- 人工智能
- AI 技能/插件
- 提示工程
【免费下载链接】garden-skills
ConardLi's open-source Skills collection, featuring web design, knowledge retrieval, image generation, and more.
导读
longform是 beautiful-article 技能体系中默认的文章类型,面向"完整长文、归档、深度阅读"场景:当源材料是连贯的论证 / 叙事 / 综述,且用户要求原文级保留时,它是最佳结构决策。本文以 article-types/longform.md 为骨架,结合仓库中的类型路由、组件协议、Raw 政策与工作流源码,完整讲解 longform 的典型结构、组件取舍、Raw 边界、配图与主题倾向、自检清单以及"何时不要用 longform",让读者既能按类型清单直接套用,也能理解它为何是 beautiful-article 的默认策略。
1. 什么是 longform:默认类型的定位与适用前提
在 beautiful-article 中,文章类型是结构决策,主题是审美决策,两者完全解耦(见 article-types.md)。longform是十种已注册类型(longform / full-report / tutorial / explainer / dialogue / review / essay / briefing / interactive-explainer / visual-essay)中的第一种,也是 SKILL.md 声明的默认文章类型:
默认策略:输出 single HTML;文章类型
longform;信息保留 100%。
它的适用前提非常明确:
- 源材料是连贯的论证 / 叙事 / 综述;
- 用户要原文级保留,即不打算压缩或删减信息密度。
从 information-density.md 的信息密度表看,100% 保留对应 longform,表达特征是"长文为主,Raw 增强,完整章节和细节",适合"完整归档、原文级深度阅读"。
需要特别注意一个事实:longform 与 100% 信息保留在实践上是绑定的。article-types.md 顶部明确警告,longform + 20%这类组合是伪选项——要么类型变形,要么内容空洞("longform 写出 8 章每章 2 段")。因此 Phase 2 规划阶段在 plan-template.md 中只要求记录类型与标配保留比例,只有用户明确想精修(如"longform 但只要 60%" = 一篇被深度编辑的长文)时才作为非标配组合写入plan/plan.md的 Brief 段,并由主 Agent 在写每节时手动调整正文 / 视觉比例。
2. 核心参数:100% 信息保留意味着什么
longform 的推荐信息保留为100%,其执行标准是:
原文关键内容不丢;只允许删除明显的重复段落和无信息的过场句。
这定义了两个操作边界:
- 必须保留:原文的关键论证、数据、结论、引用、代码与表格;
- 允许删除:明显的重复段落、无信息的过场句(如"正如我们前面提到的……"这类纯粹衔接性废话)。
从 SKILL.md 的"成功标准"可以进一步看到这条原则的验收口径:
40% 信息时读起来像被编辑过的文章,而非缩水摘要;100% 信息时像被精修过的长文,而非原文搬运。
也就是说,100% 保留不等于照抄原文——它要求用 beautiful-article 的结构与视觉手段对原文做"精修",让信息量一点不少,但阅读体验从线性的 Markdown 变成有节奏、可定位、可交互的网页文章。这是 longform 自检清单(见第 7 节)中"100% 信息是否读起来像被精修过的长文(而非原文搬运)"这条的根本原因。
3. 典型结构:Hero → Lead → Summary → Sections → Raw → Conclusion
longform 的典型结构(来自 article-types/longform.md):
Hero → Lead(导语,框定主题)→ 可选 Summary(TL;DR / 结论先行) → 多个 Section(必要时 Subsection)→ 关键概念处 Raw 增强 → Conclusion逐段的职责如下:
| 模块 | 职责 |
|---|---|
Hero | 标题气质 / 副标题 / meta(日期、来源、作者),见 component-policy.md |
Lead | 导语,用 1–2 句框定主题、交代文章要解决什么 |
Summary(可选) | TL;DR / 结论先行,帮助读者快速定位,长文强烈建议 |
Section/Subsection | 正文主体,承载全部论证与信息 |
Raw增强 | 在关键概念、数据趋势、机制处插入自由层,给长文节奏与呼吸 |
