王自如式表达拆解 · wangziru-analysis

学结构，不学腔调。

仓库状态（2026-10）：本仓库是原始仓库，停留在 v1.4 快照（2026-10-12），不再更新。后续开发已拆分为两版：

• 第二版 · 数据加强版（自本仓库 v1.4 继续，持续更新，已改名「像王自如一样思考」）：think-like-wangziru
• 第一版 · 原始配方（v1.0–v1.3 蓝图工作流，逻辑通用）：wangziru-analysis-skill-v1

一个给 AI 编程助手（Claude Code / Codex / Cursor 等）用的 Agent Skill。v1.4 起，按用户的话直接做三件事：给选题就写能念的口播，贴旧稿就改，问怎么想就把这题的思考顺序讲出来。

论证装置不是配额。审题、让半步、排除、比喻回收用不上就写「无」，不要为了像他而现编靶子或数字。详见 SKILL.md 和 references/logic-checks.md。

词频底座仍是「王自如AI」B 站 71 个视频（约 50 小时口播）。去掉标题后的正文是 864,937 字，「对吧」出现 1660 次。更早报告里的 796,821 字、73.2 万字，以及「对吧 1491、那么 973」，不要再用。v1.4 另外读了 32 条无脚本短口播，只用来补社会题和即兴说法，没有并进词频。

下面从二、表达逻辑开始，是 v1.3 的研究说明，仍然有效，但不再是默认工作流。默认入口以 SKILL.md 为准。

非官方 · 这是一份表达方法研究，与王自如本人及其团队无关；不使用其声音与肖像，产出的稿子也不应署他的名或冒充本人。

flowchart LR
    IN([用户的话]) --> R{要什么}
    R -- 选题 --> W[写稿<br/>六行核对 + 正文]
    R -- 旧稿 --> E[改稿<br/>先看判断从哪来]
    R -- 怎么想 --> C[辅导<br/>先说这题不用哪几步]
    W --> L{logic-checks<br/>用不上就写无}
    E --> L
    C --> L
    L --> OUT([交付])

目录 · 一、使用方式 · 二、表达逻辑 · 三、内容质量 · 四、内容维度 · 五、去 AI 化 · 六、数据复盘 · 案例 · 目录结构 · 更新记录

一、使用方式

安装

Claude Code（个人级，所有项目可用）：

git clone https://github.com/chrislitality-svg/wangziru-analysis-skill.git ~/.claude/skills/wangziru-analysis

Windows PowerShell：

git clone https://github.com/chrislitality-svg/wangziru-analysis-skill.git "$env:USERPROFILE\.claude\skills\wangziru-analysis"

只想在某个项目里用，就克隆到该项目的 .claude/skills/wangziru-analysis/。其他工具（Codex、Cursor、ZCode 等）：把仓库放进项目，对它说"先读 wangziru-analysis/SKILL.md 再干活"——skill 本身是 Markdown，不依赖运行环境；只有 AI 味检测脚本需要 Python 3.8+（零第三方依赖）。

四种模式

怎么说

没给立场时，它会替你选一个有争议的立场并说明——没有立场就没有纠偏，没有纠偏就不是这套系统。

效果取决于你用的模型

skill 是一份说明书，真正执行它的是你接的模型。同一份 skill，换成 GPT、Claude、Grok 或它们的不同型号，拆解的深度、逻辑链表排得对不对、会不会为了"具体"去编数字，差别都可能很大。

• 本仓库的 skill、示例和 v1.3 的逻辑链、长句分析，都是在 Claude Code 里用 Claude Opus 5.5 做的。其他模型我们没有系统测过，不做评价。
• 尽量在能读文件、能跑 Python 的工具里用（Claude Code / Codex / Cursor 等）：skill 要按需读十几份参考文件，还要跑检测脚本。只能对话的环境也能用，但要手动贴参考文件，检测只能人工扫。
• 换了模型，先拿 示例 01 的同一个选题跑一遍对比，再用逻辑体检和 tools/ai_flavor_check.py 给输出做一次体检。欢迎在 Issues 里告诉我们你的模型和结果。

单独用检测器

python tools/ai_flavor_check.py 稿子.txt          # Markdown 报告
python tools/ai_flavor_check.py 稿子.txt --json   # 给程序用

