用途：将已有文本改写为不同语气、风格、阅读水平或面向不同受众，核心模式为“源文本 + 目标风格/语气/受众 → 改写文本”。
主要能力：支持语气调整（如随意、正式、友好、权威）、受众适配（开发者、高管、公众）、阅读水平调整（如五年级、大学），以及品牌语气匹配（传入品牌指南与示例段落）。评估采用双评委指标，分别对含义保真度与风格匹配打分，复合指标为两者乘积。
使用方式：基于 DSPy，先配置语言模型，例如 dspy.LM("openai/gpt-4o-mini") 并 dspy.configure(lm=lm)；定义 dspy.Signature 声明输入输出字段（source_text、target_tone、target_audience、rewritten_text 等），用 dspy.Predict 调用。可传入 2-3 个目标风格示例锚定输出；阅读水平可用 textstat 的 flesch_kincaid_grade 测量。优化可用 dspy.BootstrapFewShot 配合复合指标，在 25+ 条训练集上典型从约 0.55 提升到约 0.78。安装技能命令：npx skills add lebsral/DSPy-Programming-not-prompting-LMs-skills --skill <name>。
适用场景：技术内容转通俗表达、语气适配、阅读水平调整、品牌语气统一、长文分段改写。
限制与注意：法律或监管文本、已有优质内容、简单术语替换、跨语言翻译、含精确数值的内容不建议使用；改写可能丢失事实或添加原文没有的信息，需用保真度评委校验，并在签名说明中写明保留全部事实、不新增信息、输出长度与输入相近。长文建议按段落拆分改写后重组；风格示例需同时匹配语气与领域。具体模型、价格与效果以实际资料为准，暂未提供更多细节。