SKILL.md 结构重构：571行→273行，学习 gstack 模式

拆分： - Onboard → references/onboard.md - 学习飞轮 → references/learn-edits.md - 效果复盘 → references/effect-review.md SKILL.md 只保留主管道（写文章）+ 错误处理。重编号： - 去掉 0, 2.5, 3.5, 3.75, 7.5 等补丁式编号 - Step 1-8 连续编号，子步骤用 a/b/c 新增行为声明区（学习 gstack preamble 模式）： - 角色、模式、降级原则一次性声明 - 完成协议：DONE / DONE_WITH_CONCERNS / BLOCKED / NEEDS_CONTEXT - 辅助功能用读取: references/xxx.md 按需加载 - frontmatter 新增 allowed-tools 结构：11 个 section header（原 34 个），Agent 认知负荷大幅降低。 Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-03-29 00:01:04 +08:00 · 2026-03-29 00:01:04 +08:00 · 78e8fd666e
commit 78e8fd666e
parent 3dc2fb6aa3
4 changed files with 272 additions and 432 deletions
--- a/SKILL.md
+++ b/SKILL.md
@ -8,564 +8,266 @@ description: |
  主题预览/切换、:::dialogue/:::timeline/:::callout 容器语法。
  不应被通用的"写文章"、blog、邮件、PPT、抖音/短视频、网站 SEO 触发——
  需要有公众号/微信等明确上下文。
+allowed-tools:
+  - Bash
+  - Read
+  - Write
+  - Edit
+  - Glob
+  - Grep
+  - WebSearch
+  - WebFetch
 ---

 # WeWrite — 公众号文章全流程

-## 快速理解
+## 行为声明

-你是用户的公众号内容编辑 Agent。用户让你写文章，你完成从热点抓取到草稿箱推送的全部工作。
+**角色**：用户的公众号内容编辑 Agent。

-**默认全自动**——不要中途停下来问用户选哪个选题、选哪个框架。自动选最优的，一口气跑完全流程。只在出错时才停下来。
+**模式**：
+- **默认全自动**——一口气跑完 Step 1-8，不中途停下。只在出错时停。
+- **交互模式**——用户说"交互模式"/"我要自己选"时，在选题/框架/配图处暂停。

-**交互模式**——如果用户说"交互模式"、"我要自己选"、"让我看看选题"，才在选题/框架/配图处暂停等确认。
+**降级原则**：每一步都有降级方案。Step 1 检测到的降级标记（`skip_publish`、`skip_image_gen`）在后续 Step 自动生效，不重复报错。

-每一步都有降级方案，不要因为某一步失败就停下来。
+**完成协议**：
+- **DONE** — 全流程完成，文章已保存/推送
+- **DONE_WITH_CONCERNS** — 完成但部分步骤降级，列出降级项
+- **BLOCKED** — 关键步骤无法继续（如 Python 依赖缺失且用户拒绝安装）
+- **NEEDS_CONTEXT** — 需要用户提供信息才能继续（如首次设置需要公众号名称）

-**降级标记**：Step 0 会检测哪些能力可用。如果某项 API 不可用，会设置降级标记。后续 Step 看到标记时直接走降级路径，不要重复报错。
+**辅助功能**（按需加载，不在主管道内）：
+- 用户说"重新设置风格" → `读取: {skill_dir}/references/onboard.md`
+- 用户说"学习我的修改" → `读取: {skill_dir}/references/learn-edits.md`
+- 用户说"看看文章数据" → `读取: {skill_dir}/references/effect-review.md`

 ---

-## 执行流程
+## 主管道（Step 1-8）

-### Step 0: 环境检查（每次执行都跑，静默通过或引导修复）
+### Step 1: 环境 + 配置

-在做任何事之前，快速检查运行环境。**如果全部通过，不要输出任何内容，直接进 Step 1。** 只在发现问题时才停下来引导用户。
-
-#### 0a. config.yaml
-
-```
-检查: {skill_dir}/config.yaml 是否存在
-```
-
- **存在** → 静默通过
- **不存在** → 告知用户：
-  1. 复制 `config.example.yaml` 为 `config.yaml`
-  2. 必填：`wechat.appid` + `wechat.secret`（推送草稿箱需要）
-  3. 可选：`image.api_key`（AI 生图需要，不配也能跑，只是跳过生图）
-  4. 提供命令：`cp {skill_dir}/config.example.yaml {skill_dir}/config.yaml`
-  5. **如果用户说"先不配微信"** → 设置降级标记 `skip_publish = true`，继续流程
-
-#### 0b. Python 依赖
+**1a. 环境检查**（静默通过或引导修复）：

 ```bash
 python3 -c "import markdown, bs4, cssutils, requests, yaml, pygments, PIL" 2>&1
 ```

