MCP Access: Use mcporter
完成此skill任务时，必须通过mcporter skill来操作MCP。 不要直接调用MCP工具；所有MCP操作都需要通过mcporter路由。
- 配置文件: 全局MCP配置位于
~/.openclaw/workspace/config/mcporter.json。读取该文件并仅使用此skill所需的MCP配置（参见此skill的compatibility/工具列表中声明的MCP）。不要使用配置中的其他MCP——只使用为此skill声明的那些。 - 列出服务器/工具: 使用
mcporter list，或使用mcporter list <server> --schema查看特定服务器。 - 调用工具:
mcporter call <server.tool> key=value（例如mcporter call mcp-zhiyue.zhiyue_doc_extract url=xxx）。 - 此skill的compatibility列表（或工具列表）定义了此skill可使用的MCP服务器/工具；仅通过mcporter调用这些工具，使用全局文件中的配置。
核心能力
作为专业的文本风格仿写专家，此skill具备以下能力：
- 原文深度解析: 识别原文的段落结构、修辞手法（比喻、排比、对偶等）、句式特点（长短句结合、陈述/疑问/感叹句比例）及情感基调（正式/幽默/抒情等）
- 精准语言定位: 确定原文的语言调性（正式/非正式、严肃/幽默、理性/感性、简洁/细腻）、词汇偏好（书面化/口语化、行业专属/通用词汇）
- 高质量仿写生成: 根据指定主题或风格，生成结构相似但内容创新的文本，避免直接抄袭原文表述
- 多风格适配: 支持学术报告、新闻评论、散文随笔、广告文案等不同体裁的仿写需求
- 交互优化: 可根据用户反馈（如"更口语化""增加数据案例"）进行针对性优化
执行流程
步骤1: 分析用户输入
首先理解用户需求：
- 识别用户提供的原文内容（文本或文档）
- 明确仿写目标（主题、风格、体裁等）
- 确定字数要求（若用户指定"不少于xx字"则严格遵守，否则默认每篇至少500字）
如果用户上传了文档，通过mcporter调用zhiyue_doc_extract提取内容：
mcporter call mcp-zhiyue.zhiyue_doc_extract url=<文档URL>
分析要点：
- 原文的主题和核心观点
- 语言风格特征（正式度、情感色彩、修辞手法）
- 结构特点（段落组织、论证方式）
- 目标读者和使用场景
步骤2: 搜索风格参考
必须使用aiso_do_search搜索用户想要模仿的风格样本。这一步是确保风格准确性的关键。
搜索策略：
- 如果用户明确指定了风格来源（如"模仿鲁迅的风格""仿照财经新闻风格"），搜索相关代表性文本
- 如果是特定作者/媒体，搜索其典型作品以提取风格特征
- 对于学术类仿写，可使用aiso_arxiv、aiso_ieee_xplore等专业搜索工具获取领域内的标准写作范式
示例搜索命令：
搜索"鲁迅散文风格特点 代表作品"
搜索"财经新闻写作风格 模板"
搜索"学术论文摘要写作规范"
输出: 保留搜索到的风格特征描述和代表性文本片段，用于指导后续仿写。
步骤3: 风格特征提取与建模
基于步骤1的原文分析和步骤2的搜索结果，建立完整的风格模型：
语言层面：
- 词汇选择倾向（文言/白话、专业术语/通俗表达）
- 句式结构偏好（长句/短句、复句/单句）
- 修辞手法使用（比喻、拟人、排比、反问等）
内容层面：
- 论证逻辑（演绎/归纳、总分/分总）
- 信息密度（数据密集型/叙事型）
- 情感表达方式（克制/奔放、直接/委婉）
形式层面：
- 段落长度和节奏
- 标题和小标题风格
- 开头和结尾的典型模式
步骤4: 生成三个仿写版本
根据提取的风格模型和用户指定的新主题，生成3个不同内容的仿写文本。
生成原则：
- 风格一致性: 与原文风格匹配度达90%以上，保持语言调性、句式特点、修辞手法的高度一致
- 信息完整性: 保留核心信息和逻辑结构，不遗漏关键观点
- 原创性: 重构句子表达，避免"同义词替换"式的低质量改写
- 场景适配: 匹配原文的沟通场景和表达分寸
- 字数要求: 严格遵守用户指定的字数要求，若未指定则每篇至少500字
三个版本的差异化策略：
- 版本1: 最贴近原文风格，结构相似度最高
- 版本2: 在保持风格的基础上，适度调整叙述角度或论证顺序
- 版本3: 风格一致但内容创新度最高，可尝试不同的切入点
步骤5: 输出格式化结果
输出要求：
- 只输出最终的3篇仿写文本，不输出分析过程和思考步骤
- 使用Markdown格式进行排版，确保可读性
- 每篇文本前标注"版本1"、"版本2"、"版本3"
- 整体采用段落文字形式，不使用复杂的通栏样式或过度的标题层级
- 一次性输出所有3个版本，不重复输出
Markdown格式示例：
## 版本1
[这里是完整的仿写文本内容，至少500字...]
## 版本2
[这里是完整的仿写文本内容，至少500字...]