二、表达逻辑

句式像不像他是表面，论证顺序才是这套方法值钱的地方。我们曾经写出一版句子指标全部达标的稿子（AI 味 8 分、确定词 0 次），被评价「太空了，都是空话」，问题全在逻辑上。所以 v1.3 起，拆解、成稿、体检都先查逻辑，分两层查。

篇章层：先讲什么，为什么，怎么递进，怎么收回开头

从《对轻薄手机认知》《我又要创业了！》《过去的 48 天》《解构"龙虾"》四条代表作的完整转写里，逐段拆出逻辑链，归纳成四条公理：

案例放哪：证明用的案例放在论点后面；放在论点前面的只有痛点场景、对照组、成品演示，它们的任务是把问题立起来。首尾呼应四种：场景重演、账单结清、方法升格、比喻回收；不是每条都会自然闭环，所以写稿时当成必查项。

句子层：他像英文，是因为把逻辑说出来了

v1.2 以前我们写的是「句长中位 18 字，极少超过 30 字，长信息拆成短句瀑布」。这个数量的是呼吸，不是句子：机器转写按停顿切行，我们把每一口气当成了一句话。按语法重新断句（四条代表作、234 句）：

一句话平均分 3.7 口气说完。长度不是靠长定语（十类结构里最少的一类），而是分句一节一节往右接，每个关节放一个词：因为、所以、如果…那、只有…才、也就是说、它、这。全库 71 篇里，这组逻辑词在他的长视频是 24.9 次 / 千字；我们按短句规则写的稿子只有 12 次左右，差不多是一半。

写法规则：一句话可以长，一口气要短（10 字左右、最长不超过 20 字）；关节处必须有逻辑词；框架和条件放句首，判断放句尾；长句推理，短句落槌。他的长句和 AI 翻译腔不是一回事：翻译腔是定语长、空动词（进行 / 基于 / 实现）、名词堆砌，这些在他的转写里几乎是 0。

逻辑体检

1. 开头欠了观众什么账？结尾还了吗？
2. 第一个判断出现之前，尺子立了吗？
3. 每一段能不能说出"它回答了上一段的什么"？
4. 证明用的案例，是不是紧跟在论点后面？
5. 承重段是哪一段？删掉它会不会塌？
6. 句子层：段内句子之间的因果、条件、让步，有没有用词说出来？

完整方法：references/logic-表达逻辑.md（篇章层）· references/syntax-长句逻辑.md（句子层）· 示范：示例 04，同一个题目三版稿子，为什么第一版是空话、第二版为什么不像他。

三、内容质量

质量不靠"感觉还行"。蓝图和成稿共用 13 道质量门（0–12），每一道都能验。第 0 道最先查，不过就不看后面：

真实自检长这样（摘自 示例 01 的蓝图末尾）：

诚信红线

这套表达法有天然的副作用，skill 里写了对冲规则：

四、内容维度

一篇稿子，skill 从八个层面拆和查，前两层最先查：

mindmap
  root((王自如式表达系统))
    篇章逻辑层
      开头欠账
      先立尺子
      段段咬合
      承重段
      首尾还账
    句子逻辑层
      一句可长
      一口气要短
      关节有逻辑词
      判断放句尾
    结构层
      审题定义
      纠偏换尺
      排除法
      框架编号
      断言收口
    论证层
      让半步
      可验证的尺子
      最强版本
      待核实清单
    修辞层
      主比喻与回收
      数字对比
      对称重音
    口播层
      停连四档
      重音五类
      语调三型
      匀速约 300 字每分
    互动层
      对吧独立成拍
      设问挂悬念
      钩子与破功
    人味层
      去 AI 味
      人称与对象感
      具体胜过形容

形态路由：认知正片 / 个人叙事 / 教程实操 / 播客对谈 / 直播，各用一套裁剪模板。语速按成片约 300 字/分匀速估算（实测全程 303–321 字/分），轻重缓急靠停顿和剪辑。

五、去 AI 化

AI 味不是用词问题，是"没有人在说话"的问题。 删套话只是表层，人味来自三样东西：立场、具体、对象感。

数据：50 小时口播里，这些词几乎不存在

反过来，这些是口播里的高频人味信号（次 / 万字）：

你        ████████████████████████████████  153.8
我们      ██████████                         49.1
吗 + 呢   █████████                          41.9
其实      ███████                            31.6
我觉得    █████                              22.9
对吧      ████                               20.8
那么      ███                                15.7

