【2026 最新】AI 寫作 Skill 怎麼做？用 Hermes 打造像你、不亂說的寫作助手

你請 AI 模仿自己的文章，它可能很快學會句尾、節奏與口頭禪，卻也可能用「你的口氣」補上一段你從沒說過的經歷。這正是打造 AI 寫作 Skill 最危險的地方：草稿更像你，不代表意思仍是你的。

這篇專為完全沒有技術背景的創作者寫。我會用 Hermes Agent 示範，從零建立一套可重複的個人寫作流程：整理真實樣本、拆出文風規則、分清 Skill／Context／Memory，再用沒有餵過的新題目驗收。你不必微調模型，也不必把人生故事全部交給 AI。

先記住全文的核心：個人 AI 寫作助手＝Skill（怎麼寫）＋ Context（這次寫什麼）＋ Memory（你是誰）＋ Eval（有沒有寫歪）。四層少一層都能產生文字，但不一定能穩定產生「像你、又不替你亂說」的文字。

先說結論：AI 寫作 Skill 不是訓練模型

AI 寫作 Skill 是一份讓 Agent 按需載入的寫作程序，不會改動模型權重。它比較像交給新編輯的工作手冊：什麼時候適用、動筆前要拿到哪些資料、哪些地方絕對不能腦補、交稿前怎麼驗收。Hermes 採用的 Agent Skills 開放格式，核心就是一個含有 SKILL.md 的資料夾，較長的範例、模板與參考資料再分開存放。

因此，網路上常說「訓練一個符合你風格的 Skill」，這裡的「訓練」只是口語：真正做的是整理 Context、編寫規則、反覆測試與版本化。如果你還不熟悉 Agent 的基本運作，可以先讀〈AI Agent Harness 是什麼〉；本篇會直接進入寫作實戰。

四層架構：別把所有資料都塞進一個 Prompt

一個長 Prompt 容易混在一起：永久偏好、這次文章的事實、過往作品、檢查規則彼此打架。把它拆成四層後，每份資料有自己的保鮮期與責任：

1. Skill：可重複的程序。放寫作步驟、硬性禁令、不同文類的處理方式，以及交稿檢查表。
2. Context：這一次的素材。放題目、讀者、目的、作者當下判斷、可引用事實與不能補寫的內容。
3. Memory：短小、長期有效的偏好。例如慣用語言、讀者層級與穩定的工作習慣，不存整批文章。
4. Eval：Skill 沒看過的考題。用固定題目比較 baseline 與 Skill 版，防止新版本只是在熟悉樣本上表現好。

在 Hermes 裡，完整作品與文風分析適合放進 Skill 的 references/；精簡偏好才放 USER.md 或 MEMORY.md。截至 2026 年 8 月 9 日，Hermes 官方文件列出的上限分別是 1,375 與 2,200 個字元，而且在每次 session 開始時以快照載入。這也是為什麼「把 50 篇文章塞進 Memory」不是好方法。

步驟一：準備樣本，但先切出留出測試

先建立三個資料夾：train/ 給 AI 歸納文風，dev-eval/ 用來反覆找問題，final-holdout/ 鎖到候選版完成才驗收。dev-eval 不直接當作文風訓練範例，但失敗結果會參與迭代；只有 final-holdout 在候選版完成前完全不參與規則調整或版本選擇。真正跑某一道題時，baseline 與 Skill 版仍要拿到完全相同的題目、Context 與 source pack，才是公平比較。

writer-lab/
├── train/          # 只放你有權使用、且人工確認過的作品
├── dev-eval/       # 迭代時可重跑；看過結果後就不算 holdout
└── final-holdout/  # 鎖到候選版完成才跑

樣本不必迷信某個數量。2026 年 8 月 2 日發布的原始 X 長文實驗以 50 則舊作起步，但那是作者的個人做法，不是官方門檻。先挑一小批你能逐篇審核、又涵蓋實際文類的定稿即可；比起只挑流量最高的「爆文」，更重要的是內容確實出自你，而且能代表平常表現。

