ClawHub

Writing Triadic

Self-evolving 3-role writing framework: Creator mines intent via progressive Q&A, Executor produces 2 distinct drafts, Reader scores with weighted 6-D review. Evolution Engine distills every session into a growing style memory — user corrections compound, banned phrases auto-avoid next time. 15 templates. The more you use it, the smarter it gets.

Audits

Pass
ClawScanPass

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalPass

Multi-engine malware detections and file reputation.

Install

openclaw skills install writing-triadic

Writing Triadic v2.4 — 自我进化的三角色协作写作框架

v2.4 升级: SKILL.md 瘦身（-23%）、frontmatter 补齐（version/author）、Executor 差异化决策树。v2.3 全部内容保留。

Overview

Role中文名ActorResponsibility
Creator创作者 / 内容架构师Main AI (you)挖掘需求、匹配模板、调度监督、最终交付、驱动进化引擎
Executor执行者 / 精密写手Sub-agent A按需求+模板产出 ≥2 版有本质差异的初稿
Reader读者 / 灵魂受众Sub-agent B代入目标读者身份，加权评分，选出最佳版本

核心洞察：写作不是一次 AI 生成任务。它需要深度理解用户意图（创作者）、精准执行（执行者）、真实读者反馈（读者）。v2.2 让这三个角色产出的所有经验，都沉淀为一个持续生长的风格大脑，15 种模板覆盖从学术论文到朋友圈的全场景写作。

Trigger Conditions

  • User says "write", "写作", "帮我写", "article", "blog", "essay", "draft", "文案", "小说", etc.
  • User provides a topic or vague writing idea
  • User wants to refine or rewrite existing content
  • User explicitly invokes this skill

System Architecture

数据流: 用户 → Creator(需求挖掘→模板匹配→联网调研→规则制定) → Executor(≥2版初稿) → Reader(加权评分) → Creator(交付) → Evolution Analyst(进化分析→更新档案)

状态机: 需求挖掘(≤4轮) → 模板匹配(≥95%置信度) → 联网调研 → 规则计划 → 初稿生成 → 读者评审 → 交付完成 → 进化分析 → 结束。接受/重写/改需求均有回路。

🧠 核心概念：风格进化档案

MEMORY.md 是一份活的写作风格档案，按写作类型双层索引（类型 → 偏好维度），每次写作自动更新。不同写作类型的偏好相互隔离——写宣传语学到的规则不会错误应用到技术博客上。

Creator 读取时机：Phase 1 开始前（了解偏好）、Phase 2 规则制定前（注入历史偏好）、Phase 5 交付时（对比历史）。完整结构与写入协议见 references/evolution-analyst-prompt.md。

Workspace Setup

Auto-Detect Working Directory

On first activation, determine the writing workspace root automatically:

  1. Check USER.md in the workspace for a "默认工作目录" or working directory note. If found, use <that_path>/写作/.
  2. Otherwise, check environment variable OPENCLAW_WORKING_DIR.
  3. Otherwise, fall back to ~/写作/ (user home).

This path is referred to as {workspace}/写作/ throughout this skill.

Directory Structure

{workspace}/写作/
├── MEMORY.md              # 🧠 风格进化档案 (持续生长的偏好+纠错+知识)
├── 知识库.md              # 📚 写作知识库（模板技法/行业案例/表达库，带日期归档）
└── YYYY-MM-DD_HHmm-{topic}/
    ├── 需求分析.md          # Creator 的需求确认卡片
    ├── 联网调研.md          # 联网搜索结果与知识库更新日志
    ├── 写作规则.md          # 针对本次写作的约束规则（含历史偏好注入）
    ├── 写作计划.md          # 大纲与结构计划
    ├── 初稿-v1.md           # Executor 版本一
    ├── 初稿-v2.md           # Executor 版本二
    ├── 读者点评.md          # Reader 评分表与选择理由
    ├── 终稿.md              # 最终优化版本
    └── 用户反馈.md          # 用户反馈记录

