Writing Style Zhengliu

蒸馏式知识萃取写作风格。将冗长、表达欲过强的文章转化为严格四层结构 （挑战→核心思想→设计→执行），最大化信息密度，帮读者快速获取价值。 通用领域适用。积极配合信息图增强表达。

蒸馏写作风格

核心理念

蒸馏不是改写，是提取。

• 目标：去掉原文中的"水分"（情绪铺垫、重复论述、自我表达），留下高浓度知识
• 与其他风格的区别：宝玉用比喻重构、花生用叙事重写、Dan Koe 用框架重建——蒸馏不重构，只提纯
• 核心原则：原文作者的知识 > 原文作者的表达方式
• 适用判断：当原文"写作欲望过强，个人表达胜于教学意图"时，蒸馏是最合适的处理方式

---

四层结构（核心模板）

每篇蒸馏文章严格遵循以下四层，不可增减、不可乱序。

第一层：## 挑战

说明原文要解决的核心问题、约束条件、失败风险。

写法要求：

• 3-6 条一级 bullet
• 每条可带 1-3 条子 bullet 展开具体约束
• 重点：问题定义清晰、边界明确
• 含具体数字/阈值/量级（从原文中提取，不编造）
• 如果原文没有明确说"挑战"，从其论述中反推：作者在解决什么问题？什么条件下会失败？

示例：

markdown

## 挑战

- AI 生成的代码在简单任务上表现好，但复杂项目中错误率随文件数指数增长
  - 超过 5 个文件的修改，首次通过率从 92% 降到 41%
  - 跨模块依赖是主要失败源：68% 的错误来自接口不匹配
- 现有解法（多轮对话、更长上下文）治标不治本
  - 上下文窗口从 8K 扩到 200K，复杂任务成功率仅提升 7%

第二层：## 核心思想

高度提炼原文主线原则——为什么这样做。

写法要求：

• 这是最精炼的一层，每条 bullet 是一个可独立成立的判断
• 3-6 条，尽量控制在最少的条目数
• 不展开细节，不举例，不加子 bullet（除非绝对必要）
• 强调洞察和因果关系
• 读者只读这一层就能抓到文章精髓

示例：

markdown

## 核心思想

- 代码生成的瓶颈不在模型能力，在任务分解——人类程序员也不会一次写完整个系统
- 正确的抽象层级 = 正确的 prompt 粒度：每次只改一个模块，让 AI 像函数一样被调用
- 验证必须自动化且前置：每步生成后立即运行测试，错误在当步修复，不累积

第三层：## 设计

展开系统分层、关键模块、数据/文件组织、校验与检索机制。

写法要求：

• 3-6 条一级 bullet
• 积极使用子 bullet 展开细节（每条 1-3 条子 bullet）
• 保留所有关键名词：文件名、目录名、脚本名、机制名、命令、API 名
• 关键名词不翻译、不泛化、不简化
• 结构要能让读者理解"怎么构建的"
• 如果原文涉及架构/系统设计，这一层信息量应该最大

示例：

markdown

## 设计

- 三层任务分解架构：Planner → Coder → Reviewer
  - Planner：接收用户需求，输出 task graph（DAG 格式），每个节点是单文件修改
  - Coder：逐节点执行，每次只看目标文件 + 接口定义，不加载全部代码
  - Reviewer：每个节点完成后运行 `pytest` + type check，失败则回退到 Coder 重试（最多 3 次）
- 上下文管理用 retrieval 而非全量加载
  - 向量索引粒度：函数级（非文件级），用 `tree-sitter` 解析 AST
  - 每次 Coder 调用只注入相关函数签名（平均 2.3K tokens vs 全量 47K tokens）

第四层：## 执行

落地流程、自动化步骤、运行节奏、协作方式、监控反馈。

写法要求：

• 3-6 条一级 bullet
• 积极使用子 bullet 展开
• 含具体步骤、命令、时间点、频率、路径
• 读者看完这层应该能动手操作或理解如何操作
• 如果原文没有明确的"执行"部分，从其方法论中推导出可执行步骤

示例：

markdown

## 执行

- 初始化项目索引：`python index.py --repo ./my-project --granularity function`
  - 首次索引耗时约 2 分钟/万行代码
  - 增量更新：每次 `git commit` 后自动触发，<5 秒
- 单次任务流程：需求描述 → Planner 生成 DAG → 逐节点执行 → 全量测试 → 输出 PR
  - 平均耗时：中等复杂度（3-5 文件）约 4 分钟
  - 失败回退：单节点最多重试 3 次，超出则标记人工审查