接著從樣本整理一份 ~/writer-lab/voice-profile.md，不要只寫「自然、專業、有溫度」這類誰都能用的形容詞。改寫成可觀察規則，例如：開頭先提出讀者困境；每個抽象概念要配一個生活比喻；遇到不確定資訊要降低語氣；不替作者增加親身經驗。每條規則最好附一組「符合／不符合」短例子。

步驟二：安裝 Hermes，建立最小 AI 寫作 Skill

以下以 2026 年 8 月 9 日的 Hermes Agent v0.20.0 為準。macOS、Linux 或 WSL2 可依官方 Quickstart安裝，再完成模型設定：

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup

本教學請在 setup 選 Quick Setup 或 Full Setup；Blank Slate 會關閉 Skills 與 Memory。你仍需要一個相容的模型或 provider，費用依供應商而異。建立 personal-writing 前，先開一個全新 session 跑 baseline 並保存輸出，把下面中括號換成你的內容：

hermes chat -q "[題目與目的] [作者立場] [source pack] 請只依素材起草，不要補造經歷或事實。"

接著建立 Skill 目錄，並把文風檔放到它真正會讀取的位置：

mkdir -p ~/.hermes/skills/writing/personal-writing/references
cp ~/writer-lab/voice-profile.md \
  ~/.hermes/skills/writing/personal-writing/references/voice-profile.md

再用你習慣的文字編輯器建立 ~/.hermes/skills/writing/personal-writing/SKILL.md，放入：

---
name: personal-writing
description: 依作者素材與文風撰寫中文草稿；需要保留原意、禁止腦補時使用。
---

# Personal Writing

## Required inputs
- topic、audience、purpose、length
- author brief：作者此刻的判斷與真正做過的事
- source pack：可用事實、數字、連結與引文
- 禁止補寫的內容

## Procedure
1. 讀取 references/voice-profile.md。
2. 將素材分成事實、推論、意見、親身經驗。
3. 先列文章骨架，再寫草稿。
4. 不新增作者未提供的經歷、數字、引文或結論。
5. 缺少關鍵 Context 時先詢問，不自行補故事。

## Verification
- 主語、否定、因果、時間與確定程度沒有改變。
- 「我選擇不做」沒有改成「系統做不到」。
- 每個可驗證陳述都能回到 source pack。
- 先通過內容保真，再檢查文風。

儲存後啟動 Hermes，在 TUI 裡重新掃描並先做「缺資料就停下」的 smoke test：

hermes --tui

# 以下兩行在 Hermes 裡輸入
/reload-skills
/personal-writing 請先列出還缺哪些必填輸入，不要起草

也可以讓 Hermes 用 /learn ~/writer-lab/train 產生初版，但自動寫入前先輸入 /skills approval on。完成後用 /skills pending 找待審項目，依序執行 /skills diff <id> 與 /skills approve <id>；看過差異再核准，不要把第一版當成正確答案。

Agent Skills 規格要求 name 使用小寫字母、數字與連字號，且要與父資料夾同名；description 則要寫清楚「做什麼、何時用」。Hermes 的 Skills 文件也建議把主檔保持精簡，長篇分析與樣本按需放進 references/。想再理解 Agent 如何靠規則與工具穩定工作，可接著看〈如何打造 AI Agent Harness〉。

步驟三：每次都填 Author Brief，不讓 AI 猜你的立場

Skill 只知道「怎麼寫」，不知道你今天對這件事怎麼想。每次寫作前，把下面模板填完，再連同可靠來源交給 Agent：

主題：
讀者與文章目的：
我現在的核心判斷：
我親自做過／看過：
可引用來源與日期：
哪些資訊仍不確定：
絕對不能替我補的內容：
長度與發布平台：

把這份內容存成 ~/writer-lab/brief.md，可引用資料另存成 source-pack.md。正式起草時開一個全新 session，從該資料夾啟動 Hermes，再輸入：

cd ~/writer-lab
hermes --tui

# 在 Hermes 裡輸入
/personal-writing @file:brief.md @file:source-pack.md

其中「我親自做過」和「可引用來源」必須分開。前者決定哪些句子能用第一人稱；後者支撐產品規格、數字與事件。若資料會持續更新，可另外維護 Source Map：每個主張旁標示來源 URL、查核日期，以及「已證實／推論／作者觀點／待確認」狀態。AI 要改寫的是表達，不能悄悄升級證據強度。

