 | 追问具体细节 |
| 逻辑跳跃 | 缺少推理过程 | 询问思考过程 |
| 证据不足 | 观点缺乏支撑 | 追问数据或案例 |

**提问策略**：

1. **递进式提问**：从宏观到细节，层层深入
2. **结构化选项**：提供选项降低回答难度
3. **说明原因**：告诉用户为什么要问这个问题
4. **限制轮次**：单个话题最多追问 3 次，避免疲劳

---

## 📝 实施方案

### Phase 1: 风格学习系统（P0）

**工作量**: 2-3 天

#### Day 1: 风格分析引擎

**任务**：
1. 创建 `/learn-style` 命令模板（slash command）
2. 实现历史文章检测（读取 `materials/archive/` 文件夹）
3. 实现文章选择交互界面
4. 使用 Read 工具读取选定的文章内容

**输出**：
- `templates/commands/learn-style.md`（slash command 模板）
- 历史文章列表展示
- 允许的工具：`Read(//materials/archive/**)`

#### Day 2: 风格特征提取

**任务**：
1. 实现 6 个维度的分析逻辑：
   - 词汇偏好（高频词、避用词）
   - 句式特点（句长、短句比例）
   - 段落节奏（段落长度、单句段比例）
   - 表达习惯（人称、口语化程度）
   - 开头风格（Hook vs 直入主题）
   - 结尾风格（总结 vs 启发）
2. 生成 `style-profile.json`

**技术方案（Slash Command）**：

```markdown
---
description: 学习用户的写作风格
argument-hint: [无需参数]
allowed-tools: Read(//materials/archive/**), Write(//.content/memory/style-profile.json)
---

# /learn-style - 写作风格学习

1. 使用 Read 工具列出 materials/archive/ 下的所有 .md 和 .txt 文件
2. 让用户选择 2-3 篇代表性文章
3. 使用 Read 工具读取选定文章的内容
4. AI 分析 6 个维度的风格特征
5. 生成 style-profile.json 保存到 .content/memory/
6. 展示分析结果摘要
```

**分析逻辑（AI 在 slash command 中执行）**：
- 提取高频词、避用词、专业术语（词汇维度）
- 计算平均句长、短句比例、问句频率（句式维度）
- 分析段落长度分布、单句段比例（段落维度）
- 识别人称使用、口语化程度（表达维度）
- 总结开头和结尾的典型模式（结构维度）

#### Day 3: 风格应用集成

**任务**：
1. 修改 `/write` - 引导时参考风格档案
2. 修改 `/review` - 增加风格偏离度检查
3. 修改 `/authentic` - 结合风格档案检查真实性

**修改文件**：
- `templates/commands/write.md`
- `templates/commands/review.md`
- `templates/commands/authentic.md`

---

### Phase 2: Session 管理系统（P1）

**工作量**: 2 天

#### Day 4: Session 数据结构

**任务**：
1. 设计 `session.json` 格式
2. 实现 Session 初始化（在 `/specify` 时创建）
3. 实现 Session 自动更新（每个命令后）

**输出**：
- `.content/memory/session.json`
- Session 创建/更新逻辑

#### Day 5: Session 命令实现

**任务**：
1. 实现 `/session status` - 查看进度
2. 实现 `/session resume` - 恢复写作
3. 实现 `/session history` - 查看历史
4. 实现自动保存机制

**输出**：
- `templates/commands/session.md`
- 恢复上下文逻辑

---

### Phase 3: 主动提问增强（P1）

**工作量**: 1-2 天

#### Day 6: 提问规则引擎

**任务**：
1. 定义提问触发条件
2. 编写提问模板库
3. 实现递进式提问逻辑

**提问模板库示例**：
```markdown
# 提问模板库

## 需求澄清类
- 目标读者是谁？
- 你想达到什么效果？
- 你的独特优势是什么？

## 细节追问类
- 具体是什么情况？
- 你是怎么解决的？
- 当时的感受是什么？

## 证据验证类
- 你有数据支持吗？
- 有具体案例吗？
- 能举个例子吗？
```

#### Day 7: 集成到核心命令

**任务**：
1. 修改 `/specify` - 增加需求澄清提问
2. 修改 `/topic` - 增加选题深化提问
3. 修改 `/extract` - 增加经历挖掘提问

**修改文件**：
- `templates/commands/specify.md`
- `templates/commands/topic.md`
- `templates/commands/extract.md`

---

## 📊 验收标准

### 功能 1: 风格学习系统

**测试用例 1：风格学习**
```
✅ 前置条件: materials/archive/ 有 3+ 篇历史文章
✅ 执行: /learn-style
✅ 预期:
   - 列出所有历史文章
   - 用户选择 2-3 篇
   - 分析 6 个维度的风格特征
   - 生成 style-profile.json
   - 展示分析结果摘要
```

