Spiral 4.0 发布：全面拥抱智能体原生
今天我们宣布对 Spiral 进行一系列更新——Spiral 是为你和你的智能体（agent）打造的写作伙伴。Spiral 由写作者为写作者构建，从构思到逐行编辑的每一个环节都能帮到你，并全程匹配你的写作风格。
核心亮点：
- 借助文体测量学（stylometry，即对写作风格的研究），Spiral 现在写出来的文字更像你自己。我们从零开始构建了一个全新的风格引擎（Style Engine），让 Spiral 能够计算出你的写作指纹，并为新草稿挑选最具相关性的样本。
- 在你工作的任何地方使用 Spiral。新增的 MCP 协议支持，加上我们已有的命令行界面（CLI）和 API，意味着当你对智能体的写作输出不满意，或者需要在任何工作流中产出高质量文字时，Spiral 都可以介入。
- 对于团队而言，使用 Spiral 可以实现统一发声。团队工作区（Team Workspaces）允许你共享风格、提示词、知识库，现在也包括聊天记录和草稿。
- 最后，我们为 Spiral 换上了新的视觉设计和标志，由 Daniel Rodrigues 操刀。主品牌字体现在使用 Frere-Jones Type 设计的 Edgar。
自去年年底重新发布以来，Spiral 已经：
- 从 168,464 份写作样本中创建了 5,524 份风格指南
- 生成了 113,165 份草稿
- 完成了 350,078 次修订
在我们内部的“LLM 即裁判”（LLM-as-judge）评估中，Spiral 现在的对话评分平均达到 4.9/5。
我们构建 Spiral，是为了帮助那些因工作而写作的人写得更好。就像 Cursor 是编程套具一样，Spiral 是写作套具，在写作过程的每个阶段为你提供支持。具体是这样运作的：
- 在你开始写作之前，Spiral 会审视你想法的清晰度以及用于论证它的材料。从基础的写作提示词，到 Every 编辑和社交媒体团队来之不易的创作心得，多个超过 12,000 字的系统提示词（system prompts）支配着 Spiral 的工作流程。（为了让风格和内容都达到最佳状态，我们至今已对这些系统提示词迭代了 131 次。）
- 到了起草阶段，Spiral 会利用文体测量学再现你的声音，并在适当的地方融入 Every 的创作方法论。比如，如果你让 Spiral 写推文，它会整合 X 平台最新算法更新的最佳实践。
- 当你需要打磨草稿时，Spiral 就是你的编辑。除了内置的对抗“AI 腔”的防护机制外，你还可以设定自定义写作规则，Spiral 会在“最终编辑”（top edit）中应用这些规则。所谓最终编辑，就是在一篇文章上进行的最后一轮专家级润色——这也是我在 Every 工作时学到的一个术语。
我们曾撰文探讨过让大语言模型像你一样写作的挑战。通过提示词让大语言模型写出像你一样的文字很难，更别说让它停止使用那些常见的 AI 措辞和标点符号习惯了。Spiral 的风格引擎是我们所知的、解决这个问题的最佳方案。一个评估项目会在 Spiral 生成的每一份草稿上运行，它让一个充当裁判的大语言模型在盲测队列中，从真实样本里识别出 AI 生成的草稿。目前，我们在这项评估中达到了 87% 的成功率。换句话说，Spiral 生成的草稿在近九成的情况下都能完美混入用户自己的写作样本中。 当某份草稿被识别出来时，裁判会解释原因，这为风格引擎的进一步优化形成了一个反馈闭环。
Spiral 全面走向智能体原生
正如 Dan Shipper 所指出的，Claude 和 Codex 正日益成为所有计算机工作的中心界面。因此，我们通过 MCP、CLI 和 API，将 Spiral 开放给了智能体使用。
要试用这一功能，请在你的智能体中复制粘贴以下命令：