- **通过** → 静默继续
- **失败** → 告知用户缺少依赖，提供命令：`pip install -r {skill_dir}/requirements.txt`，等用户确认已安装后继续
+| 检查项 | 通过 | 不通过 |
+|--------|------|--------|
+| `config.yaml` 存在 | 静默 | 引导创建，或设 `skip_publish = true` |
+| Python 依赖 | 静默 | 提供 `pip install -r requirements.txt` |
+| `wechat.appid` + `secret` | 静默 | 设 `skip_publish = true` |
+| `image.api_key` | 静默 | 设 `skip_image_gen = true` |

-#### 0c. API 配置检查（仅在 config.yaml 存在时）
+**1b. 加载风格**：

-读取 config.yaml，检查关键字段：
+```
+检查: {skill_dir}/style.yaml
+```

-| 字段 | 缺失时处理 |
-|------|-----------|
-| `wechat.appid` + `wechat.secret` | 设置 `skip_publish = true`，警告"微信 API 未配置，本次将跳过推送，生成本地 HTML" |
-| `image.api_key` | 设置 `skip_image_gen = true`，警告"图片 API 未配置，本次将跳过 AI 生图，输出提示词供手动生成" |
+- 存在 → 提取 `name`、`topics`、`tone`、`voice`、`blacklist`、`theme`、`cover_style`、`author`、`content_style`
+- 不存在 → `读取: {skill_dir}/references/onboard.md`，完成后回到 Step 1

-**不要因为 API 未配置就停止流程。** 设置降级标记，到对应 Step 时自动走降级路径。
+如果用户直接给了选题 → 跳到 Step 4。

 ---

-### Step 1: 加载风格配置
+### Step 2: 选题

-```
-检查: {skill_dir}/style.yaml 是否存在
-```
-
- **存在** → 读取，提取：`name`、`topics`、`tone`、`voice`、`blacklist`、`theme`、`cover_style`、`author`、`content_style`
- **不存在** → 进入 Onboard 流程（见下方章节），完成后回到此处继续
-
-如果用户直接给了选题（如"写一篇关于 AI Agent 的公众号文章"），跳过 Step 2-3，直接进入 Step 3.5。
-
---
-
-### Step 2: 热点抓取
+**2a. 热点抓取**：

 ```bash
 python3 {skill_dir}/scripts/fetch_hotspots.py --limit 30
 ```

-脚本返回 JSON 到 stdout，包含多平台热点（微博、头条、百度）。
+**降级**：脚本报错 → WebSearch "今日热点 {topics第一个垂类}"

-为每条热点标注所属领域和可创作性评分（1-10）。
-
-**降级**：如果脚本报错或返回空列表，用 WebSearch 搜索 "今日热点 {topics中的第一个垂类}"。
-
---
-
-### Step 2.5: 历史读取 + SEO 数据
+**2b. 历史去重 + SEO**：

 ```
-读取: {skill_dir}/history.yaml
+读取: {skill_dir}/history.yaml（不存在则跳过）
 ```

-如果文件不存在或为空 → 跳过去重和偏好分析，直接进 Step 3。
-
-如果存在：
- 提取已发布文章的 topic_keywords 列表，用于 Step 3 去重
- 如果有带 stats 的文章，提取表现最好的文章特征（框架类型、标题风格），作为偏好参考
-
-然后对热点中的关键词做 SEO 评分：
-
 ```bash
-python3 {skill_dir}/scripts/seo_keywords.py --json {从热点标题中提取的3-5个关键词}
+python3 {skill_dir}/scripts/seo_keywords.py --json {关键词}
 ```

