用途：从同一作者、品牌或编辑口吻的 5 至 10 篇代表性文章中学习写作风格，生成可复用的 voice profile，作为 VOICE.md、blog-persona 与 blog-write 的基线，让后续草稿保留作者的节奏、词汇和语气。
主要能力：通过本地学习脚本聚合现有博客分析器，输出可测量的风格信号，包括句子长度均值与中位数、句子长度突发性（语料方差）、词汇丰富度（类符形符比）、过渡词句率、被动语态句率、每千词 AI 触发词基线、段落长度分布、第一人称使用率、标题为问句的比例、去除停用词后的高频 2-gram 与 3-gram 特征短语，以及由指标推导出的语气描述。
使用方式：命令 /blog style learn <paths> 用于分析样本文章并生成 voice profile。可接受单个 markdown、MDX、文本文件或包含文章的目录。运行本地学习器：python3 scripts/style_learn.py <paths> --format markdown；机器可读输出：python3 scripts/style_learn.py <paths> --format json --output voice-profile.json；生成 VOICE.md 就绪块：python3 scripts/style_learn.py <paths> --format markdown --output VOICE.md。样本少于默认最小值 5 篇时会警告并继续。
消费 profile：将 markdown 块放入项目 VOICE.md 作为持久上下文；blog-write 可将风格基线作为草稿目标，例如保持平均句长接近学习均值、匹配句子变化、仅在自然贴合主题时保留特征短语、将 AI 触发词基线视为上限、用第一人称和标题问句比例决定个人化与提问程度。JSON 输出可输入 blog-persona，映射到句长、被动语态、可读性、词汇和语气设置。
限制与错误处理：样本过少会继续但警告 profile 可能不稳定；缺失路径会跳过并警告；不支持的文件类型会跳过并警告；空样本返回零值指标而非崩溃。资料未提供收费、价格、平台或效果信息。