[图片]
在让 AI 生成内容的时候，有没有想过让它以 Krugman 的风格写理论模型，用 Goldin 的风格来写实证分析？同时，你是否对 AI 说的「黑话」有些厌烦？我们想出了一个解决方案：https://github.com/SepineTam/writing-style
从 ChatGPT-3.5 的爆红到现如今 Agent 的疯狂，从来没有变的本质是 LLMs 是以语言为载体的数学模型，它们生来就擅长文字。但当我们遇到烦人的黑话我们又如何处理？目前似乎没有特别好的解决方案，这里简单分享些拙见，这篇文章 Takeaway 的部分或许更有趣。
Introduction
前不久在朋友圈看到连玉君老师说在制作课程大纲时借助 ChatGPT 和 Claude Code 出现了很多不舒服的词，想必各位也都见过这种什么「抓手，张力，闭环，飞轮」。
这些词都听烂了，从某次 ChatGPT 的某次升级后频繁出现了「要不要我帮你画个图梳理一下」开始，到最近的「我就这样在这里，不躲不逃直视你的问题」，以及 Claude Code 经常会说的「你的想法绝对正确」。
诚然，这些听起来就头大的词语就是事实，就是大多数的 AI 的输出风格。
那我们可以思考一件事，这种风格的输出是否可以通过提示词进行规避呢？
我用了 8 个模型在经济学学术论文写作这一基准维度做了一套对照实验，并由 Gemini 进行独立的盲审打分。
结果显示：在一定程度上，强约束性的提示词会让内容的输出变稳定，但是会让内容的输出变得单调乏味、缺少创新性。在 Agent 框架下，仅在系统提示此内注入简单的提示词并不会有显著作用，如「不要使用xx，xx等词语」。而将复杂的约束作为独立的提示词替换系统提示词的效果会有明显的左右，但会鸠占鹊巢。
💡 Idea
既然通过实验我们知道了提示词所在的位置，描述的颗粒度以及提示词的长短都是影响输出效果的关键因素，那是不是存在某种方式能让我们既要又要呢？
有的有的，我们针对 Claude Code 这一 Agent 框架进行了探索，最终发现编写 rules 是最有效的方式对于我们想要控制输出的风格。
那么怎么做？
与其他"系统提示词"，"SKILLS"类似，rules：
- 创建目录
~/.claude/rules - 编写属于你的风格的写作规则
~/.claude/rules/writing-style.md
OK，重启你的 Claude Code，立刻享受专属于你的 style。
Solution
但这样总归是有些麻烦的，我需要一点点去编写我的写作偏好，但我可能连自己喜欢什么样的写作偏好、自己的风格究竟是什么样的都不清楚，就像不可能看见自己的后脑勺，长期浸在自己内容里的人，往往是最不清楚如何表述自己风格的那个。
但我们知道 LLMs 叫做「大语言模型」，它天然擅长语言，并且它的 IO 也都以语言为主，那我们是不是可以通过某种方式总结出我们自己的风格呢？
也是有的，我们跳过了开发的技术细节直接呈出项目：
那如何使用呢？
如果你完全不知道如何配置，那最快的方法就是打开你的 Claude Code 或者 Codex 亦或者是你的 Cursor，直接和它说 帮我使用开源项目 github.com/sepinetam/writing-style 生成我自己写作风格的规则并给你自己安装上。
进阶玩法如下：
- 克隆项目到你电脑本地
git clone https://github.com/sepinetam/writing-style
cd writing-style
- 整理你自己的文章，或想要模仿的风格样本，将它们放入项目的指定目录
- 申请一个 MinerU 的 API，然后在终端里输入
claude mcp add mineru --env MINERU_API_TOKEN=YOUR_API_TOKEN -- uvx mineru-open-mcp，这会让 PDF 的文章更好的被 AI 读到，注意要重启你的 Claude Code（这周将会专门写一篇文章来讲 MinerU）
然后对你的 AI 说 /learn-writing-style 我希望你学习的文章放在了 xx（真实路径）
