介绍一个我自己实现的写博客的skill

文章目录


前言

  写 CSDN 有件很烦的事:内容想清楚了,格式还得再折腾一遍。

  首行缩进两格、段落之间不留空行、代码块前后要留空行,一条条手动调。

  调完还要数一遍字数,看有没有超长句子。

  我把这套流程写成了一个 skill,名字叫 csdn-writer。本文讲讲它怎么用、为什么这么设计。


一、它解决什么问题

1. 先把定位说清楚

  它不是替你写文章,是替你把手里的要点讲清楚。

  你给一份大纲,它按固定骨架扩写成能直接发出去的稿子。

  所以它管的是三件事:结构别散、话说短、格式别错。

2. 三个真实痛点

  第一是结构。想到哪写到哪,读者三行就划走了。

  第二是句子。技术人写东西爱堆定语,一句话四五十个字,读着喘不上气。

  第三是格式。CSDN 不会自动首行缩进,得手动补上两个实体空格。

  这三件事都不是灵感问题,是流程问题。是流程就能交给脚本。


二、它是怎么工作的

1. 拿大纲

  第一步是把大纲变成纯文本,输出到同目录的 _outline.txt。

  docx 其实就是个压缩包,脚本直接解里面的 XML,不依赖 python-docx。

  doc 是老二进制格式,得靠 antiword 转换,或者用 LibreOffice。

  md 和 txt 就直接读,编码依次试 utf-8、gb18030、utf-16。

2. 按模板扩写

  骨架是固定的:目录宏、前言、正文大章节、总结。

  模板里那些写给自己看的占位提示,必须一个字不剩地删掉。

  正文每个段落开头补上两个 em 空格,这就是 CSDN 的首行缩进。

  段落之间反而不能留空行,缩进本身就是分段的信号。

  还有一个硬要求:大纲里的每个要点都得保留,一个不能丢。

3. 跑自检

  写完必须跑一遍 check.py,退出码是 0 才算过。

  我不信肉眼估的字数,估出来基本都不准。


三、check.py 到底查什么

  它把"读起来还行"翻译成了七个能自动判定的条件:

  • 正文字数落在 700 到 1000 之间。只数中文字符,代码块和表格不计入。
  • 单个小句不超过 25 字,逗号顿号分号都算断句。
  • 每个段落不超过 4 句。
  • 模板占位文字有没有删干净。
  • 结构是否完整:目录宏、前言、总结、一级章节。
  • 每个正文段落是否都加了首行缩进。
  • 段落之间有没有多余空行,以及分隔线前面有没有留空行。

  前六条好理解,第七条最容易翻车,下一节展开说。


四、几条踩过才知道的规则

  规则本身不复杂,坑都在细节里。

  • 文字紧跟分隔线,会被 Markdown 当成二级标题,上一段会被整段吞掉。
  • 图片那一行不带标点,会和下一行的文字粘成一条超长小句,得手动断开。
  • 代码块里的空行也会被自检脚本当成段落间空行,换成一行注释就行。
  • 链接直接写在正文里,很容易撑爆小句上限,塞进代码块最省事。
  • 官方模板里的代码语言标签是 c,只是占位,必须改成真实语言。

  这几条都不是文档里写的,是实际跑的时候撞出来的。第三条尤其反直觉,因为脚本区分不了代码块内外。


五、怎么用

bash 复制代码
# 1. 提取大纲,doc/docx/md/txt 都支持,输出到同目录的 *_outline.txt
python ~/.claude/skills/csdn-writer/scripts/extract_outline.py "D:/docs/大纲.docx"
#
# 2. 读 _outline.txt,按模板扩写,写到指定路径
# 3. 自检,必须跑到「全部通过」为止
python ~/.claude/skills/csdn-writer/scripts/check.py "D:/docs/文章.md"

  或者更省事:把大纲文件路径甩给 /csdn-writer,剩下的它自己走。


总结

  这个 skill 的核心不是让 AI 写文章,是把写作里能标准化的部分抽出来。

  结构、句式、格式、字数,交给模板和脚本;真正要人想的是观点和取舍。

  写完跑一遍自检,比反复肉眼检查靠谱得多。

  如果你也常年写 CSDN,建议照这套思路做一个自己的版本。

  有需要这个skill的可关注+私聊。

相关推荐
Hpc_Fun1 分钟前
医学影像 AI 工作站怎么配?五类工位、3 秒首幅的时延预算与验收脚本
人工智能
FII工业富联科技服务12 分钟前
如何提升工厂空间利用率与产线 UPH?从 Omniverse 布局优化到柔性自动化改造
人工智能·机器人·自动化·智能制造·omniverse·柔性生产·ai factory
深海鱼肝油ya17 分钟前
企业级RAG问答系统(一)数据处理模块
人工智能·大模型·pdf文件解析·rag问答系统·智能分块
本原财经20 分钟前
大厂争霸AI办公:个人Agent和AI硬件哪个才是答案?
大数据·人工智能
博谷24 分钟前
2026GEO概率化观测怎么做?BUGOOAI布谷GEO的采样与指标体系拆解
人工智能·ai
强哥聊算力29 分钟前
《算力江湖·国产GPU突围:摩尔线程故事》第四集:从图形到AI:摩尔线程为什么必须冲进大模型赛道?
运维·服务器·人工智能·ai·gpu算力
空堂与归44 分钟前
百度开源 LoopVL:1B 循环视觉模型省 260 倍数据
人工智能·百度·ai·开源
哔哩哔哩技术1 小时前
Index-Translate:支持 150 种语言的多模态翻译模型是如何炼成的?
人工智能
sinat_286945191 小时前
Claude Code Review
人工智能·代码复审
尘世中一位迷途小书童1 小时前
词表(tokenizer),一个开训就改不了的决定
人工智能