---

格式规则

• 每层使用 ##（H2）标题，标题只写层名（挑战/核心思想/设计/执行），不加编号
• 每层 3-6 条一级 bullet（- 开头）
• 一级 bullet 下用 TAB 缩进的子 bullet 展开细节，每条 1-3 条子 bullet
• 先结论后细节：bullet 第一句是结论/判断，子 bullet 补充数据和细节
• 优先事实/数据：数字、阈值、频率、顺序、路径、命令、时间点优先于定性描述
• 保留原文关键名词（文件名、目录名、脚本名、机制名、命令）不翻译/不泛化
• 核心思想层最精炼——能 3 条不写 4 条；挑战/设计/执行层可充分展开
• 不设字数上限，以知识点完整提取为优先
• 加粗（**）仅用于关键数据或核心判断，每层不超过 3 处
• 不使用 blockquote（这不是观点表达文章）
• 不使用编号列表（1. 2. 3.）——统一用 bullet（-）

---

信息图集成

蒸馏文章完成后，主动触发信息图生成：

1. 调用 viewpoint-extractor 从蒸馏稿中提取 3-5 个核心观点
2. 调用 infographic-gen 生成信息图，按层级匹配图表类型：
   • 核心思想层 → 概念关系图（展示原则之间的逻辑关系）
   • 设计层 → 架构图/分层图（展示系统组成和数据流）
   • 执行层 → 流程图/时序图（展示操作步骤和顺序）
3. 信息图保存到 output/infographics/，在蒸馏稿对应层级中标注引用位置

---

禁止清单

通用禁止（与其他风格共享）

• 废话开场白："在当今数字化时代…""随着 AI 技术的飞速发展…""众所周知…"
• 总结套话："综上所述""总而言之""总的来说""希望对你有帮助"
• AI 味句式："不是…而是…""值得注意的是""需要指出的是""本文将介绍"
• 模糊形容："大幅提升""显著改善""非常优秀""极其强大"
• 商业黑话："赋能""闭环""抓手""深耕""底层逻辑""打法""颗粒度"
• 强调拐棍："说实话""不得不说""有一说一""坦白讲"
• 学术腔："本文旨在探讨""笔者认为""研究表明"

蒸馏专属禁止

• 转述标记："作者认为""作者指出""文章提到""原文表示" → 直接陈述知识点本身，不加转述前缀
• 原文情绪复制：原文的感慨、自嗨、情绪性段落直接丢弃，不转述不保留
• 对原文的评价："写得很好""观点深刻""分析透彻" → 蒸馏不评价，只提取
• 重复保留：同一观点在原文出现多次时，只保留最精确、数据最完整的版本
• 模糊因果："因此可以看出""由此不难发现" → 换成具体因果链（A 导致 B，因为 C）
• 过渡性废话："接下来我们看看""让我们深入了解" → 直接进入下一层
• 原文结构复制：不要照搬原文的章节结构——必须按四层结构重新组织

---

蒸馏判断标准

什么内容保留，什么丢弃：

保留	丢弃
具体数字、阈值、性能指标	"我觉得""我认为"等主观感受
因果关系链（A→B→C）	情绪性段落（感慨、鸡汤、自我激励）
系统架构、模块名、文件路径	重复论述同一观点的段落
具体步骤、命令、配置	背景铺垫超过 2 句的部分
失败案例及其原因	与核心知识无关的个人经历
对比数据（方案 A vs 方案 B）	"这很重要""这是关键"等空洞强调
约束条件、前提假设	套路性开场和结尾

---

使用指南

1. 通读原文，标记核心知识点（不是标记"好句子"——是标记"知识"）
2. 判断水分：情绪段落、重复论述、过长铺垫、自嗨内容
3. 先写核心思想层（倒逼精炼）——如果提炼不出 3 条独立判断，说明原文知识密度确实低，蒸馏后篇幅会很短，这是正常的
4. 再写挑战层——从核心思想反推：这些思想在解决什么问题？
5. 然后写设计层和执行层——展开细节，保留关键名词和数据
6. 自检每条 bullet：
   • 是否包含事实/数据？（如果没有，要么补数据，要么这条 bullet 是废话）
   • 是否有模糊表达？（替换为具体数字或因果链）
   • 是否在复制原文的表达方式而非提取知识？
7. 触发信息图生成——特别是设计层和执行层，图比文字更高效