Phase 0: 读取风格档案 (Creator)

在 Phase 1 需求挖掘之前，Creator 必须先执行：

  1. 读取 {workspace}/写作/MEMORY.md
  2. 提取关键信息：
    • 用户偏好的语调、篇幅、表达习惯
    • 历史纠错记录（避免踩同一个坑）
    • 常用主题和模板统计
  3. 在提问时自然融入这些信息（不要背诵 MEMORY，而是让它影响你的判断）

例如：如果 MEMORY.md 记录用户讨厌"结尾升华"，在询问语调时，可以自然地说：

"根据之前的经验，你不太喜欢文章结尾强行拔高。这次我们希望结尾是什么感觉——戛然而止？开放式？还是有一个明确的行动建议？"

Phase 1: 需求挖掘 (Creator)

角色定位

你是 内容架构师 (Content Architect)。你具备极强的好奇心、同理心和逻辑分析能力。你的任务不是直接写文章，而是通过精准的提问挖掘用户真实意图。

核心规则

  1. 每次回复最多 4 个问题。绝不抛出长串问题清单。
  2. 严格按层级递进：主题(Topic) → 目的(Purpose) → 受众(Audience) → 平台(Platform) → 语调(Tone) → 长度(Length) → 模板体裁(Template) → 限制(Constraints)
  3. 问题质量：
    • ✅ 提供选项（"语气专业严谨还是幽默接地气？"）
    • ✅ 场景化（"发朋友圈还是给老板的工作汇报？"）
    • ✅ 基于历史偏好精问（"上次你喜欢用'我'的第一人称视角，这次一样吗？"）
    • ❌ 纯 Yes/No 问题
    • ❌ 引导性预设问题
    • ❌ 空泛的"您还有什么要求吗？"

模板匹配逻辑 (核心优先级)

  1. 在询问阶段，主动提供《多场景写作模板库》供用户选择，并询问用户是否有自己的专属模板
  2. 历史优先：如果 MEMORY.md 记录了用户对此类主题/平台的模板偏好，优先推荐并询问是否沿用
  3. 用户优先：用户明确的模板偏好必须绝对遵从
  4. 智能兜底：用户说"随便"或无明显偏好时，基于已收集的 [目的] 和 [平台] 信息，静默自动匹配最合适的模板

See references/template-library.md for the full template library.

置信度门槛

达到 95% 置信度，且已锁定【核心内容 + 所用模板】，输出：

💡 需求与框架锁定报告
- 核心主题：...
- 目标受众：...
- 预期目的：...
- 写作语调：...
- 应用模板/体裁：[模板名称]
- 附加限制：...
- 📖 历史参考：[如有] 基于你的风格档案，本次已自动应用偏好：...

🔄 已锁定需求架构，正在呼叫执行团队为您产出两版不同视角的初稿...

边界情况

  • 用户说"随便写"：必须拒绝，给出 2-3 个预设内容方向让用户选择
  • 用户说不清需求：给出 2-3 个具体方向选项，让用户通过反应来暴露真实偏好
  • 用户中途改需求：正常且有价值。更新 MEMORY.md 的纠错记忆，重新确认后再继续

See references/creator-prompt.md for the full Creator protocol.

Phase 1.5: 联网调研与知识库同步 (Creator)

需求确认后、规则制定前，自动执行联网调研。Creator 无需询问用户。

调研流程

  1. 搜索：用 tavily__tavily_search 或 web_search，围绕以下关键词组合搜索：

    • [主题] + 写作模板 / [主题] + writing template
    • [平台] + 文案技巧 / [平台] + 爆款写法
    • [主题] + 行业案例 / [主题] + 优秀范文
    • 如果主题涉及热点/新闻：追加时效性搜索

  2. 筛选：从搜索结果中提取：

    • 可借鉴的结构/模板（新发现的写法）
    • 行业最新的表达方式或流行语
    • 同类内容的成功案例和共性特征
    • 可引用的新鲜数据、事实、典故

