第02章 Voice Skill 的架构解剖

第02章 Voice Skill 的架构解剖

一个 SKILL.md 文件里装了什么，决定了 AI 输出声音的上限。

2.1 市场上的"声音解法"：一次横向比较

在深入 Voice Skill 的架构之前，先来回答一个合理的问题：已经有这么多 AI 写作工具了，为什么还需要一个 SKILL.md 文件？

目前市面上主流的"给 AI 注入写作风格"的解法，大致可以分为五类：

工具/方案 机制 控制精度 可复用性 局限性
Jasper Brand Voice 上传品牌文档，Jasper 提取风格特征 中 高（在 Jasper 内） 锁定在 Jasper 生态，无法迁移到其他工具
ChatGPT Custom Instructions 自由文本描述偏好（“请用简洁直接的语气”） 低 中（账号级别） 描述语气本身是模糊指令，衰减快
Claude System Prompt 在系统层注入详细指令 高 中（需手动管理） 需要每个新对话手动加载
Copy.ai / Writesonic Tone 下拉菜单选择 Professional / Casual / Funny 极低 高 粒度极粗，无法定义具体禁止模式
Notion AI 对话框内 tone 选项 极低 低（一次性） 没有持久化机制
Voice Skill（SKILL.md） 结构化约束文件，嵌入工具上下文 极高 极高（工具无关） 需要一次性创建文件

这个对比揭示了一个关键差异：大多数工具的方案是让 AI 去"理解"你的风格偏好，而 Voice Skill 的方案是直接定义 AI 在生成时的决策空间。

前者依赖 AI 的推断能力，本质上是模糊的；后者是工程化的约束，是精确的。

为什么 SaaS 工具无法替代 Voice Skill

以 Jasper Brand Voice 为例：你上传一份品牌风格指南，Jasper 会"分析"这份文件然后"记住"你的风格。但问题是：

  1. 没有负面约束机制。 Jasper 学到的是"你的内容长什么样"，而不是"什么模式被明确禁止"。如果你的品牌历史内容里有很多"赋能"这个词，它会认为这是你的风格一部分。

  2. 无法迁移。 你在 Jasper 里建的 Brand Voice，Claude 不认识，Cursor 不认识，ChatGPT 不认识。

  3. 黑盒。 你不知道它到底从你的文档里提取了什么规则，也无法精确修改某一条。

Voice Skill 文件是你完全可读、可修改、可版本控制的约束系统。你知道里面每一条规则是什么，为什么存在，以及如何调整。

2.2 SKILL.md 文件的完整解剖

一个标准的 Voice Skill 文件包含四个部分：

部分一：YAML 前置元数据（Frontmatter）

---
name: editorial-voice
description: 科技思考者写作风格。短句、具体、有立场、不对冲。
applyTo: "**/*.md, **/*.txt"
---
字段 作用 说明
name Skill 的唯一标识符 用于被引用、被叠加
description 一句话描述 AI 工具用它决定何时加载这个 Skill
applyTo 适用的文件类型 可选；指定只在特定文件类型中生效

description 字段比看起来重要。在支持自动 Skill 选择的工具（如 VS Code Agent Mode）中，AI 会根据任务描述自动匹配最相关的 Skill。description 写得好，Skill 就会在合适的时机自动触发。

部分二：禁用清单（BANNED PATTERNS）

这是整个文件里权重最高的部分。结构如下：

## BANNED PATTERNS

### 禁止的开场句式（绝对禁止，无例外）
- "在当今……的时代"
- "随着……的蓬勃发展"
- "……正在深刻改变……"
- "在数字化转型的浪潮下"

### 禁止的对冲词汇
- 值得注意的是
- 当然，我们也应该看到
- 不可否认
- 尽管如此
- 总的来说
- 不可或缺
- 前所未有

### 禁止的空洞形容词
- 赋能、颠覆、革命性
- 深度融入、系统梳理
- 跨越式、全方位、立体化

### 禁止的结尾套话
- 希望本文对你有所帮助
- 欢迎在评论区分享
- 期待与你共同探索
- 如有疑问欢迎交流

为什么要用这么细的粒度？ 因为 AI 的禁用规则必须是具体的词汇和句式，而不是抽象的描述。“不要有时代背景开场"这条规则，AI 可能理解成"不要第一句话就说时代背景，但第二句可以”。"禁止：‘在当今……的时代’"这条规则，是精确的 token 级约束。

