fix: make closing style content-driven instead of persona-fixed

- Rename closing_style → closing_tendency in all 5 personas, making it
  a soft preference rather than a hard constraint
- Add closing variation rule + 6 closing patterns table to writing-guide.md
- Step 4.5: LLM judges best closing from content; checks history.yaml
  last 3 articles to avoid repeating the same closing_type
- Step 8.1: record closing_type in history.yaml for dedup

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

SKILL.md

@@ -271,6 +271,7 @@ Category 映射规则：
 - H1 标题（20-28 字） + H2 结构，1500-2500 字
 - 真实素材锚定：Step 3.2 的素材分散嵌入各 H2 段落
 - **写作人格**：按 4.3 加载的人格参数写作（数据呈现方式、个人声音浓度、不确定性表达等）
+- **收尾方式**：persona 的 `closing_tendency` 仅作为倾向参考。根据文章内容和情绪弧线自行判断最自然的收尾方式（参见 writing-guide.md 收尾多样性表）。如果 history.yaml 中最近 3 篇有 `closing_type` 字段，避免使用相同的收尾类型
 - 3 层反检测规则（统计/语言/内容）在初稿阶段全部生效
 - 2-3 个编辑锚点：`<!-- ✏️ 编辑建议：在这里加一句你自己的经历/看法 -->`
 - 可选容器语法：`:::dialogue`、`:::timeline`、`:::callout`、`:::quote`
@@ -389,6 +390,7 @@ python3 {skill_dir}/toolkit/cli.py preview {markdown} --theme {theme} --no-open
   writing_persona: "{人格名}"
   dimensions:
     - "{维度}: {选项}"
+  closing_type: "{收尾类型}"  # trailing_off/unanswered/scene_revert/abrupt_stop/anti_conclusion/image
   composite_score: {Step 5.3 的 composite_score}  # 0=人类, 100=AI
   writing_config_snapshot:  # 本次使用的关键参数（从 writing-config.yaml 提取）
     sentence_variance: {值}

personas/cold-analyst.yaml

@@ -17,7 +17,7 @@ single_sentence_paragraph_rate: 0.08   # 少用单句段落，保持专业感
 
 emotional_arc: "flat_with_insight"     # 整体平稳，在关键洞察处提升强度
 opening_style: "thesis"               # 开头直接亮核心论点
-closing_style: "implications"         # 以"这意味着什么"收束
+closing_tendency: "implications"       # 倾向于以"这意味着什么"收束，但根据文章内容自行判断最合适的收尾方式
 
 data_intro_pattern: "framework → data → implication → caveat"
 # 示例：

personas/industry-observer.yaml

@@ -16,7 +16,7 @@ single_sentence_paragraph_rate: 0.10
 
 emotional_arc: "steady_with_spikes"   # 整体平稳，1-2 处锐利判断
 opening_style: "news_hook"            # 以一个行业事件/数据切入
-closing_style: "open_question"        # 留一个没答案的问题
+closing_tendency: "open_question"      # 倾向于留一个没答案的问题，但根据文章内容自行判断最合适的收尾方式
 
 data_intro_pattern: "context → data → contrast → judgment"
 # 示例：

personas/midnight-friend.yaml

@@ -18,7 +18,7 @@ single_sentence_paragraph_rate: 0.25  # 25% 的段落只有 1 句
 # 情绪
 emotional_arc: "restrained_to_burst"
 opening_style: "personal_moment"  # 以一个私人时刻开头（"凌晨一点多…"）
-closing_style: "trailing_off"     # 不收束，像聊天自然结尾（"我先睡了"/"真的看不清楚"）
+closing_tendency: "trailing_off"   # 倾向于不收束、像聊天自然结尾，但根据文章内容自行判断最合适的收尾方式
 
 # 数据呈现
 data_intro_pattern: "scene → reaction → data → interpretation"

personas/sharp-journalist.yaml

@@ -17,7 +17,7 @@ single_sentence_paragraph_rate: 0.20   # 多用短句成段制造节奏
 
 emotional_arc: "cold_open_to_sharp_close"
 opening_style: "cold_open"       # 直接切入核心矛盾，不铺垫
-closing_style: "sharp_statement" # 一句定性收束
+closing_tendency: "sharp_statement" # 倾向于一句定性收束，但根据文章内容自行判断最合适的收尾方式
 
 data_intro_pattern: "claim → evidence → twist"
 # 示例：

personas/warm-editor.yaml

@@ -16,7 +16,7 @@ single_sentence_paragraph_rate: 0.15
 
 emotional_arc: "gentle_build"          # 缓慢升温，情绪在中后段到达高点
 opening_style: "scene"                 # 以一个温暖的场景开头
-closing_style: "image"                 # 用一个画面收束
+closing_tendency: "image"               # 倾向于用一个画面收束，但根据文章内容自行判断最合适的收尾方式
 
 data_intro_pattern: "story → embed data → feeling"
 # 示例：

references/writing-guide.md

@@ -101,6 +101,18 @@ AI 段落长度趋于均匀。人类段落忽长忽短。
 - 每段末尾都用反问句（变成另一种模式化）
 - 口语词匀速分布（不要每 200 字准时出现一个"讲真"）
 - 总结性收尾（"让我们拭目以待"/"未来可期"）
+- 连续文章使用相同收尾结构（收尾方式应由文章内容决定，不是由人格模板决定）
+
+**收尾多样性**：persona 的 `closing_tendency` 是倾向而非硬规则。根据文章走到结尾时的内容和情绪自行判断最自然的收尾方式。以下是常见的人类收尾模式，每篇文章选最贴合内容的一种：
+
+| 模式 | 特征 | 适合场景 |
+|------|------|---------|
+| 自然断流 | 像聊天说到一半停了（"我先睡了"/"就这样吧"） | 深夜风格、随笔 |
+| 未答之问 | 以问题结尾，不给答案 | 争议话题、引发思考 |
+| 场景回扣 | 回到开头的意象/场景 | 叙事类、故事驱动 |
+| 硬切 | 最后一个论点说完直接结束，无收束语 | 评论、观点类 |
+| 反结论 | 明确拒绝给结论（"我也不知道"/"答案可能不存在"） | 复杂议题、探索性 |
+| 画面定格 | 用一个视觉画面收束 | 情感类、人物类 |
 
 **writing-config 参数**：`emotional_arc`（flat/gradual/restrained_to_burst/volatile）