Conclusion | 收束全文 |
TOC 的开启条件也是 longform 特有的:当长文超过 10 个小节、或预估阅读时间超过 15 分钟时,开启TOC。这与 layout.md 中"本 Skill 默认开启 TOC(长文有导航更易读)"的策略一致——<Article toc>会渲染左侧目录,从Section/Subsection自动派生,最多三级、带滚动高亮;窄视口(<1000px)自动回落为单栏。
在 section-build.md 中可以看到这一结构的落地形态:每个 Section 必须是独立组件文件(article/sections/NN-*.tsx),Article.tsx只做组装(assembler),例如:
<Article toc width="regular"> <Hero ... /><Lead>…</Lead> <SectionOpening /> <SectionContext /> <Conclusion>…</Conclusion> </Article>4. 组件选择:正文是绝对主体,别把连贯段落拆成卡片堆
longform 的组件策略第一条是正文段落为绝对主体,应占文章绝大部分篇幅。其余语义组件只在内容"确实是"那个结构时才用(component-policy.md 的 litmus test:若一句话 / 一个列表 / 一张表 / 一块 Raw 读起来更好,就用那个):
Aside:点出关键直觉 / 历史注 / 反方观点;Quote:引用名言或原话;Table:承载二维数据;CodeBlock/Formula:技术内容专用(写代码只用CodeBlock,不直接用其底层HighlightedCode);Raw:自由层,任意 HTML / CSS / JS / React。
longform 最常见的走样形态,在文档中被明确定义为卡片堆——把连贯段落拆成一堆Aside/ 卡片式的视觉块,让论证断裂、文章变得零碎。规避方法就是坚持 prose-first:普通段落写成Section的 children,组件是"点睛"而非"装饰"。
从仓库的默认主题档案也可以印证这条纪律:tufte.md(Data-Ink 主题,longform 技术 / 证据型的首选)要求"页面上每一滴墨水都承载信息,去除卡片、填色、阴影、圆角、装饰色";knuth.md(学术 / 论文型)同样禁止"卡片、面板、填色块、投影、圆角"。两个主题的禁止项恰好与"卡片堆是 longform 最常见的走样形态"形成互证。
5. Raw 边界:增强而非主体,用--ra-*token 约束
longform 对 Raw 的使用给出了清晰的边界:
在关键概念、数据趋势、机制处插入 Raw 自由层(轻交互 / 自定义排版 / 动效 / 按需 SVG),给长文节奏与呼吸;每块服务具体段落,用
--ra-*token。Raw 是增强而非主体——如果开始让 Raw 承载主要信息,说明你应该考虑explainer或interactive-explainer。
结合 raw-policy.md 可以理解这一边界的执行细则:
Raw 是完整的 Web 平台,不是"画 SVG"。可以写任意 HTML / CSS / JS / React,选择标准只有一个:"哪种媒介最能讲清这一段"——例如:
- 交互:拖动条 / 切换 / 折叠 / 步进器 / 计算器 / 小型可调模型;
- 布局排版:并排对比、时间线、卡片网格、分栏、引文大字;
- 动效:CSS transition /
@keyframes/ 滚动揭示; - 数据可视:HTML/CSS 条形与热度、
<canvas>、需要时才用<svg>折线 / slopegraph; - 嵌入与组合:表格 + 控件 + 文本拼成的一次性小工具。
自由但一致:用 token。Raw 内部的颜色 / 字体 / 间距必须取自主题变量(var(--ra-color-accent)、var(--ra-font-body)、var(--ra-space-4)…),这样每块都独一无二却又随主题切换。示例(来自 raw-policy.md):
// 需要曲线时,才为这个数据点手画一条内联 SVG <Raw title="构建体积走势"> <svg viewBox="0 0 300 80" width="100%"> <polyline points={pts} fill="none" stroke="var(--ra-color-accent)" strokeWidth="2" /> </svg> </Raw>禁止项包括:复杂表单、拖拽工作台、完整 dashboard、产品原型、和文章无关的动画、独立于主题的配色、复用固定小组件冒充自由表达。Raw 自检四问(raw-policy.md结尾):
- 这块 Raw 删掉后,文章理解是否会变差?