部分三：正面指令（VOICE DIRECTIVES）

正面指令在禁用清单之后发挥作用。它的功能是：在 AI 被禁止走"最短路径"之后，引导它走向特定的正确方向。

## VOICE DIRECTIVES

### 开场规则
- 第一句话必须是结论、数据、场景或反问——不是背景铺垫
- 允许的开场类型：
  - 结论式："大多数会议是在浪费时间。"
  - 数据式："2024 年，平均每位知识工作者每周花 23 小时在会议上。"
  - 场景式："你最近一次离开会议时，觉得'这个必须开'的，是什么时候？"
  - 反问式："为什么你的 AI 写的东西永远听起来一样？"

### 段落规则
- 每段不超过 5 句话
- 每段有一个且只有一个核心点
- 出现抽象论断时，紧跟一个具体例子（比例 1:1）

### 立场规则
- 有观点，有倾向，不追求面面俱到
- 不为了"平衡"而对冲——如果你认为 A 比 B 好，说"A 比 B 好"，不说"A 和 B 各有优劣"
- 信任读者是成年人，不要解释显而易见的事

### 数字规则
- 不写模糊数量词："大幅"→具体百分比，"很快"→具体时间
- 优先使用真实数据；没有数据时，用具体场景代替

部分四：执行协议（EXECUTION PROTOCOL）

执行协议是最底层的细节规范，确保"说了要做到"：

## EXECUTION PROTOCOL

### 句式长度分布
- 短句（≤15字）: 约 40%
- 中句（16-35字）: 约 40%  
- 长句（>35字）: 约 20%
- 禁止连续出现超过 3 个同样长度范围的句子

### 节奏节拍
- 避免连续的平行结构超过 3 个（3个"·"、3个"并且"、3个列表项之后必须用完整句子切换）
- 使用破折号（——）制造节奏停顿，优先于括号

### 叙述人称
- 第二人称（"你"）>  第三人称泛指（"人们"、"我们"）
- 禁止无主体的泛化：不写"大家都知道"，写"你可能注意到"

### 输出完整性
- 不使用 "……（此处省略）……" 或 "以此类推" 代替实际内容
- 每个列表最少 3 条，最多 7 条；超过 7 条必须分组

### 自我检查清单（AI 每次输出前执行）
- [ ] 开头是否触发了禁用开场句式？
- [ ] 有无对冲词汇（值得注意的是 / 当然……）？
- [ ] 有无连续超过 2 个空洞形容词？
- [ ] 结尾是否是套话？
- [ ] 每个抽象论断是否有具体例子？

2.3 LLM 如何处理 SKILL.md 文件

理解 AI 工具的加载机制，有助于你写出更有效的 Skill 文件。

加载位置的优先级

不同位置的 Skill 文件，在上下文中的权重不同：

系统提示词（最高优先级）
    ↓
项目级 .github/copilot-instructions.md 或 .agents/skills/
    ↓
会话开头手动引用（"请使用 editorial-voice Skill"）
    ↓
普通对话 prompt（最低优先级）

关键规律：在上下文越靠前的指令，对整个对话的影响越大。这就是为什么 Skill 文件要放在 .agents/skills/ 目录，而不是每次在 prompt 里粘贴。

不同工具的加载方式对比

工具 加载方式 推荐 Skill 放置位置
VS Code Agent Mode (Copilot) 自动扫描 .github/copilot-instructions.md + .agents/skills/ .agents/skills/ 目录
Cursor 项目根目录的 .cursor/rules/ 或 CURSOR.md .cursor/rules/voice-skill.md
Claude（claude.ai） 项目的 System Prompt 设置 直接粘贴到 Project Instructions
ChatGPT Custom Instructions 或 GPT System Prompt Custom Instructions（有字数限制，需精简）
CLI / API System Message messages[0].role: "system"

LLM 处理 Skill 文件的内部逻辑

当 AI 开始生成文字时，Skill 文件的内容已经在它的上下文窗口里。每次生成 token 时，模型都在做一件事：在当前上下文的约束下，选择概率最高的下一个 token。