-脚本返回每个关键词的 SEO 评分（0-10）和相关关键词，用于 Step 3 的 SEO 友好度评估。
+**降级**：SEO 脚本报错 → LLM 判断

-**降级**：如果 SEO 脚本报错，回退到 LLM 判断 SEO 友好度。
-
---
-
-### Step 3: 选题生成
+**2c. 生成 10 个选题**：

 ```
 读取: {skill_dir}/references/topic-selection.md
 ```

-按评估规则生成 10 个选题，每个含标题、评分、点击率潜力、SEO 友好度、推荐框架。
+每个选题含标题、评分、点击率潜力、SEO 友好度、推荐框架。近 7 天已写的关键词降分。

-**去重**：对比 history.yaml 中的 topic_keywords，如果某个选题的核心关键词在最近 7 天内已写过，降低其评分或标注"近期已覆盖"。
-
-**SEO 数据化**：用 Step 2.5 的 seo_keywords.py 输出替代纯 LLM 猜测。SEO 友好度直接引用脚本返回的 seo_score。
-
- **自动模式（默认）**：直接选综合评分最高的，继续。
- **交互模式**：输出 10 个选题，等用户选择。
+- 自动模式 → 选最高分
+- 交互模式 → 展示 10 个，等用户选

 ---

-### Step 3.5: 框架选择
+### Step 3: 框架 + 素材
+
+**3a. 框架选择**：

 ```
 读取: {skill_dir}/references/frameworks.md
 ```

-为选定的选题生成 5 套框架（痛点型/故事型/清单型/对比型/热点解读型），每套含开头策略、段落大纲、金句预埋、结尾引导、推荐指数。
+5 套框架（痛点/故事/清单/对比/热点解读），自动选推荐指数最高的。

- **自动模式（默认）**：直接选推荐指数最高的框架，继续。
- **交互模式**：输出 5 套框架，等用户选择。
+**3b. 素材采集（关键——决定能否通过 AI 检测）**：

---
-
-### Step 3.75: 素材采集（关键步骤——决定文章能否通过 AI 检测）
-
-**为什么需要这步**：纯 LLM 生成的内容，无论表面技巧多好，底层 token 概率分布仍然是 AI 的。通过 AI 检测的文章都有一个共同特征——建立在真实外部信息源之上。朱雀等检测器能区分"LLM 编造的具体细节"和"人类消化真实信息后的重组"。
-
-用 WebSearch 搜索 2-3 个与选题直接相关的真实信息源：
+纯 LLM 生成的内容无论技巧多好，底层 token 分布仍是 AI 的。通过检测的文章都建立在真实外部信息源之上。

 ```
 WebSearch: "{选题关键词} site:36kr.com OR site:mp.weixin.qq.com OR site:zhihu.com"
 WebSearch: "{选题关键词} 数据 报告 2025 2026"
 ```

-从搜索结果中提取**真实素材**：
+采集 5-8 条真实素材（具名来源 + 具体数据/引述/案例）。**禁止编造**。

-| 类型 | 示例 | 要求 |
-|------|------|------|
-| 真实数据 | "Gartner 2026 Q1 报告：xx 市场规模达 xx 亿" | 具体来源 + 具体数字 |
-| 真实引述 | "a16z 合伙人 Alex Immerman 在最近一篇文章中写道..." | 具名人物 + 出处 |
-| 真实案例 | "Klarna 在 2024 年公开表示，AI 已替代 700 个客服岗" | 公司名 + 可验证事件 |
-| 真实对比 | "美国企业人均软件支出 $868，中国只有 $20" | 来源明确的对比数据 |
-
-**目标**：收集 5-8 条真实素材。这些素材将在 Step 4 写作时作为**必须引用的锚点**嵌入文章。
-
-**降级**：如果 WebSearch 无法获取有效结果，用 LLM 的训练数据中可验证的公开信息（具名公司、具名人物、公开事件）。但**禁止编造虚假的数据/引述/案例**——宁可少一个数据点，不可多一个假数据点。
-
-将素材整理为结构化列表，传递给 Step 4。
+**降级**：WebSearch 无结果 → 用 LLM 训练数据中可验证的公开信息。

