菜谱有人设吗？在带归属的程序化图中刻画与生成创作者风格

尽管大语言模型（LLM）拥有海量的零样本程序性知识，其产出同质化逻辑的倾向往往掩盖了人类创作者独特而个性化的执行过程。本文研究从非结构化数据中计算发现程序性人设（procedural personas）。为此，我们引入ViralRecipesTrans，一个新数据集，从热门烹饪视频转录文本中提取程序对齐的执行流图，并显式映射到特定创作者。我们将程序性文体学形式化为图学习与过程发现任务，揭示出一个基本对偶性：传统的词法分类器会因语义泄漏而过拟合，而离散拓扑度量则能成功捕捉创作者工作流中的刚性物理约束。基于这一刻画，我们将框架扩展到一个新的生成任务——为未见过的菜品预测创作者精确的结构化执行图。我们揭示了风格生成中全局宏观规划与局部结构化执行之间的基本二分性。结果表明：少样本LLM在语义分配上占优，却存在持续的宏观规划缺陷；而我们的结构化两阶段模型凭借刚性的马尔可夫先验实现了更强的拓扑控制。二者结合的集成方法融合双方优势，动态地将全局语义推理与局部拓扑特征综合起来，实现个性化工作流的自动化发现与生成。