帮我设置 Spiral，我的 AI 写作工具，这样你就能用我的声音写作了。请阅读 https://writewithspiral.com/agents.md 并按照步骤操作。简而言之：添加 Spiral 的远程 MCP 服务器，地址为 https://api.writewithspiral.com/mcp/（Streamable HTTP）。首次连接会打开浏览器让你登录 Spiral 并授权访问（OAuth，无需粘贴 API 密钥）。然后帮我写点东西。
命令行界面（CLI）是我个人使用 Spiral 最多的方式。当我合并一个拉取请求后，一个清理命令会在 Claude Code 中运行，它会调用 Spiral 为 Spiral X 账号生成关于新功能的推文。Spiral 实现了自我营销。这项技术现在已以 ce-promote 命令的形式，打包进了复合工程插件（compound engineering plugin）中。
除了主要的 spiral write 命令，CLI 和 MCP（模型上下文协议）还提供了 "personalize"（个性化）和 "humanize"（人性化）功能。"个性化"会将给定的文本用你的声音重写。"人性化"则会进行一次处理，以去除常见的 AI 痕迹，包括那令人生畏的破折号（Every 的内部行文风格本身是使用破折号的，因此它才会出现在本文中）。
自我们上个月推出这一集成以来，已有超过 500 个智能体连接到了 Spiral。这些智能体正自动地、以用户的声音，修订博客文章、生成营销文案、起草邮件回复等等。有些日子里，API 会话的数量甚至超过了网页会话。随着 Spiral 在智能体原生场景下的使用量增加，我们意识到需要调整定价模式。这带来的结果是，我们将采用一种新的、基于 token 的定价模式，这与 Claude、Codex 和 Cursor 等 AI 应用的模式更为一致。
从会话次数限制到 token 用量限制
仅在五月份，Spiral 就生成了数十亿个大语言模型 token，即文本单位。虽然草稿通常只有 500 到 1000 个词，但在幕后，为了产出优秀的草稿，需要处理大量的 token。这让我想起了据传是法国数学家布莱兹·帕斯卡（Blaise Pascal）说过的一句话：“如果我有更多时间，我就会写一封更短的信了。”要生成少数几个好用的 token，本身就需要消耗大量的 token。
在此次发布之前，Spiral 限制的是用户每月可以开启的会话次数（即独立聊天的数量）。这种方法有两个问题。首先，有些用户在单个聊天中发送数百条消息，消耗了数千万个 token，却仅用掉了他们会话配额的 2%。其次，API 用户很快会用完他们的会话限额，因为 API 使用的形态往往是许多次单轮会话。
我们正转向基于 token 的模型。个人和团队计划每月都包含数百万个 token。一旦这些 token 用尽，额外的用量将按量计费。客户可以关闭额外用量并设置自己的消费上限。
好消息是，个人和团队计划的基础价格都将下调 10 美元。个人计划现在起价为每月 15 美元（原价 25 美元），团队计划起价为每月每用户 25 美元（原价 35 美元）。
Every 订阅捆绑包依然是最具价值的选择：每月 30 美元，你不仅能使用 Spiral，还能获得我们对 AI 领域的全部报道以及其他四款产品：Cora、Monologue、Proof 和 Sparkle。一旦你订阅了 Every 捆绑包，用相同的邮箱地址登录 Spiral 即可开始写作。
讲述你的故事，表达你的想法
技术最美好的状态，是当它增强我们的技能时——放大我们擅长的事，辅助我们不擅长的事。Figma 和 Canva 帮助设计师更好地完成工作，也让没有设计背景的人可以将心中所想呈现出来。Claude Code 和 Codex 帮助工程师交付更多软件，也让没有工程背景的人可以创造出他们一直希望存在的软件。我们的希望是，Spiral 能帮助写作者打磨他们的作品，并让那些没有深厚写作背景的人，能够将他们的故事和想法付诸文字。
