1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | lieflat-gongwen |
| 项目自述名称 | 公文写作 DNA |
| 作者/维护者 | larashero3-dotcom |
| 来源链接 | https://github.com/larashero3-dotcom/lieflat-gongwen |
| 许可证 | PolyForm Noncommercial 1.0.0（源代码可见、限非商业用途）（GitHub API） |
| GitHub Stars | 536（GitHub API） |
| Forks | 77（GitHub API） |
| 最新版本 | 未发布正式 Release/Tag，以最近一次提交（2026-09-05）为准 |
| 安装方式 | git clone 该仓库到 ~/.claude/skills/ 或直接把整个目录复制进对应 agent 的 skills 目录 |
2. 功能介绍与亮点
这是一个专注中文公文写作的技能：把“写得像不像公文”从主观手感变成可量化、可验收的数值参数。它没有走市面上常见的“给模板、套开头结尾”路线，而是对 102 万字真实公文语料做全量统计，提炼出句长、顿号密度、标题层级、引语占比等指纹参数，再按参数驱动生成。
覆盖两个文体族、七类公文：调研报告、领导讲话、工作意见、经验材料、工作方案、经验总结（篇幅中位 2,500–3,700 字），以及千字级党建/基层经验材料（零一级标题、靠段首提领句与群众原话推进）。刻意不做通知/请示/批复/函这类有固定法定格式的公文，因为那类文体本身已确定风格，用不上统计蒸馏。
亮点之一是研究过程的透明度：README 直接列出被数据推翻的流行认知（例如“公文开头都用’根据……‘“实测占比仅 6–8%，“结尾要用’请遵照执行’“实测出现率不足 2%），也坦承方法上的局限——语料因版权不随包分发，第三方无法直接复核频率数字；部分文种样本偏薄；参数只能验收”像不像“，验不了内容是否站得住。这种把统计误差和返工记录留在文档里的做法，在同类工具中少见。
技能自带 22 篇合成范文、参数速查表、标题技法库、句子对照库，以及两个纯 Python 标准库脚本用于数值自检（判断文种是否识别错误）和语料脱敏。核心能力零外部依赖。
3. 适用场景
固定分类：内容创作与知识管理
适合需要批量产出体制内公文材料的场景：政府机关、国企、事业单位的文秘人员起草调研报告、领导讲话稿、工作方案、经验总结；基层单位撰写党建工作简报或经验材料。对不熟悉公文语感、容易写成“新媒体腔”或套话堆砌的初中级用户尤其有帮助——技能会先判断文体族与具体文种，再给出该文种的结构骨架，等用户确认后才展开正文，避免文种参数用错导致“四不像”。
4. 跨 Agent 兼容性
- Claude Code：原生支持——标准 SKILL.md 格式，本地脚本仅依赖 Python 标准库，无需额外配置。
- Codex：原生支持——作者在 README 中明确列出 Codex 为兼容对象；脚本不发起任何网络请求，不受 Codex 沙箱网络限制影响。
- OpenClaw：未在作者自述兼容列表内，但技能形态是标准 SKILL.md + 纯标准库脚本，不依赖任何 Claude/Codex 专属能力，理论上可直接安装使用，判定为需自行安装验证。
- Hermes Agent：未验证。
5. 推荐理由
它解决的是一个具体且高频的真实痛点：让 Agent 写出的公文材料摆脱“AI 味”和模板腔。同类工具普遍靠给开头结尾套话或固定模板，而这个技能用真实语料的统计特征作为验收标准，并提供可运行的自检脚本，让“像不像”变成可复核的数值结果而不是各凭手感。安装成本几乎为零（复制目录即可），无任何付费依赖，且在同类竞品中热度与更新活跃度均领先，是目前该细分领域里做得最扎实的一个。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | GitHub 536 星（近 8 天内产生），fork 77 个且时间分布均匀无异常爆发；trendshift.io 收录为趋势仓库；同类“公文写作 skill”至少有 4 个独立竞品仓库，本仓库星数明显领先（详见第 7 章对比），但尚无独立第三方评测文章或具名用户评价 |
