用途
本技能的核心任务是把一份已完成的写作风格规格说明（分析产物，描述“语气是什么”）转化为可由 LLM 子智能体使用的提示词（生成产物，描述“如何产出语气”）。它面向任意文本语料，不限于特定平台，需在风格规格分析已有产出的前提下使用。
主要能力
技能围绕“提示词分段架构”组织，每一段源自一项上游分析，并按约束强度从强到弱排序：
- 角色框架（Role Frame）：源自人格原型 + MDPI 原型，控制整体人格身份与情感基调，约束力强。
- 少样本示例（Few-Shot Examples）：源自原始语料样本，是最强的风格约束。
- 复杂度目标（Complexity Targets）：源自可读性与词汇多样性分析，约束力强且可量化，控制年级水平、句长、词汇多样性、词长。
- 句法稳定性（Syntactic Stability）：源自文体计量指纹，控制虚词比例、标点模式、句长分布。
- 情感效价（Emotional Valence）：源自 MDPI 原型 + VADER，控制情感基调边界与毒性上限。
- 信息密度（Informational Density）：源自 LIWC 维度 + 原型，控制名词密集或口语化、过程词与内容词比例。
- 证据框架（Evidence Framing）：源自 Big Five（尽责性）+ 原型，控制论断是否需支撑及限定习惯。
- 修辞结构（Rhetorical Structure）：源自修辞/话语分析，控制论证顺序、模糊限制、帖文结构。
- 语用分布（Pragmatic Distribution）：源自言语行为分析，控制解释/建议/质疑/断言的配比。
- 语域规则（Register Rules）：源自语域变异分析，控制随语境切换风格的规则。
- 社群趋同（Community Convergence）：源自 CAT / LSM，作为环境性风格指引。
技能附带“约束强度梯度”说明：强约束可由 LLM 稳定遵循，宜用数值约束加少样本示例；中等约束会漂移，需约束加自检指令；弱约束只能近似，需以少样本示例为主要驱动。另附“最低规格完整度”判断：完成 7+ 维度可生成完整提示词；4-6 维度生成带缺口标注的部分提示词；1-3 维度只生成针对性约束，不得包装成完整语气复刻提示词；0 维度不可行，应先运行上游分析。文档还提供判定流程图（operationalization_decision），依据规格是否存在、是否完成 3+ 维度、是否为正当用途、是否有少样本示例，分别导向完整生成、先跑上游分析、带缺口标注的精简提示词、带缺口提示词、或停止（伦理边界）。
使用方式
技能提供一份 16 步工作清单（勾选式进度追踪）：
- 盘点风格规格并评估完整度；2. 从源语料挑选少样本示例；3. 撰写角色框架；4. 将复杂度目标转为数值约束；5. 编码句法稳定性约束；6. 定义情感效价边界；7. 设定信息密度指令；8. 明确证据框架要求；9. 编码修辞结构模式；10. 定义语用分布目标；11. 撰写语域规则（若依赖语境）；12. 将社群趋同编码为环境性风格指引；13. 添加自验证指令；14. 组装完整提示词并检查 token 预算；15. 用源材料测试提示词；16. 将结论写入 docs/analysis/25-subagent-instruction.md。
关键子步骤要点：
- 盘点阶段使用维度清单表（信息密度、情感效价、证据框架、句法稳定性、复杂度目标、修辞结构、语用分布、语域规则、社群趋同），逐项标注 done/partial/missing 与置信度；少于 4 个维度完成时生成精简提示词并记录缺口，不得凭缺失数据杜撰约束。
- 挑选少样本示例的标准包括：典型性（用原型分析的典型性得分）、主题多样性（覆盖 2-3 个主题）、长度多样（短句与中等段落各备）、时效性、数量（3-5 个最优，超过 7 个收益递减）。在提示词中应注明让模型关注句式、用词、模糊限制与论证流程而非主题内容。
- 角色框架模板明确要求声明这是近似而非身份盗用，纳入 MDPI 原型标签及其行为特征、Big Five 摘要（用特质位置而非原始分数）、LIWC 语域分类，并控制在 150 词以内。
- 复杂度约束给出可读性（FK 年级区间、语料均值与标准差）、句长（均值区间与单句范围）、词汇多样性（MTLD 区间及具体复用指导）、词长（平均字符数与 6+ 字符词占比）等模板，并附上游指标到提示约束的映射表。
- 句法指纹要求列出各虚词类别百分比（冠词、介词、人称代词及细分、连词、助动词）、标点模式（逗号频率、分号、破折号、感叹号、插入语）与句长分布（均值、中位数、标准差及短/中/长句占比）、段落长度；并规定仅纳入文体计量指纹中变异系数 CV < 0.30 的稳定特征，CV ≥ 0.30 的不稳定特征应省略或标为愿景性。
- 情感效价边界依据原型给出不同基调指令（HHH、HHL、HLH、HLL、LHH、LHL、LLH 等），控制情感唤起度与攻击性语言的使用。
适用场景
- 上游流程的风格规格已完成（或部分完成，视缺口处理而定）。
- 需要生成可由 LLM 子智能体用来以目标语气写作的提示词。
- 将心理语言学分析（LIWC、Big Five、MDPI 原型、文体计量、可读性、CAT、修辞结构、言语行为）翻译为生成式指令。
- 为任意文本语料构建语气复刻提示词，不限于特定平台。
- 创建可测试、可版本化、带验证标准的角色提示词。
不适用场景与限制
- 尚无风格规格（应先运行上游分析）。
- 用于欺骗、欺诈或骚扰他人（伦理边界；本技能仅用于内容辅助、经同意的代笔、创意写作等正当目的）。
- 目标语气为“通用专业”或“标准正式”（无需规格驱动提示，简单角色提示即可）。
- 风格规格仅含一两个维度（如仅可读性），提示词过薄，不足以构成一种语气，宜直接使用单条约束。
- 缺失数据不得杜撰约束；不稳定特征（CV ≥ 0.30）不应作为硬约束。
研究基础（文档所引）
基于角色提示可产生可测量的输出风格、语气与词汇差异（Brim Labs, 2025；PromptHub, 2025）；详细人格规格持续优于模糊规格，LLM 生成的人格常优于人工撰写（LearnPrompting, 2025）；对风格约束而言少样本示例常比长篇指令更有效（Palantir, 2025）；文体计量研究确认虚词模式、句长分布与标点习惯是最稳定的作者标识（Mosteller & Wallace, 1963；Kestemont, 2014）；LLM 风格迁移的一次性准确率视提示策略而定，介于 67.6% 至 94.7%（arXiv:2509.24930）。
其他说明
文档中的流程图以 digraph 代码给出，提示词模板与检查清单以代码形式给出，均保持原样未作改动。该技能的具体收费、价格、平台支持范围、效果保证等在所提供资料中暂未提供。