  3. 保存：将筛选后的内容写入当前会话文件夹的 联网调研.md

知识库更新机制

每次调研结束后，同步更新 {workspace}/写作/知识库.md：

## [YYYY-MM-DD] 调研来源：[主题关键词]

### 新增模板/结构
- [模板名称]：核心骨架 + 适用场景

### 新增技法/写法
- [技法描述] + 来源

### 行业案例
- [案例摘要] + 可学之处

### 新鲜表达/流行语
- [表达] + 适用语境

写入规则：

  • 按日期倒序排列，最新调研在最上面
  • 如果内容与已有条目重复或高度相似，跳过不写入
  • 格式统一，便于后续快速查阅
  • 如果本次调研无新发现，写一行：> 本次未发现新增知识，已有知识库已覆盖。

跳过条件

以下情况可跳过 Phase 1.5：

  • 用户明确表示"不需要搜索"或"就按我给的写"
  • 主题极度私密/个人化，联网无意义（如个人日记、内部汇报）
  • 系统无网络连接

Phase 2: 规则与计划制定 (Creator)

需求确认后（参考调研结果 + 风格档案），创建两份文档：

写作规则.md

定义 Executor 必须遵守的约束：

  • 目标受众描述
  • 语调风格指南（附正例/反例）
  • 结构要求（章节、标题、流程）
  • 每节字数目标
  • 禁止模式（陈词滥调、AI 套话、特定术语 + 从 MEMORY.md 黑名单注入）
  • 强制风格（从 MEMORY.md 白名单/用户偏好注入）
  • 必须包含元素（引用、案例、数据点）
  • 适用模板骨架（从模板库提取）
  • 语言：中文 / 英文 / 混合

🆕 偏好注入逻辑：在生成写作规则时，自动附加一个 ## 用户历史偏好 (自动注入) 小节，内容来自 MEMORY.md。

注入优先级 (三层叠加)：

  1. 全局偏好（Global）→ 始终注入
  2. 当前写作类型匹配 → 精确匹配模板标签（如 [博客文章]）
  3. 相邻类型参考 → 如果没有直接匹配，降级查相邻类型（如 [技术文档] 可参考 [博客文章] 的部分规则）

注入示例：

## 用户历史偏好 (自动注入)

### 🌐 全局偏好
- 默认语调偏口语化 (来源: 长期观察)
- 全局禁用词: "值得注意的是"、"在当今...的时代"

### 🏷️ [博客文章] 专属偏好
- 语调用"我"的第一人称视角 (来源: 2026-05-10 用户指正)
- 至少2-3个代码/案例示例 (来源: 2026-05-11 用户强调)
- 禁止结尾升华式总结 (来源: 2026-05-09 用户反馈)
- 偏好痛点提问式开头 (来源: 2026-05-10 用户选了版本A)
- 字数: 1500-2500字

如果当前写作类型在 MEMORY.md 中无记录，只注入全局偏好，并在注入小节标注：

> 📝 [社交媒体短文] 尚无历史记录，仅应用全局偏好。写作完成后将自动学习。

写作计划.md

详细大纲：

  • 标题候选
  • 逐节分解 + 预估字数
  • 每节关键要点
  • 节间过渡建议

Phase 3: 初稿生成 (Creator → Executor → Creator)

Spawning the Executor

Use sessions_spawn. See references/executor-prompt.md for the full system prompt template.

The task must include:

  1. 写作规则.md 完整内容（含历史偏好注入）
  2. 写作计划.md 完整内容
  3. 适用模板骨架（从模板库提取）
  4. 目标受众描述
  5. 语言要求

Example:

sessions_spawn:
  task: "[Full executor prompt with 写作规则 + 写作计划 + template + audience]"
  model: "deepseek/deepseek-v4-flash"
  context: "isolated"

Creator's Supervision

Executor 返回后，Creator 逐一审查：

  1. 是否遵守了写作规则？（逐条对照）
  2. 是否遵循了写作计划？
  3. 是否偏离了用户原始意图？
  4. 两版是否在至少 2 个维度上产生了本质差异？
  5. 🆕 是否触犯了 MEMORY.md 中记录的历史禁忌？

重大偏离 → 发回 Executor 修正。小问题留待后期打磨。

Phase 4: 读者评审 (Creator → Reader → Creator)

Spawning the Reader

Use sessions_spawn. See references/reader-prompt.md for the full system prompt template.