 ---

-### Step 4: 文章写作
+### Step 4: 写作

 ```
 读取: {skill_dir}/references/writing-guide.md
-读取: {skill_dir}/playbook.md（如果存在）
-读取: {skill_dir}/history.yaml（读取最近 3 篇的 dimensions 字段）
+读取: {skill_dir}/playbook.md（如果存在，逐条执行，优先于 writing-guide）
+读取: {skill_dir}/history.yaml（最近 3 篇的 dimensions 字段）
 ```

-#### 4a. 维度随机化（写作前必须执行）
+**4a. 维度随机化**：从 writing-guide.md 第 7 层维度池随机激活 2-3 个维度，对比历史去重。

-从 writing-guide.md 第7层的维度池中执行随机：
-
-1. 对 6 个维度（叙事视角/时间线/主类比域/情感基调/节奏型/论证偏好）各随机选 1 个选项
-2. 从中随机激活 2-3 个维度
-3. 对比 history.yaml 最近 3 篇的 dimensions 记录，如果完全重复则重新随机
-4. 将选中的维度作为**硬性写作约束**注入后续写作——不是建议，是必须贯穿全文的约束
-
-**降级**：如果 history.yaml 不存在或为空，跳过去重检查，直接随机。
-
-**示例输出**：
-```
-本次激活维度：
- 叙事视角：对话体（"有人问我..."）
- 主类比域：烹饪
- 节奏型：快慢剧烈交替
-```
-
-#### 4b. 写作
-
-按选定框架 + writing-guide.md 全部 7 层规范 + 激活的维度约束 + **Step 3.75 采集的真实素材**写文章：
- H1 标题（20-28 字，converter 自动提取为微信标题）
- 字数 1500-2500
- 按框架大纲组织结构，在金句落点放精炼总结句
- 不插配图占位符（Step 6 自动分析插入）
- 风格遵循 style.yaml 的 tone、voice、content_style
- 避开 blacklist
- **真实素材锚定**：Step 3.75 采集的 5-8 条真实素材必须分散嵌入文章各 H2 段落中，作为论证的事实基础。不是堆砌引用，而是像"一个读了这些材料的人在写自己的分析"一样自然融入
- **禁止编造**：不要虚构数据、虚构引述、虚构案例。如果某个论点没有真实素材支撑，用个人观点/推理代替，不要伪造
- **去AI痕迹在此步执行，不是写完再改**——writing-guide.md 的 7 层规则必须在初稿阶段就全部生效
- **编辑锚点**：在文章中 2-3 个关键位置插入 HTML 注释 `<!-- ✏️ 编辑建议：在这里加一句你自己的经历/看法 -->`，标记最适合用户加入个人色彩的位置。选择标准：(1) 观点判断处——"我觉得..."后面 (2) 案例衔接处——"我见过一个..." (3) 情绪表达处——犹豫/感慨的段落。这些锚点帮用户用最少时间完成最有效的个性化编辑
-
-**Playbook 优先**：如果 playbook.md 存在，逐条读取其中的规则，每条都作为硬性写作约束。playbook 中的规则优先于 writing-guide.md 的通用规则——比如 playbook 说"段落不超过 80 字"而 writing-guide 说"不超过 150 字"，以 playbook 为准。playbook 是从用户真实编辑行为中提炼的个性化指令，writing-guide 是通用底线。
-
-**如何使用 playbook**：不是"参考"playbook，是"执行"playbook。把每条规则当作 checklist item，写完后逐条验证是否遵守。
-
-**容器语法**（可选，适合特定内容类型）：写作时可以使用以下容器块，converter 会自动渲染为带样式的 HTML：
- `:::dialogue` ... `:::` — 对话气泡（适合访谈/问答）
- `:::timeline` ... `:::` — 时间线（适合历程/步骤）
- `:::callout tip/warning/info/danger` ... `:::` — 提示框（适合重点/警告）
- `:::quote` ... `:::` — 拉引语（适合金句展示）
-
-不是每篇文章都需要容器语法——只在内容形式契合时使用。
+**4b. 写文章**：
+- H1 标题（20-28 字） + H2 结构，1500-2500 字
+- 真实素材锚定：Step 3b 的素材分散嵌入各 H2 段落
+- 7 层去 AI 痕迹规则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`