Spiral 有一位用户是来自澳大利亚的退休音乐家。他在录音室和巡回演出中积攒了一生的故事，但从未将它们写下来，因为他不太知道该如何讲述。自从注册了 Spiral，他已经在该工具的帮助下记录了自己人生故事的许多篇章。他告诉我，Spiral 教会了他如何成为一个更好的讲述者。
这正是我们努力的方向：一个能够帮助人们准确表达心中所想，并且越表达越好的写作伙伴。Spiral 不仅快速产出好文章，还会在过程中解释它的写作和编辑决策：关于节奏、结构、修辞等的理由。正如我的同事 Natalia Quintero 所观察到的，最好的 AI 工具会让你在使用的过程中学到东西。
如果以上任何一点让你觉得有用，请试试 Spiral。在 X 上（@tryspiral）分享你的反馈，或通过邮件联系我们：hi@writewithspiral.com。
核心启示：Spiral 4.0 不只是一个写作工具的功能更新，而是一次定位升级。它通过风格引擎解决了 AI 写作中最核心的“声音”问题，并通过 MCP、CLI 和 API 将自己嵌入到更广泛的自动化工作流中，从一个人机交互的写作应用，转变为一个可以为智能体所用的、可编程的写作基础设施。
Spiral 4.0 Goes Agent-native 的发芽报告
材料核心
Spiral 4.0 将 AI 写作工具从“辅助人类的界面”重构为“可被智能体调用的能力层”，通过风格度量学、智能体原生接口和团队协作，让写作自动化嵌入到整个工作流中——这在本质上是在实践一种新的写作范式：让算法理解你的风格，让代理去替你执行写作。
发芽 01：风格的数字化——从“像你一样写”到“成为你的一种延伸”
种子
Spiral 声称它的 Style Engine 能在 87% 的情况下让 AI 生成的文本在盲测中“混入”用户的真实样本。这个数字背后隐藏着一个更大的叙事：写作风格正在被当作可计算、可转移、可验证的“数字指纹”。这不是简单的风格模仿，而是把你的写作风格从一个描述性的概念变成了一个可操作的技术对象。这让我想起历史上一个类似的范式转变——指纹识别的科学化。
故事：从 Galton 到风格指纹
1892 年，弗朗西斯·高尔顿（Francis Galton）出版了《指纹》一书，系统论证了指纹的唯一性和持久性，并将其转化为一种可操作的分类系统。在此之前，指纹只是一种民间的签字方式；在此之后，它成为司法识别的科学基础。高尔顿计算过，两枚指纹完全匹配的概率约为 640 亿分之一。
Spiral 做的事情在概念上与此类似：它将“写作风格”从一个模糊的文学概念，转化为一组可计算的特征向量。文章中提到他们用了一个 LLM-as-judge 的评估系统，在盲测中识别哪一段是 AI 生成的，哪一段是用户写的。当系统无法区分时，就说明风格匹配成功。
但这也带来了一个深层问题：高尔顿的指纹理论假设每个人的指纹是固定的、先天的。而写作风格是流动的、进化的。当 Spiral 锁定了你当前的“风格指纹”，它会不会反过来固化你的风格，让你失去变化的能力？文章作者提到退休的澳大利亚音乐家，说 Spiral 帮助他讲出了自己从未写过的故事。但反过来，如果这位音乐家开始依赖这个工具，他真正发展“自己的声音”的过程会不会被截断？
Aha 瞬间
“当风格变成数字指纹，问题不再是‘它能写得多像我’，而是‘我的风格还能不能自由演化’。”
发芽 02：智能体原生——当“使用工具的人”变成了“调用工具的程序”
种子
Spiral 4.0 不仅仅是添加了 API，而是宣称自己“智能体原生”（agent-native）。这意味着它的主要用户画像正在从“坐在电脑前构思文章的人”转向“一个正在自动执行任务的 AI 智能体”。文章里提到一个具体场景：Marcus 合并了一个 pull request 之后，Claude Code 自动调用 Spiral 去生成推文。这里有一个微妙但重大的转变：写作从“我决定写什么”变成了“系统决定什么时候需要写什么，然后自动执行”。
故事：电报时代的“自动写作”