禁用清单的工作方式：它在上下文里明确标注了"以下 token 序列是不可接受的"。LLM 不会完全"听从"这个规则（它没有硬性过滤器），但会显著降低这些模式的输出概率。实践中，对于具体词汇的禁止（如"值得注意的是"），遵守率可以达到 90% 以上；对于结构类禁止（如"禁止时代背景开场"），遵守率约在 70-80%，需要偶尔人工修正。

这也是为什么禁用清单要列出具体词汇，而不是抽象描述：具体词汇 = 具体 token 模式，模型可以精确识别；抽象描述 = 需要模型推断，精度低。

2.4 一个完整的最小可用 Voice Skill 文件

下面是一个可以直接使用的完整 Editorial Voice Skill 文件，这也是本书第 05 章会深入讲解的风格之一：

---
name: editorial-voice
description: 科技思考者写作风格。结论优先，短句，具体，立场明确，不对冲。
---

# Editorial Voice Skill

适用场景：科技博客、Newsletter、思考文章、产品洞察

---

## BANNED PATTERNS

### 禁止的开场句式
- "在当今……的时代"
- "随着……的发展/普及/到来"
- "……正在深刻改变……"
- "在数字化浪潮/转型的背景下"
- "本文将深入探讨……"
- "相信很多人都……"

### 禁止的对冲语言
- 值得注意的是
- 当然，我们也应该看到
- 尽管如此
- 不可否认
- 总的来说（作为虚假收束）
- 不可或缺
- 前所未有
- 某种程度上

### 禁止的空洞修饰词
- 赋能、颠覆、革命性
- 深度融入、深入人心
- 全方位、立体化、多维度
- 跨越式、质的飞跃
- 首当其冲、与时俱进

### 禁止的结尾
- 希望本文对你有所帮助
- 欢迎在评论区分享你的看法
- 期待与你共同探索这一领域
- 以上就是全部内容，感谢阅读
- 如有疑问，欢迎随时交流

---

## VOICE DIRECTIVES

**开场**
- 第一句话必须是：结论 / 数据 / 场景 / 反问，其中一种
- 第一段最多 3 句话

**立场**
- 有一个明确观点。不追求面面俱到
- 不用"A 和 B 各有优劣"稀释你的主张
- 如果你认为 A 更好，写"A 更好"，而不是"A 在某些场景下有一定优势"

**具体性**
- 每个抽象论断后面跟一个具体例子
- 数字化：不写"大幅提升"，写"从 3 天缩短到 4 小时"
- 场景化：不写"很多人遇到这个问题"，写"你上次……是什么时候？"

**段落密度**
- 每段 2-4 句，不超过 5 句
- 每段一个核心点，不要在一段里讲两件事

---

## EXECUTION PROTOCOL

**句式节奏**（短:中:长 = 4:4:2）
- 短句（≤15字）占约 40%
- 中句（16-35字）占约 40%
- 长句（>35字）占约 20%
- 禁止：连续 3 句以上相同长度范围

**人称**
- 优先"你"，次选第三人称具体主体
- 避免"我们都知道"、"大家都认为"类泛化

**自查清单（每次输出前执行）**
- [ ] 开头有无时代背景/大词铺垫？
- [ ] 有无"值得注意的是"类对冲？
- [ ] 每个论断是否有具体例子？
- [ ] 结尾是否是套话？

这个文件约 400 字，是一个完整可运行的 Voice Skill。你现在可以把它放进任何支持 Skill 文件的工具里，立即开始使用。

2.5 Skill 文件的质量判断标准

不是所有 Skill 文件都有效。以下是判断一个 Voice Skill 是否写得好的四个标准：

标准一：具体性（Specificity）

差的写法：

禁止使用陈词滥调

好的写法：

禁止：赋能 / 颠覆 / 前所未有 / 跨越式 / 不可或缺

具体词汇 > 抽象类别描述。

标准二：层次性（Hierarchy）

禁用清单 > 正面指令 > 执行协议。越靠底层的规则，优先级越高，不能被上层规则覆盖。

这意味着：如果你在正面指令里写"可以用充满激情的语气"，但在禁用清单里写了"禁止：颠覆性"，那么即使"颠覆性"这个词在某些语境下听起来很有激情，也不应该出现。

标准三：可测试性（Testability）

每条规则应该是可以用具体测试验证的。不好的规则：“语气要有力”（怎么算有力？）。好的规则：“句子以动词结尾的比例 > 30%”（可以统计）。