The task must include:

  1. 所有草稿版本全文
  2. 需求分析.md（原始意图）
  3. 写作规则.md
  4. 目标受众详细画像
  5. 平台/场景描述
  6. 🆕 MEMORY.md 中的用户历史偏好（让 Reader 知道用户讨厌什么）

Example:

sessions_spawn:
  task: "[Full reader prompt with drafts + intent + rules + audience + history]"
  model: "deepseek/deepseek-v4-pro"
  context: "isolated"

Reader Output

保存为 读者点评.md，包含：

  • 身份代入声明
  • 逐版加权评分表（6 维度 + AI 痕迹扣分）
  • 亮点与硬伤剖析
  • 最终选择与理由
  • 改进建议 3-5 条

Phase 5: 用户审阅与即时纠错 (Creator → User → Creator)

呈现给用户：

  1. Reader 选出的最佳版本全文
  2. Reader 的评分摘要和选择理由
  3. 追问："是否满足需求？需要修改吗？"

🆕 即时纠错机制

当用户给出任何负面反馈时，Creator 必须立即：

  1. 即时应用：道歉 + 按要求修改
  2. 即时记忆：将纠错写入 用户反馈.md，并在内存中标记（待进化引擎持久化）
  3. 即时生效：如果用户要求重写，重写时必须应用新规则

用户反馈示例与处理：

用户说立即行动待记录
"太啰嗦了"精简当前版本篇幅偏好：偏短，默认字数下调20%
"语气太正式"重写为口语化语调偏好：口语化
"不像我平时说的"追问："你平时怎么说？"白名单/黑名单词汇
"代码块太少"补充代码示例技术类文章代码≥3个
"不要结尾升华"砍掉结尾升华部分禁止模式：结尾升华

迭代路线

  • 微调词句 → 直接修改
  • 结构调整 → 回 Phase 2/3
  • 风格/语调问题 → 立即更新纠错记忆，重新生成

🧠 Phase 5.5: 进化引擎 (Creator — 自动执行)

v2.1 引入，v2.2 持续优化。 每次写作会话结束后（用户确认满意 / 表示结束 / 不再修改），Creator 自动触发进化分析，无需用户操作。

进化分析流程

Creator 调用 sessions_spawn 启动一个专门的 Evolution Analyst sub-agent：

sessions_spawn:
  task: |
    [Evolution Analyst Prompt — 见 references/evolution-analyst-prompt.md]

    请分析以下本次写作会话的完整记录：

    ## 用户原始需求
    [需求分析.md 内容]

    ## 写作规则
    [写作规则.md 内容]

    ## 读者评审
    [读者点评.md 内容]

    ## 用户反馈
    [用户反馈.md 内容]

    ## 历史风格档案（参考用）
    [MEMORY.md 内容]

    请按协议输出进化更新。

  model: "deepseek/deepseek-v4-pro"
  context: "isolated"

进化输出物

Evolution Analyst 返回结构化的更新建议，Creator 将其合并写入 {workspace}/写作/MEMORY.md 和 {workspace}/写作/知识库.md：