1858 年第一条跨大西洋电报电缆铺设成功后，路透社的创始人 Paul Julius Reuter 发现了一个问题：信息传输速度大大加快了，但把电报稿转换成新闻稿的速度跟不上。当时的解决方案是雇用一批专业写手，专门“翻译”电报。这些写手形成了一套约定俗成的写作规范——倒金字塔结构、五 W 原则——本质上就是把新闻写作“算法化”，让任何人拿到电报原文都能按规则写出合格的新闻。
Spiral 这次的“智能体原生”转向是在做类似的事：把“写”这个动作从人的责任转移给了一个由规则和模型驱动的代理。但有一处特别耐人寻味：文章说 CLI 是 Marcus 个人使用最多的方式，并且提到 ce-promote 命令——Spiral 在“营销自己”。这不是人在写营销文案，而是系统在检测到新功能上线时自动触发生成。写作的起点不再是“我有话要说”，而是“这里出现了一个值得传播的事件”。
这带来的问题是：当智能体决定“什么时候需要写”的时候，写作的意义是增加了还是减少了？那些“值得写”的信号是由谁定义的？如果未来的写作中，越来越多的内容是由系统触发的，我们是否需要重新定义“作者”这个概念？
Aha 瞬间
“当写作从‘我决定说’变成‘系统决定该说’，作者不再是一个创作主体，而是一个触发条件和输出格式的配置者。”
发芽 03：从“写得更快”到“写得更多”——Token 经济学背后的隐性激励
种子
Spiral 从会话限制转向 Token 限制，表面上是一个计费模式的调整。但文章里不经意间透露了一个关键细节：“生成一篇 500 到 1000 字的草稿，背后处理的 token 量远超这个数字。” 接着引用了布莱兹·帕斯卡的那句名言： “如果我有更多时间，我会写一封更短的信。” 这句话在这里出现，其实是在暗示一种写作工具的经济学悖论：为了让你写得“少而精”，系统实际消耗的资源可能远多于你所见的产出。
故事：帕斯卡和 Token 的隐藏代价
1656 年，帕斯卡在《致外省人信札》的第十六封中确实写过：“这封信比平时长了一些，只是因为我没时间把它写得更短。” 这句话成为写作哲学中的经典，因为它揭示了一个真理：凝练比铺陈更困难，编辑比初稿更昂贵。
Spiral 把它搬出来的用意很明显：说明为什么他们需要收那么多 Token 的费用，因为“让 AI 写出简短的好东西”需要大量的幕后计算。但这里有一个隐藏的张力：如果凝练是好写作的本质，那么大规模 Token 消耗所支撑的“自动写作”，本质上是在鼓励什么？
当计费模式变成按 Token 计价，商业模式就自然倾向于鼓励“消耗更多 Token”。虽然文章说用户可以设置消费上限，但系统架构本身的激励方向与“写短而精”的价值观是相反的。就像 19 世纪电报按字计费，结果反而催生了维多利亚时代那种极度冗长的报纸文风——因为当时是发送者为电报付费，而报纸为了显得“物超所值”，会把简短的电报信息扩充成长篇大论。
Spiral 面临类似的张力：它承诺帮你“写得更好”，但它的收入模型与 Token 消耗量挂钩。这两者之间的裂缝，可能决定了这个工具长期会偏向哪一边。
Aha 瞬间
“帕斯卡的悖论进入了 AI 时代：你想写得短，但你的工具为了帮你写得短，正消耗着你看不见的巨量资源——而它的商业模式，刚好就建立在这些消耗之上。”
你的思考空间
Spiral 承诺“解释写作决策”，教用户如何成为更好的写作者。但当一个音乐家用它来讲述自己从未写过的故事时，他学到的是写作技艺，还是学会了如何调教一个风格引擎？这两者的边界在哪里？
如果智能体原生成为趋势，未来的企业是否会出现“首席写作智能体官”这样的角色——一个专门负责配置和调优公司所有自动化写作输出的人？这个角色和传统的“内容总监”有什么区别？
文章提到 Spiral 已经被超过 500 个智能体连接。当这些智能体在替不同的用户生成内容时，如果两个用户的风格恰好相似，那意味着什么？“风格指纹”在群体层面会不会出现“撞指”？
Spiral 强调真实写作风格的复制，但当越来越多的内容是由智能体在后台自动生成时，读者会不会发展出一种“AI 风格疲劳”的新需求——渴望读到那些明显不能由 AI 写出的、带有明确的“人类不确定性”的文本？