例如，你寫「我決定暫時不開啟自動發布」，AI 不能潤成「系統目前不支援自動發布」；前一句是選擇，後一句是產品能力。這類主語、權限與因果改動，往往比一兩句「AI 味」更嚴重。

步驟四：用留出評測驗收 AI 寫作 Skill

不要用「讀起來不錯」當驗收。先準備至少 3～5 個沒有進過訓練資料的 dev-eval 題目，涵蓋技術教學、個人觀點、產品體驗等實際文類；另外鎖一組 final-holdout，只在候選版完成時跑。每一題在相同模型、相同 source pack、相同長度下各跑一次：

Baseline 使用安裝 personal-writing 前保存的輸出，Skill 版則另開全新 session，避免對話殘留。若 Skill 已經安裝，先在 hermes skills 停用它、重開 session 再跑 baseline；兩個版本不要在同一個 session 連續生成，否則 Skill 可能自動觸發或前文污染結果。

• Baseline：不用個人 Skill，只給任務與素材。
• Skill 版：載入 personal-writing，再給完全相同素材。
• 真人參考版：由你在看兩種 AI 輸出前獨立完成；評分者看不到版本來源。AI 草稿的人工作修改版只能計算修改幅度，不能冒充乾淨的真人基準。

第一次排錯可以每版只跑一次；要比較版本時，重要題型應重複生成，並記錄模型、設定、Skill 版本與日期。生成具有隨機性，單次好看不能代表穩定改善。

評分順序很重要。本篇把「新增無來源事實，或改變主語、否定、因果、時間、能力邊界」操作性定義為 hard fail；第一關任一項失敗就淘汰。通過後，第二關才匿名比較文風相似度、結構清晰度與你需要修改的幅度。最後才檢查套話、過度排比、空泛總結等「AI 痕跡」。

原 X 長文自報的「哪個更像作者」8 題盲測裡，Skill 版勝 5 題、baseline 勝 3 題，但 hard failure 卻是 Skill 3 題、baseline 2 題；作者另稱約七成輸出可用。這些結果沒有公開完整資料集與可重跑 rubric，只能當探索線索，不能宣稱「使用 Skill 就能提升多少」。自己的分層測試集與版本紀錄也不是科學保證，但會讓結果較可追蹤、較有參考價值。

步驟五：只改失敗原因，一次迭代一件事

測到問題後，先找它屬於哪一層，再改最小範圍：

• 總是補造經歷：在 Skill 加硬性禁令與反例。
• 不懂你這次的立場：補 Author Brief，不要把暫時觀點寫成永久 Memory。
• 只會模仿口頭禪：補內容結構與判斷方式的正反例。
• 換模型後退步：重跑同一套 eval；輸出品質是模型與 Skill 的組合，不是 Skill 單獨的屬性。

每次變更都保留版本與 dev-eval 結果。核心題型的 hard failure 清零、主要情境也沒有明顯退步，才進 final-holdout；未清零的版本只能留在實驗階段。final-holdout 一旦被你看過並拿來調規則，下輪就要降為 dev-eval，另補全新題目。若讓 Hermes 自動新增或修改 Skill，先用 /skills approval on 開啟寫入核准，避免一次錯誤被寫成長期規則。

Humanizer 可以用，但只能當文風警報器

Humanizer 是一份整理常見 AI 寫作模式的 Skill，不是經過校準、能輸出可靠「AI 機率」的偵測器。它適合在最後標出空泛開場、過度總結、假精確等問題；不適合取代事實核對，更不該未經檢查就重寫全文。

最安全的分工是：personal-writing 負責依素材起草；Source Map 與人工審稿守住事實；Humanizer 類工具只回報命中規則與位置，不直接動稿。英文寫作規則也不能原封不動搬到繁體中文，標點、句法與語感仍要用中文樣本校準。