**测试用例 2：风格应用（/write）**
```
✅ 前置条件: 已有 style-profile.json
✅ 执行: /write (教练模式)
✅ 预期:
   - 引导开头时，参考用户的开头风格
   - 提供符合用户习惯的用词建议
   - 段落长度提示符合用户习惯
```

**测试用例 3：风格检查（/review）**
```
✅ 前置条件: 已有 style-profile.json 和 draft.md
✅ 执行: /review
✅ 预期:
   - 检测词汇偏离（"非常" vs "真的"）
   - 检测句式偏离（句长、短句比例）
   - 检测段落偏离（段落过长/过短）
   - 给出具体修改建议
```

**质量标准**：
- ✅ 风格分析准确率 > 70%（与人工分析对比）
- ✅ 用户认同度 > 75%（"这确实是我的风格"）
- ✅ 风格应用后，违和感降低 30%+

---

### 功能 2: Session 管理

**测试用例 1：Session 创建与更新**
```
✅ 执行: /specify → /research → /topic
✅ 预期:
   - /specify 后创建 session.json
   - 每个命令后自动更新 Session
   - completed_steps 正确记录
   - current_step 正确更新
```

**测试用例 2：进度查看**
```
✅ 前置条件: 已完成 5/11 步骤
✅ 执行: /session status
✅ 预期:
   - 展示进度条（5/11，45%）
   - 列出已完成和待完成步骤
   - 显示统计信息（用时、字数）
   - 给出下一步建议
```

**测试用例 3：恢复写作**
```
✅ 前置条件: 
   - 有未完成的 Session（进行到 /write）
   - 模拟新会话（上下文丢失）
✅ 执行: /session resume
✅ 预期:
   - 加载 Session 数据
   - 回顾已完成步骤
   - 提示当前待完成任务
   - 恢复上下文（读取 brief、specification 等）
```

**质量标准**：
- ✅ Session 数据完整性 100%（无丢失）
- ✅ 恢复后上下文准确率 > 90%
- ✅ 用户反馈"断点续写很有用" > 80%

---

### 功能 3: 主动提问

**测试用例 1：需求澄清**
```
✅ 执行: /specify
✅ 用户输入: "Claude Code 评测"（过于简单）
✅ 预期:
   - AI 主动追问：目标读者、期望效果、独特优势
   - 至少 3 个澄清问题
   - 基于回答调整 brief 内容
```

**测试用例 2：经历挖掘**
```
✅ 执行: /extract
✅ 用户输入: "Claude Code 卡了 3 次"（笼统）
✅ 预期:
   - AI 追问：具体情况、解决方案、对比数据
   - 递进式追问（3 层深度）
   - 提取出可用的详细素材
```

**测试用例 3：提问节制**
```
✅ 执行: /specify
✅ 用户输入: 详细的需求描述（200+ 字）
✅ 预期:
   - AI 不追问（需求已清晰）
   - 或只追问 1-2 个补充问题
   - 避免过度提问
```

**质量标准**：
- ✅ 提问相关性 > 85%（用户认为问题有必要）
- ✅ 提问适度性 > 80%（不会觉得烦）
- ✅ 细节挖掘深度提升 40%+（对比旧版）

---

## ⚠️ 风险与应对

### 风险 1: 风格分析不准确

**风险描述**：
AI 分析的风格特征不符合用户实际风格，导致误导性建议。

**应对措施**：
1. ✅ 要求用户选择 2-3 篇**代表性**文章（不是随机）
2. ✅ 分析结果展示给用户确认（"这是你的风格吗？"）
3. ✅ 提供手动调整选项（用户可编辑 style-profile.json）
4. ✅ 风格建议标记为"参考"，不强制执行

### 风险 2: 历史文章数量不足

**风险描述**：
用户 `materials/archive/` 文件夹为空或只有 1 篇文章，样本太小，分析不准确。

**应对措施**：
1. ✅ 最少要求 2 篇文章（< 2 篇提示"样本不足，建议先放入 2-3 篇历史文章"）
2. ✅ 提供"跳过风格学习"选项（使用通用风格）
3. ✅ 在 `/learn-style` 命令开始时提示用户准备文件
4. ✅ 建议用户先写 2-3 篇文章并保存到 `materials/archive/`，再开启风格学习