- 它服务哪一个段落 / 论点?
- 它是否使用
--ra-*token?是否符合主题 md? - 它是否让文章更像应用?(如果是,砍掉或收敛成服务阅读的解释性视觉 / 排版)
在 longform 中,Raw 是给密集文本"节奏与呼吸"的手段,是点亮关键概念的局部增强,而不是信息的主要载体。
6. 配图与主题倾向:none/placeholders优先,tufte / knuth / press / bodoni
配图倾向
longform 的配图倾向为:
none/placeholders优先;技术 / 证据型可用真实数据图(tufte风);叙事型可加少量press风氛围图。
这与 asset-policy.md 定义的四种配图来源(none/user-assets/placeholders/ai-generated)对应。注意一个关键正交关系:配图与 Raw 正交,不是二选一——Raw始终默认存在、照常使用;Image是否使用、用哪种来源由 Plan Checkpoint 的配图策略决定。选配图none只表示不用外部图片,Raw不受影响。
主题倾向
longform 的主题倾向(来自 article-types/longform.md):
| 主题 | 适用场景 |
|---|---|
tufte | 技术 / 证据型长文(Data-Ink,数据墨水比优先) |
knuth | 学术 / 论文型长文(Computer Modern 衬线、编号小节、公式优先) |
press | 叙事 / 综述型长文 |
bodoni | 专栏 / feature 型长文 |
这与 SKILL.md 的默认策略一致:"技术 / 证据优先tufte,叙事 / 评论优先press"。版式上,longform 默认配合regular阅读宽度(约 46rem)+ 开 TOC,见 layout.md 的宽度表。
7. 自检清单:longform 的验收口径
longform 自检(article-types/longform.md)包含五个问题,可以作为 Section Reviewer 与终审的引用依据:
- 正文是否仍是绝对主体?没有把段落拆成卡片堆?
- 章节衔接是否自然?读者读完一节会自然想读下一节?
- Raw 是点亮关键概念还是打断阅读节奏?
- 100% 信息是否读起来像被精修过的长文(而非原文搬运)?
- 长文有没有
TOC+Summary帮助读者定位?
从 review-checklist.md 可以看到这条清单如何落到质检流程中:Phase 5 的每个 Section 都要过 Section Reviewer(以消息返回 pass/fail,不写文件),检查"完成 outline 任务 / 符合信息保留比例 / 与前后衔接 / 不过度组件化 / 正文充足 / Raw 与配图有明确目的 / 本节序号自洽";Phase 6 终审的 Technical Reviewer 还要核查章节序号全篇自洽(01 / 02 / 03 …连续单调,Subsection序号前缀对齐父Section)——这些在并行开发模式 B 下尤其容易出错,因为 subagent 看不到自己在全篇的位置。
8. 何时不要用 longform:类型路由的关键判据
longform 文档明确给出了四类"不要用"的判定,这正是 article-types.md 类型路由的实战判据:
| 源材料特征 | 应改用的类型 | 理由 |
|---|---|---|
| 消化后的报告(执行摘要 + 风险 + 建议四件套) | full-report | 已有完整分析结构,不需要原文级保留 |
| 要解释一个机制 / 概念,可以删 20% | explainer | 信息保留降到 ~80%,正文解释为主 |
| 论文 / 长文但想做成交互学习页 | interactive-explainer | Raw 交互为主载体,原文摘录约 25%,其余 75% 是 AI 围绕核心知识点全新创作 |
| 给忙人看 / 要决策 | briefing | 结论先行,信息保留 ~40–60% |
选择 longform 的核心判据(article-types.md 选型提示):源材料信息密度高、要完整归档 → longform。其它类型各有定位:tutorial是教学上手、review是工程审阅、essay是观点叙事、dialogue是对话整理、visual-essay是图文传播展示。
9. 在完整工作流中的位置:从 Phase 2 选型到 Phase 5 落地
longform 不是孤立的一个文档,它嵌在 beautiful-article 的 8 阶段 harness 流程中(SKILL.md):
Phase 0 Intake → Phase 1 Source→Markdown → Phase 2 Editorial Planning → Phase 3 Plan Checkpoint(★必须停)→ Phase 4 First Spread → Phase 5 Full Article Build → Phase 6 Final Review → Phase 7 Repair → Phase 8 Deliverylongform 在其中的具体作用:
- Phase 2:读
article-types.md完成类型路由后,若选中 longform,就读article-types/longform.md拿结构 / 组件 / Raw 边界 / 配图倾向 / 自检,写入 plan-template.md 四段式plan/plan.md(Brief / Outline / Theme / Assets)。 - Phase 3 Checkpoint 1:文章类型(含标配保留比例 100%)作为五个独立决策项之一让用户确认,且"比例已绑进类型选项,不再单独成题"——避免出现
longform + 20%伪选项。 - Phase 4 First Spread:首屏(Hero / Lead)写进
article/Article.tsx,第一个 Section 写成独立组件article/sections/01-*.tsx。 - Phase 5:按"一个 Section = 一个组件文件"铁律顺序或并行生成全部 Section,每节过 Section Reviewer。
- Phase 8:构建为自包含单页
article/article.html(CSS + JS 内联,断网可打开),这是主交付物;PDF 导出为可选(用户明确选择时运行bash <skill>/scripts/html-to-pdf.sh)。
整条流程的质检协议强调:Plan 自查用主 Agent 内联(禁开 SubAgent、不写文件),First Spread 与 Final 用 SubAgent 并写 review 文件,Section 用 SubAgent 但只以消息返回——这是 beautiful-article 的性能纪律,longform 作为默认类型同样遵守。
10. 落地建议:把 longform 用对的四个要点
综合以上全部内容,在 garden-skills 的 beautiful-article 技能下实践 longform 时,最值得记住的四条:
- 确认源材料形态:连贯论证 / 叙事 / 综述 + 用户要原文级保留,才选 longform;否则按第 8 节的判据换类型。
- 守 100% 信息保留:只删明显重复与无信息过场句,其余全部保留,但要用结构、组件与 Raw 把原文"精修"出网页文章的阅读节奏,而不是搬运。
- 正文主体、组件点睛、Raw 增强:别拆卡片堆;Raw 只服务具体段落且用
--ra-*token;一旦 Raw 开始承载主要信息,就考虑换explainer/interactive-explainer。 - 长文必备定位手段:>10 小节或预估阅读 >15 分钟时开
TOC,并给出Summary帮助读者定位;技术 / 证据型配tufte/knuth,叙事 / 综述型配press/bodoni。
若想继续深入,可对照阅读仓库中的 article-types.md(全部十种类型路由)、component-policy.md(组件协议与最小骨架)、raw-policy.md(Raw 允许 / 禁止 / 示例)、section-build.md(一节一文件与并行模式)以及 SKILL.md 的完整工作流,即可在任意一次"把长文做成网页文章"的任务中稳定复现 longform 的正确形态。
- 人工智能
- AI 技能/插件
- 提示工程
【免费下载链接】garden-skills
ConardLi's open-source Skills collection, featuring web design, knowledge retrieval, image generation, and more.
相关推荐
Beautiful Article 信息密度指南:用"信息保留比例"决策正文与视觉块的配比
Beautiful Article 信息密度指南:用"信息保留比例"决策正文与视觉块的配比 信息密度(information density)是 garden
人工智能AI 技能/插件提示工程Lightdash Autopilot 图表工作流:用 Agent 工具链创建与修复图表的完整指南
Lightdash Autopilot 图表工作流:用 Agent 工具链创建与修复图表的完整指南 导读 本文基于 Lightdash 仓库中 Autopilo
人工智能AI 技能/插件提示工程TeslaMate 安全模型与加固实践:理解"网络即信任边界"并安全部署自托管特斯拉数据记录器
TeslaMate 安全模型与加固实践:理解"网络即信任边界"并安全部署自托管特斯拉数据记录器 TeslaMate 是一个自托管的特斯拉数据记录器,其官方安全策
人工智能AI 技能/插件提示工程
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考