常見的 6 個坑

1. 把 dev-eval 當永久 holdout：只要你看過失敗並據此調規則，它就已參與開發；最終驗收要換全新題目。
2. 把高流量當好文風：你可能只學到標題套路，而非穩定的思考與表達。
3. 把全文塞進 Memory：容易超過限制、互相衝突，也讓每次 session 都背負無關資料。
4. 只有負面規則：「不要排比、不要套話」仍不知道該怎麼寫；要補正面範例與可執行步驟。
5. 只評風格、不評原意：最像你的版本，可能正用你的語氣說錯話。
6. 忽略權利與隱私：只使用你有權處理的作品；客戶資料、未公開內容與第三方個資先移除或匿名化。

還要注意：「檔案存在本機」不等於「內容不離機」。若你連的是雲端模型，送出的 Context 仍會交給所選 provider；處理客戶或未公開稿前，先取得授權並查清資料保留與訓練政策，機密內容只進組織核准的環境。Hermes 的官方 FAQ也區分雲端 API 與本地模型的資料路徑。

什麼時候值得做？什麼時候一個 Prompt 就夠？

如果你每週反覆寫同類內容、有足夠自己的定稿、願意維護測試集，AI 寫作 Skill 值得做。它的價值不是第一次就神似，而是把寫作要求變成可審核、可版本化、可回歸測試的系統。

反過來說，偶爾才寫一封信、沒有自己的樣本，或每篇文章的讀者與目的都完全不同，先用一份清楚的 Author Brief 加 Prompt 更省力。想比較不同 AI 工作方式，也可參考〈Claude Code vs Codex〉與〈Claude 怎麼省 Token〉，別為了「看起來進階」而增加不必要的系統。

常見問題（FAQ）

Q1：一定要用 Hermes 才能做 AI 寫作 Skill 嗎？

不一定。本篇用 Hermes 示範，是因為它支援 Agent Skills、Context 與 Memory；核心方法也能移植到支援相同格式或自訂指令的 Agent。不同工具的載入方式仍應依各自官方文件調整。

Q2：這和模型 fine-tuning 有什麼不同？

Skill 不會更新模型權重。它是在推論時載入規則、範例與程序，修改快、容易檢查；fine-tuning 則會用資料調整模型參數，成本、治理與評估方式都不同。

Q3：要準備幾篇作品才夠？

沒有通用門檻。先用一小批你能逐篇審核、又涵蓋實際文類的定稿跑通流程；真正的停止條件是新樣本不再帶來重要規則、dev-eval 趨穩，最後還能通過未用於調整的 final-holdout。

Q4：可以直接把所有舊文丟給 Hermes 的 Memory 嗎？

不建議。Memory 適合短小、長期有效的偏好；舊文與文風分析應放 Skill 的 references/，並只在寫作任務觸發後按需載入。

Q5：怎麼判斷 AI 真的「像我」？

先匿名、再多維評分。把 baseline、Skill 版與真人版隱藏來源，先淘汰內容寫歪者，再請熟悉你作品的人評文風相似度；不要只靠單一 AI 偵測分數。

Q6：Humanizer 能保證沒有 AI 味嗎？

不能。它能提示特定寫作模式，但無法證明文章由誰撰寫，也無法保證事實正確。把它當最後一層質性檢查，不是裁判。

Q7：Skill 會不會越改越差？

會，所以要做回歸測試。新增一條規則可能改善觀點文，卻傷害技術教學；每次只改一小處、重跑固定題目，並保留上一個可用版本。

Q8：完成後可以讓 AI 自動發布嗎？

新手不建議。先讓它只交草稿與待確認清單，由人類核對來源、個人經驗、隱私與語意；當多輪 eval 都穩定，再逐步增加權限，而且保留發布前核准。

給新手的 7 個重點

1. Skill 是寫作程序，不是模型微調。
2. 真實樣本放 references，短期素材放本次 Context。
3. Author Brief 要明寫立場、事實與禁止補寫內容。
4. 開發前先切 train、dev-eval 與 final-holdout。
5. 語意保真與無來源事實是硬門檻。
6. Humanizer 只能抓模式，不能替代查核。
7. 每次只改一件事，版本化後重跑 eval。