### 风险 3: Session 数据过大

**风险描述**：
长时间写作（如一周），Session 记录几百条，加载缓慢。

**应对措施**：
1. ✅ 只保留最近 50 条上下文历史（旧的归档）
2. ✅ Session 摘要而非全记录（每步只存 summary）
3. ✅ 懒加载：`/session status` 只显示必要信息

### 风险 4: 主动提问过度

**风险描述**：
AI 问太多问题，用户觉得烦。

**应对措施**：
1. ✅ 单话题最多追问 3 次
2. ✅ 如果用户回答很详细，跳过追问
3. ✅ 提供"跳过提问"选项（用户可选择快速模式）
4. ✅ 在提问时说明原因（"为什么问这个"）

---

## 📈 成功指标

### 用户体验指标

1. **风格一致性提升**：
   - 目标：用户认为"更像我写的" > 70%
   - 测量：用户反馈问卷

2. **断点续写使用率**：
   - 目标：> 40% 的 Session 使用了恢复功能
   - 测量：`/session resume` 调用次数

3. **主动提问满意度**：
   - 目标：> 75% 用户认为"提问有帮助"
   - 测量：用户反馈问卷

### 质量指标

1. **风格偏离度降低**：
   - 目标：应用风格档案后，偏离度降低 30%
   - 测量：对比 `/review` 风格检查结果

2. **经历挖掘深度提升**：
   - 目标：`/extract` 产出的素材详细度提升 40%
   - 测量：对比旧版，计算平均字数和细节数量

3. **流程完成率提升**：
   - 目标：完整走完 11 步流程的比例提升 20%
   - 测量：Session 数据统计

---

## 🎉 预期效果

### 解决的核心问题

1. ✅ **风格一致性** - 从历史文章学习，生成"更像我写的"内容
2. ✅ **工作流中断** - Session 管理让写作可暂停、可恢复
3. ✅ **协作被动性** - AI 主动提问，引导用户完善思路

### 与 Spiral 的差异化

| 维度 | Spiral Personal | Article Writer (PRD-10) |
|-----|----------------|-------------------------|
| 风格学习 | ✅ 上传范文学习 | ✅ 分析历史文章 + 6 维度特征 |
| Session 管理 | ✅ 不限消息 | ✅ 完整生命周期 + 断点续写 |
| 主动提问 | ✅ 对话协作 | ✅ 结构化提问 + 3 层递进 |
| **独特优势** | - | ✅ **真实驱动工作流**（素材库+教练模式） |
| **独特优势** | - | ✅ **多模式写作**（教练/快速/混合） |
| **独特优势** | - | ✅ **工作区系统**（公众号/视频/通用） |

**总结**：
- Spiral 的核心优势我们都能实现
- 我们的独特优势（真实驱动、多模式）Spiral 没有
- **差异化价值**: Article Writer = Spiral 的风格学习 + 更强的真实性保障

---

## 🚀 下一步

### 等待用户确认

请审阅此 PRD，如果同意，我将开始实施：

**Phase 1 (P0)**: 风格学习系统（2-3 天）
- Day 1: `/learn-style` 命令 + 文章检测
- Day 2: 风格特征提取
- Day 3: 风格应用集成（/write、/review、/authentic）

**Phase 2 (P1)**: Session 管理（2 天）
- Day 4: Session 数据结构 + 自动更新
- Day 5: `/session` 命令实现

**Phase 3 (P1)**: 主动提问（1-2 天）
- Day 6: 提问规则引擎
- Day 7: 集成到核心命令

**预计总工时**: 5-6 天

---

## 📎 附录

### A. 风格档案示例

完整示例见 [2.2 风格特征维度] 章节的 `style-profile.json`

### B. Session 数据示例

完整示例见 [功能 2.2 Session 元数据] 章节

### C. 主动提问模板库

完整模板见 [功能 3.3 主动提问规则] 章节

---

## 🤝 变更日志

| 日期 | 版本 | 变更内容 | 作者 |
|------|------|----------|------|
| 2025-10-28 | v1.0 | 初始创建 PRD-10 | Claude Sonnet 4.5 |

---

**PRD 状态**: 📝 待审核 → 待用户确认

**下一步**: 
- [ ] 用户审阅并确认 PRD
- [ ] 开始 Phase 1 实施（风格学习）
- [ ] 开始 Phase 2 实施（Session 管理）
- [ ] 开始 Phase 3 实施（主动提问）
- [ ] 测试验收
- [ ] 更新文档
- [ ] 发布新版本