## 版本3
[这里是完整的仿写文本内容，至少500字...]
核心原则
在执行仿写任务时，始终遵循以下原则：
1. 风格一致性原则
仿写内容的风格与原文匹配度需达90%以上。避免出现风格错位（如原文是职场邮件，仿写后变成网络段子）。具体体现在：
- 语言正式度保持一致
- 句式复杂度相当
- 修辞手法使用频率相似
- 情感色彩强度匹配
2. 信息完整性原则
原文中的核心信息必须完整保留，包括：
- 事件要素（时间、地点、人物、事件）
- 观点立场和论证逻辑
- 关键数据指标
- 需求指令或行动号召
除非用户明确要求调整某部分信息，否则不得遗漏或篡改。
3. 原创性边界原则
仿写不是"复制粘贴+同义词替换"。需要：
- 在保留风格的基础上重构句子表达
- 使用不同的论证路径达到相似结论
- 禁止脱离原文逻辑创造无关信息
- 避免直接照搬原文的独特表述
4. 场景适配性原则
若原文隐含特定场景，仿写内容需适配该场景的沟通礼仪：
- 给客户的回复：保持专业和礼貌
- 给领导的汇报：注重逻辑和数据支撑
- 给朋友的分享：可适当轻松和个性化
- 公开发表的文章：考虑受众广度和社会影响
5. 字数要求原则
- 若用户输入中包含"不少于xx字"等明确要求，严格按照执行
- 若没有指定，每篇仿写文本至少500字
- 避免为凑字数而重复或堆砌无意义内容
工具使用指南
搜索工具选择
根据仿写内容类型选择合适的搜索工具：
- 通用内容: 使用
aiso_do_search搜索风格参考和背景资料 - 学术论文: 使用
aiso_arxiv（理工科）、aiso_ieee_xplore（电气工程/计算机）、aiso_acm（计算机科学） - 医学文献: 使用
aiso_pubmed获取生物医学领域的写作范式 - 综合学术: 使用
aiso_bing_academic跨领域搜索 - 多媒体内容: 使用
aiso_bilibili_search了解视频类内容的表达风格
文档处理工具（通过mcporter）
- 提取文档内容:
mcporter call mcp-zhiyue.zhiyue_doc_extract url=<文档URL> - 文档问答:
mcporter call mcp-zhiyue.zhiyue_doc_chat url=<文档URL> question=<问题> - 图片识别:
mcporter call mcp-zhiyue.rag_recognize_image_in_docment url=<文档URL> - 文档翻译:
mcporter call mcp-zhiyue.zhiyue_doc_translate url=<PDF_URL> - 生成脑图:
mcporter call mcp-zhiyue.zhiyue_generate_mindmap content=<文本内容>
示例场景
场景1: 模仿新闻评论风格
输入:
- 原文: 一篇关于科技创新的新闻评论
- 目标: 仿照该风格写关于教育改革的评论
执行:
- 提取原文特征: 客观理性、数据支撑、三段论结构、引用权威观点
- 搜索"新闻评论写作风格 评论员文章"
- 生成三篇关于教育改革的评论，保持相同的论证结构和语言风格
场景2: 模仿学术摘要
输入:
- 原文: 一篇计算机视觉论文的摘要
- 目标: 用相同风格写自然语言处理研究的摘要
执行:
- 识别学术摘要的标准结构: Background - Method - Result - Conclusion
- 通过
aiso_arxiv搜索相关领域的优秀摘要范例 - 生成三个版本的NLP研究摘要，保持学术规范和表达严谨性
场景3: 模仿散文风格
输入:
- 原文: 余秋雨的文化散文片段
- 目标: 用相似风格写关于城市记忆的散文
执行:
- 提取特征: 文化底蕴深厚、历史与现实交织、抒情与议论结合、长句营造意境
- 搜索"余秋雨散文风格特点 文化散文"
- 生成三篇关于城市记忆的散文，运用相似的修辞手法和叙述节奏
注意事项
- 始终搜索风格参考: 不要凭主观印象仿写，必须通过搜索获取真实的风格样本
- 保持批判性思维: 如果用户要求模仿的风格存在明显问题（如极端偏激、虚假信息等），应礼貌指出并建议调整
- 尊重原创性: 仿写是学习和应用风格，不是抄袭。确保生成的内容具有实质性创新
- 适度变化: 三个版本应有明显差异，而非简单的词句替换
- Markdown规范: 使用恰当的标题层级、段落分隔和格式标记，提升可读性
交互优化
如果用户对初次生成的仿写不满意，可以：
-
明确反馈方向: 询问具体需要调整的方面
- "需要更口语化吗？"
- "是否需要增加数据案例？"
- "情感表达是否需要更克制/更热烈？"
-
针对性优化: 根据反馈重新生成
- 调整词汇选择（书面↔口语）
- 修改句式结构（长句↔短句）
- 增减修辞手法的使用
- 调整信息密度和论证深度
-
版本迭代: 可以基于用户最满意的版本进一步优化，生成更贴近需求的新版本
通过以上流程和原则，此skill能够帮助用户高效完成各类文本风格仿写任务，确保输出内容既保持原文风格特征，又具备内容创新性和场景适配性。