实践中不需要那么精确，但每条规则应该能回答这个问题：违反了它，我能识别出来吗？

标准四：最小化（Minimalism）

规则不是越多越好。规则太多，LLM 会开始忽略；规则之间也可能相互矛盾。

一个经验法则：

  • 禁用清单：15-30 个具体条目（太少无效，太多混乱）
  • 正面指令：5-10 条（每条应指向不同维度）
  • 执行协议：3-7 条（聚焦最关键的技术细节）

2.6 你应该有几个 Skill 文件

一个常见的错误：把所有写作规则塞进一个 Skill 文件。

更好的方式是一种声音 = 一个 Skill 文件，根据需要加载不同的 Skill：

.agents/skills/
├── editorial-voice.md        # 科技博客、Newsletter
├── contrarian-voice.md       # 行业评论、观点文章
├── copywriting-voice.md      # 官网文案、邮件营销
├── journalistic-voice.md     # 深度分析、行业报告
├── brand-voice-[客户名].md   # 为特定客户定制的声音
└── output-voice.md           # 防截断，与其他Skill叠加用

这种文件结构有几个好处：

  1. 按需加载：写 Newsletter 时加载 editorial，写官网时加载 copywriting
  2. 可叠加：可以同时加载 editorial + output，或 contrarian + output
  3. 可维护：更新一种风格时，不影响其他风格的规则
  4. 可交付：给客户交付一套 Skill 文件，就是交付了一套可复用的品牌声音系统

第 10 章会详细讲 Skill 叠加策略；第 12 章会讲如何把这套文件系统变成可出售的产品。

本章小结

  1. 市场上五类主流"声音解法"（Jasper Brand Voice、ChatGPT Custom Instructions、Copy.ai Tone 等）的本质局限：模糊性、锁定性、黑盒化
  2. Voice Skill 的优势在于：精确的负面约束 + 工具无关 + 可版本控制 + 可叠加
  3. 一个完整的 SKILL.md 文件包含四个部分：YAML 前置元数据、禁用清单、正面指令、执行协议
  4. 不同 AI 工具的 Skill 加载方式不同，但核心逻辑相同：越靠近上下文开头，影响越大
  5. 好的 Skill 文件的四个标准：具体性、层次性、可测试性、最小化

核心行动建议： 在你的项目目录下创建 .agents/skills/ 文件夹，把本章提供的 editorial-voice.md 模板放进去，在你的 AI 工具里测试一次。亲眼看到"值得注意的是"从输出里消失的那一刻，是比任何讲解都更有效的理解。

本章提示词模板

模板 2-A：加载 Skill 并测试

请使用 editorial-voice Skill，写一段 200 字左右的内容：
主题：[你的主题]

写完之后，对照 Skill 文件里的禁用清单自我检查，
如果发现违规词汇，重写那一段。

模板 2-B：Skill 文件诊断

我有一个 Voice Skill 文件，帮我评估它的质量：

[粘贴你的 Skill 文件内容]

请按照以下维度给出评分和改进建议：
1. 具体性（1-5分）：禁用规则是否足够具体？
2. 层次性（1-5分）：禁用 / 正面 / 执行协议三层是否清晰？
3. 最小化（1-5分）：规则是否精简？有无冗余或矛盾？
4. 可测试性（1-5分）：每条规则是否容易判断是否违反？

模板 2-C：从现有工具迁移

我在 Jasper 里有一份 Brand Voice 描述，帮我把它转换成
结构化的 Voice Skill SKILL.md 文件格式：

Jasper Brand Voice 内容：
[粘贴你的 Jasper 设置]

转换要求：
- 提取具体的禁用词汇，不要保留抽象描述
- 生成符合 BANNED PATTERNS / VOICE DIRECTIVES / EXECUTION PROTOCOL 三层结构的文件
- 禁用清单至少 15 条具体词汇/句式

→ 继续阅读：第03章 禁用清单——让 AI 闭嘴的最强武器