前后对照：同一个题材，AI 稿 vs skill 改写

完整过程（体检 → 补蓝图 → 改写 → 逐句对照）见 示例 02。

十类 AI 味特征

检测器是透明的：零依赖、公式全写在代码和 de-ai-去AI味.md 里。用 71 篇原片转写校准过：真人口播中位 10 分，92% 低于 20 分。

也别矫枉过正：往稿子里硬塞"对吧""其实"不是人味，是腔调——那正是这个 skill 反对的东西。

六、数据复盘

方法写完之后，我们用它的出处反过来检验它：把「王自如AI」全部 71 个视频的转写和 B 站公开互动数据放在一起重算。站得住的留下，站不住的改掉。完整版见 references/data-量化复盘.md。

先说可信度：剔除投流 / 活动视频后，有机长视频只有 17 条；140 组"语言特征 × 表现"的检验，做多重比较校正后没有一项显著。下面分清楚哪些是数出来的事实，哪些只是线索。

播放量会骗人

9 个视频（13%）带指纹，占了 24% 的播放；9 个里有 8 个和品牌或品牌活动直接相关（荣耀、雷鸟、荣威、路特斯）；剩下 1 个是 WAIC 逛展播客，看不出合作关系。对标博主之前，先跑一遍：

python tools/bili_fingerprint.py BV1xxxx BV1yyyy ...    # 或 -f bvids.txt，读 B 站公开接口

选题：被收藏，还是被投币

所以 Step 0 新增一问：这一期要的是有用，还是认人。

手册说法 vs 数据

还有两条线索（p < 0.05，未过校正）：反常识标题（不酷了、被高估、作秀）分享、收藏、投币都更低；开场 60 秒数字越密，投币越少，投币最高的几期里，好几期从一个场景讲起。另外，他的模糊词（可能 / 应该）是确定词（一定 / 绝对）的 2.7 倍，确定词越多的视频投币越少。

已经改回 skill 的规则

1. 对标先剔投流 / 活动指纹，看投币率
2. Step 0 增加价值类型：收藏型还是投币型
3. 标题写经历和结论，反常识留在正文
4. 钩子库里场景钩子排第一，数字放到场景之后
5. 编号做全程路标；「不是 A 而是 B」全片一次，放在前四分之一
6. 确定词 ≤ 2 次/千字（检测器会报）
7. 成稿按约 300 字/分匀速估算，停顿靠剪辑和留白
8. （v1.3）一句话可以长，一口气要短，关节处用逻辑词

案例

目录结构

SKILL.md                              入口：四种模式、工作流程、13 道质量门（0 = 逻辑链）、红线
references/
  logic-表达逻辑.md                    篇章层：四条公理、四种推进骨架、案例怎么放、首尾怎么呼应、逻辑链表（先读）
  syntax-长句逻辑.md                   句子层：一句可长、一口气要短，九种长句骨架，和 AI 翻译腔的区别
  blueprint-template.md               拆解蓝图格式、开场钩子库、形态路由、完整示例（每次拆解必读）
  playbook-句法手册.md                 十段脚本骨架、七武器句法、停连重音标注、词汇替换表、积木块、训练计划
  de-ai-去AI味.md                      十类 AI 味特征、71 篇口播实测基准、改写顺序、检测公式
  data-量化复盘.md                     用 71 期视频检验本 skill：被证实 / 推翻的规则、选题价值类型、标题线索
  quotes-金句库.md                     各类句子的节奏范例（含重音 / 停连标注）
  samples-标杆拆解.md                  两篇标杆视频的分钟级结构拆解
  strategy-内容战略与局限.md            选题策划、系列化，以及这套方法"解释不了什么"
tools/
  ai_flavor_check.py                  AI 味检测器（零依赖，Python 3.8+）
  bili_fingerprint.py                 B 站投流 / 活动指纹检测（零依赖，读公开接口）
examples/                             四个完整案例（拆解 / 去 AI 味 / 成稿 / 三版稿子的逻辑对照）
CHANGELOG.md                          更新记录

关于引用

references/ 中的少量原话引用（主要在 quotes-金句库.md，标注了出处视频与时间点）来自王自如公开视频的机器转写，版权归原作者所有，仅用于表达方法的分析与评论。文中的词频统计由逐篇转写只读计算得出。原始全文转写语料不随本仓库发布。如原作者认为不妥，请提 Issue，我会第一时间删改。

协议

CC BY-NC 4.0：可自由使用、修改、转发，须署名，禁止商用。上面「关于引用」中的原话引用不在本协议授权范围内。