用途
本技能是写作声音复现流程中的倒数第二步，负责把此前所有分析输出翻译成一份单一、可实施的风格规范。上游分析（人格画像、文体计量指纹、心理语言学分类、可读性指标、修辞结构、顺应模式、原型分类、语域变化、言语行为分布、受众模式、人格框架）各自在自己的框架内产出发现；若缺少规范构建步骤，这些发现只是彼此孤立的观察。风格规范将它们整合为一份连贯文档，供最后一步（声音提示词工程或人工风格指南创建）直接使用。
核心原则：规范中的每条约束都必须追溯到具体分析发现并标注置信度；每条分析发现都应被翻译为可操作约束。原始分析输出是观察，风格规范是指令集，本技能执行这一翻译。
设计参考：Nielsen Norman Group 的语气四维度（正式/随意、严肃/幽默、尊重/不敬、热情/就事论事）；COSTAR 提示框架（Context、Objective、Style、Tone、Audience、Response）；Mailchimp 与 Google 的声音与语气文档模式；以及元分析证据表明 LLM 更能可靠遵循 5-12 条有优先级的约束，而非 30 条以上未区分的规则。
主要能力
- 盘点可用分析并评估覆盖度，判断可产出完整、强、中等还是最小规范。
- 从每份分析报告中提取关键发现，保留其原始置信度与证据基础，不重新分析原始数据。
- 将每条发现翻译为具体写作约束，使用区间而非精确值，并按置信度调整精度与约束动词（MUST/SHOULD/MAY）。
- 检测并解决跨分析冲突，例如正式度分歧、复杂度分歧、情感范围分歧、语域分歧、顺应与指纹分歧。
- 按置信度与影响将约束分为核心、强、软三层，并控制约束数量。
- 构建数值画像与散文规范，并验证其可实施性。
- 将结果写入 docs/analysis/24-style-specification.md。
使用方式
工作流包含九个步骤：
- 盘点可用分析并评估覆盖度。
- 从每份分析报告提取关键发现。
- 将每条发现翻译为带置信度的约束。
- 检测并解决跨分析冲突。
- 按置信度与影响排列约束优先级。
- 构建数值画像。
- 撰写散文规范。
- 验证规范可实施性。
- 将发现写入 docs/analysis/24-style-specification.md。
覆盖度评估：至少需要 3 项分析覆盖至少 3 个不同维度，才构成最低可行规范；少于 3 项分析或少于 3 个维度时应标注为“部分规范”，并记录哪些约束类别缺乏证据基础。10-12 项为完整规范，7-9 项为强规范，4-6 项为中等规范，3 项为最小规范，少于 3 项应停止。
翻译规则：使用区间而非精确值；按置信度缩放精度（高置信度约 ±10-15%，中等约 ±20-30%，低约 ±40-50% 并表述为“偏好”而非“要求”，不确定则不生成约束）；约束动词与置信度匹配（高：MUST/ALWAYS/NEVER；中：SHOULD/PREFER；低：MAY/CONSIDER；不确定：省略）。每条约束须注明来源分析与置信度。
冲突解决：先判断是否测量同一特征；若不同特征则并非真正冲突；若同一特征则比较置信度，较高者设硬约束、较低者转为软偏好；置信度相近则采用涵盖两者的区间；无法解决时记录双方并说明。所有冲突解决都须在规范中记录冲突发现、冲突原因、解决方式及支持证据。
优先级分层：核心层（高置信度、高影响，5-8 条，MUST 规则，定义声音）；强层（中到高置信度、中等影响，5-10 条，SHOULD 偏好，细化声音）；软层（低到中置信度、较低影响或窄范围，3-7 条，MAY 建议，增加细微差别）；不确定或被矛盾者省略并记录为缺口。
适用场景
- 多项语言分析已完成，需要整合为单一声音画像。
- 构建复现特定写作声音的 LLM 系统提示词。
- 从量化分析输出创建人类可读风格指南。
- 需要解决不同分析之间的矛盾（例如人格分析显示正式，但文体计量显示随意的功能词模式）。
- 为最终提示工程或风格指南汇编准备倒数第二项交付物。
- 将一组分析报告转换为可操作写作约束。
限制
- 不适用于上游分析少于 3 项的情况（见数据不足处理）。
- 不适用于尚未进行任何分析的情况；本技能消费分析输出，不分析原始文本。
- 不适用于分析文本本身；本技能综合已有分析。
- 不适用于团队或品牌声音（多贡献者）；本技能产出单作者声音规范。
- 不适用于合并不同作者的分析输出；本技能映射单一声音，而非复合声音。
- 关于具体收费、价格、平台支持等信息，资料暂未提供。