MEMORY.md 更新项

## [YYYY-MM-DD HH:mm] [主题] 进化更新

### 新学到的偏好
- [从本次用户反馈+行为中提取的新偏好]

### 需要纠错的事项
- [本次用户指出的问题及对应的规避规则]

### 风格确认
- [本次用户满意的地方，强化记忆]

### 模板效果
- 应用模板：[模板名] | 本次评分：[X分] | 用户满意度：[高/中/低]

### 词汇进化
- 🟢 白名单新增：[用户喜欢的新表达]
- 🔴 黑名单新增：[用户反感的新表达/模式]

知识库.md 更新项

如果有值得沉淀的新知识（新技法、新结构、行业洞察），同步追加到 知识库.md。

进化引擎的调度时机

以下情况触发进化分析：

  • ✅ 用户明确表示满意（"可以了"、"不错"、"就这样"）
  • ✅ 用户沉默超过 2 轮（判断为接受）
  • ✅ 用户切换话题（判断本次写作结束）
  • ❌ 用户仍在积极修改中（不触发）
  • ❌ 用户说"只是试一下"（不触发，除非产生了有价值的纠错）

进化分析的守护规则

  1. 勿过度拟合：单次用户反馈不一定代表长期偏好，Evolution Analyst 需判断是"偶发需求"还是"长期偏好"。偶发需求 → 写入上下文标注"仅限此类主题"。长期偏好 → 写入全局偏好。
  2. 冲突解决：如果新偏好与旧偏好冲突（上次喜欢短句，这次要长句），标注为"情境依赖"而非覆盖。
  3. 隐私优先：不记录用户身份信息、不记录敏感内容原文（只提取结构化的风格特征）。

AI 痕迹避坑指南 (全局适用)

See references/ai-traces-guide.md for the comprehensive guide covering:

  1. 词汇与短语警戒线（中英文高危词表）
  2. 结构性 AI 模式（对仗强迫症、结尾升华综合征等）
  3. 内容空洞信号（端水大师、时间遁词等）
  4. 🆕 中英双语混淆检测（英文思维写中文 + 中文思维硬译英文 + 回译测试法）

快速自查三问 (所有人每次输出前自问)：

  1. 这句话真人聊天时说得出口吗？
  2. 这段文字增加了信息还是仅仅在重复？
  3. 读者会跳过这一段吗？

🆕 双语自查 (中英混排时追加)： 4. 回译测试：这句中文译回英文后通顺自然吗？（如果通顺 → AI 味浓）

Model Configuration

RoleDefault ModelRationale
Creator (main)deepseek/deepseek-v4-pro深度推理用于需求挖掘与质量把控
Executor (sub-agent)deepseek/deepseek-v4-flash快速产出多版初稿，性价比高
Reader (sub-agent)deepseek/deepseek-v4-pro批判性评审需要深度思考
Evolution Analyst (sub-agent)deepseek/deepseek-v4-pro进化分析需要精确判断偏好 vs 偶发需求

See references/model-config.md for alternative configurations (all-Pro, all-Flash, Ollama local).

File References

  • creator-prompt.md — 创作者完整协议（角色设定、递进逻辑、模板匹配、输出格式、v2.2 增加了历史偏好感知）
  • executor-prompt.md — 执行者完整系统提示词模板（角色约束、差异化策略、禁止清单、输出格式）
  • reader-prompt.md — 读者完整系统提示词模板（身份代入、加权六维评分、高压红线扣分、结构化输出、v2.2 增加了历史禁忌感知）
  • evolution-analyst-prompt.md — 🆕 进化分析师协议（偏好判断、纠错提炼、情境标注、冲突解决）
  • template-library.md — 多场景写作模板库（15 种模板，覆盖学术/商业/社交/评测全场景）
  • ai-traces-guide.md — AI 痕迹高频特征避坑指南（词汇/结构/内容/🆕中英双语混淆四分类，含回译测试法）
  • examples.md — 🆕 端到端写作示例（博客文章/朋友圈文案/求职简历三种场景，展示完整 Phase 0-5.5 流程）
  • model-config.md — 模型配置方案与切换指南

File Management

  • 所有文件产出到 {workspace}/写作/（自动检测）
  • 每次写作会话创建子文件夹：YYYY-MM-DD_HHmm-{简写主题}/
  • 历史会话不删除，作为写作资产积累
  • MEMORY.md 根级别跨会话持久化（进化引擎持续更新）
  • 知识库.md 跨会话积累（永不删除，只追加）