接着等待它自我操作即可，后面它会提问是否要应用到全局，如果你希望应用到全局同意即可（建议全局应用）。
OK，现在你的 Claude Code 在写文章的时候就会以你的风格了，会尽可能少的出现「不是xx，而是xx」，「痛点，抓手」之类的怪词。
同样的道理，如果你放别人的文章那就是别人的写作风格。
比如，我喜欢 Krugman 写模型的写作风格，喜欢 Goldin 的实证表述的写作风格，那就可以放他们的文章，给 AI 的提示词就可以写：
/learn-writing-style 在 @papers/krugman 目录下是 Krugman 的一些论文，我希望你根据他的论文整理出一套写理论模型的表述规范，我们要全局应用，规则的名字可以是 theory-writing-style
Takeaway
AI 写作的「腔调问题」本质上是一个对齐问题——不是价值观对齐，而是风格对齐。提示词可以矫正，但矫正是有代价的：你加的约束越死，它的发挥空间就越窄，输出的内容开始变得四平八稳，像一篇永远及格、永远不出彩的作文。实验数据也表明强约束性提示词确实能稳住风格，但稳住的同时也掐断了那些意想不到的好句子。
writing-style 试图走另一条路：不靠禁止，靠示范。让模型从你真正欣赏的文字里归纳规律，再把这套规律固化成它自己的行为准则。这个思路并不新鲜——人类学写作本来就是这样的，你读了够多的 Orwell，自然就开始厌恶被动语态；读了够多的 Krugman，自然就知道一个好的理论模型开头应该长什么样。现在只是把这个过程交给模型替你完成。
这不是什么复杂的技术，但它把一件原本要反复调教的事变成了一次性配置。更重要的是，它把「风格」这件事从玄学变成了可操作的东西。你不需要精确描述自己喜欢什么，你只需要找到几篇「对，就是这个感觉」的文章扔进去，剩下的让模型自己归纳。对于那些长期浸在自己内容里、反而说不清自己风格的人，这或许是最省力的入口。
当然，这套方案也有它的边界。风格是可以学的，但判断力不是。模型能学会 Goldin 怎么表述一个双重差分的结果，却未必能学会她为什么在那个地方选择轻描淡写而不是大书特书。工具解决的是执行层的问题，写什么、怎么组织论证，还是得靠你自己。
听一下这期，或许会有更深的理解：十年后，Faker坐到了李世石的旁边
所谓的"神之一手"不是也不会是出自一个循规蹈矩的机器，而是属于有沉淀的，有专业训练的人。
就像是2025年多次分享 Stata-MCP 是总是强调过的，AI 还不会替代研究者，它只是为我们赋能，让我们更快的验证想法，仅此而已。
我们想想，一个 AI，它不会真的发生 action，那它的灵感来源于哪里？犯错吗？高 Temperature 吗？
我不知道，但是我知道它不能吃麦麦🍔，那它就想不到麦当劳的门店数可以作为工具变量；它不会看世界杯，那它就想不到世界杯的爆冷会有贸易创造（袁晓燕 & 翁士汉，2024）；它也不会凭空想到 Missing Women 会与茶叶价格有故事（Qian，2008）；更不会自我联想到为什么那个时代牛的死亡是必然的（Chen & Lan，2017）。或许多年之后 AI 进入了 OpenAI 定义的 L4，L5，但至少目前的 AI 还不行。
袁晓燕 & 翁士汉. (2024). 无心插柳——世界杯"爆冷获胜"的贸易创造. 世界经济文汇, (3 vo), 99–120.Qian, N. (2008). Missing Women and the Price of Tea in China: The Effect of Sex-Specific Earnings on Sex Imbalance. Quarterly Journal of Economics, 123(3), 1251–1285.Chen, S., & Lan, X. (2017). There Will Be Killing: Collectivization and Death of Draft Animals. American Economic Journal: Applied Economics, 9(4), 58–77.