| 可用性 | 9 | 零外部依赖，git clone 或直接复制目录即可使用；SKILL.md、参数速查表、标题技法库、句子对照库、22 篇范文与自检脚本文档齐全；近期持续提交、维护活跃 |
| 安全性 | 9 | 检查清单：①仅本地执行两个纯文本统计 Python 脚本，无广泛 shell 权限；②无任何网络外发；③不涉及 API key 或凭据；④SKILL.md 与脚本中未发现可疑指令或混淆代码；⑤作者账号有 7 个月历史、173 名关注者，同账号下另有其他公开发布的技能项目，fork 时间分布均匀，无造假迹象；⑥许可证明确（PolyForm Noncommercial 1.0.0，条款完整可查，仅限制商业使用）；⑦近期持续维护 |
综合评分：8.0
7. 跟同类 Skills 相比的优势
| 项目 | 定位 | 与本技能的差异 |
|---|---|---|
| KaguraNanaga/official-document-writing-skill（283★） | 基于 GB/T 9704-2012 国标的结构化公文写作技能 | 走国标格式规范路线，偏“格式正确”；本技能走语料统计路线，偏“风格逼真”，两者互补而非替代 |
| hehecat/gongwen（109★） | 公文写作辅助仓库 | 未见语料统计方法论与可运行自检脚本 |
| linhut/gongwen-skill（47★） | 基于 GB/T 9704《党政机关公文格式》的全流程公文处理工具，含格式检查、模板生成、Word 修订对比等 | 定位是全流程格式工具（含排版、页码等），本技能专注文风参数蒸馏，不做排版工程 |
| Right-068/gongwen-writing-suite（1★） | 面向党政机关语境的综合公文写作 Codex 技能 | 星数与活跃度均远低于本技能，尚处早期阶段 |
本技能的差异化核心在于：“用统计代替模板”——用 102 万字真实语料反推可验收的数值参数，并给出会主动质疑常见套路假设的方法论说明，而不是简单堆砌“根据……为……“式开头库。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。搜索引擎与 GitHub 议题区均未见到针对本仓库的具名使用反馈；trendshift.io 将其收录为趋势项目，属聚合展示而非评价内容。
9. 其他补充
作者此前还发布过另一个去 AI 味写作方向的技能，与本技能主题不同、互不重叠。仓库示例目录内附带“返工审计”记录，公开了范文写作过程中的几轮返工与修正，是较为罕见的过程透明度实践。
10. 安装使用方式
方式一（推荐给已用 Claude Code / Codex 的用户）：
git clone https://github.com/larashero3-dotcom/lieflat-gongwen ~/.claude/skills/lieflat-gongwen方式二：将仓库整个目录复制进任意兼容 Agent Skills 规范的 agent 的 skills 目录。
安装后无需重启，在对话中提出“写一篇调研报告”“起草领导讲话”“写份工作意见”等意图即可触发。技能会先要求确认文体族与文种，再给出结构骨架供确认，最后生成正文并可运行 scripts/check_params.py 做数值自检。
11. 注意事项
- 许可证为 PolyForm Noncommercial 1.0.0，仅限个人研究、学习、教育及政府机构等非商业用途；用于付费写作/咨询服务或集成进商业产品需另行取得作者授权。
- 训练语料本身因版权原因未随包分发，第三方无法直接复核参数背后的原始频率数据，需自行判断可信度。
- 技能只解决“像不像”（文风参数是否落在真实公文的统计区间内），不解决“对不对”（内容是否站得住、政治表述是否得体），涉密或对外口径材料仍需本单位人工终审。
- 工作方案、经验总结两类文种的统计样本偏薄（分别为 10 篇与 8 篇），参数仅供参考。