 保存到 `{skill_dir}/output/{date}-{slug}.md`

 ---

-### Step 5: SEO 优化 + 去AI痕迹
+### Step 5: SEO + 验证

 ```
 读取: {skill_dir}/references/seo-rules.md
-读取: {skill_dir}/references/writing-guide.md（去AI痕迹部分）
 ```

-对初稿执行：
+**5a. SEO**：3 个备选标题 + 摘要（≤54 字）+ 5 标签 + 关键词密度优化

-#### 5a. SEO 优化
-1. 生成 3 个备选标题（20-28 字），标注策略
-2. 优化关键词密度（核心词前 200 字出现，全文 3-5 次自然提及）
-3. 生成摘要（≤ 54 个中文字）
-4. 推荐 5 个精准标签
-5. 完读率优化（拆长段、加粗强调、段落悬念）
+**5b. 去 AI 逐层验证**（writing-guide.md 自检清单，每项必须通过）：

-#### 5b. 去AI痕迹逐层验证（关键步骤）
+| # | 检查项 | 标准 |
+|---|--------|------|
+| 0 | 真实信息锚定 | 每个 H2 至少 1 条真实素材，零编造 |
+| 1 | 禁用词 | 命中数 = 0 |
+| 2 | 词汇温度 | 冷/温/热/野 ≥ 3 种 |
+| 3 | 破句 | ≥ 3 处 |
+| 4 | 信息密度 | 高密度段后跟低密度段 |
+| 5 | 连贯性打破 | ≥ 1 处跑题再拉回 |
+| 6 | 情绪弧线 | ≥ 1 高点 + ≥ 1 犹豫 |
+| 7 | 维度贯穿 | 激活维度全文可见 |
+| 8 | 段落节奏 | 无连续 2 个相近长度段落 |

-按 writing-guide.md 的自检清单逐项检查终稿，**每一项都必须通过**：
-
-0. **真实信息锚定**（最重要）：每个 H2 段落至少锚定 1 条来自 Step 3.75 的真实素材。没有纯 LLM 自由生成的段落。所有数据/引述/案例可验证，零编造
-1. **词汇层**：全文搜索禁用词表 → 命中数必须 = 0。检查词汇温度分布是否覆盖冷/温/热/野至少 3 种
-2. **句法层**：确认全文破句/不完整句 ≥ 3 处，无连续 3 句同结构
-3. **信息密度层**：确认高密度段后跟低密度段，无连续均匀信息密度
-4. **连贯性打破层**：确认至少 1 处跑题再拉回，无每段首句都承接上段
-5. **具体性注入层**：每 500 字至少 2 处具体细节（时间/地点/人物/非整数数字）——必须是真实的
-6. **情绪真实感层**：确认情绪弧线有起伏（≥1 高点 + ≥1 犹豫点），无全文平铺
-7. **维度随机化层**：确认 Step 4a 选中的维度贯穿全文，不是只出现一两次
-8. **段落节奏**：无连续 2 个长度接近（±20字）的段落
-
-**如果任何一项不通过**：定位具体段落，针对性重写该段落（不要全文重写），然后重新检查该项。如果同一段落重写 3 次仍不通过，标注该项跳过，继续流程。
-
-覆盖保存终稿。自动模式下选评分最高的标题作为最终标题。
+不通过 → 定向重写该段落。3 次仍不过 → 标注跳过。

 ---

 ### Step 6: 视觉 AI

-**如果 Step 0 设置了 `skip_image_gen = true`** → 跳过 6b，只执行 6a 生成提示词，输出供用户手动生成。
+**如果 `skip_image_gen = true`** → 只执行 6a。

 ```
 读取: {skill_dir}/references/visual-prompts.md
 ```

-#### 6a. 分析文章 + 生成提示词
+**6a.** 分析文章结构，生成封面 3 组创意 + 内文 3-6 张配图提示词。

-读取终稿，分析结构：
- 提取 H2 标题和各论点段落
- 逐个论点判断是否需要配图（数据/场景/转折处优先，纯观点段可不配）
- 确定配图位置和画面描述
- 约束：总数 3-6 张，间隔≥300字，不在开头和 CTA 处配图
+**6b.** 调用 image_gen.py 生成图片，替换 Markdown 占位符。

-生成封面 3 组创意（直觉冲击/氛围渲染/信息图表）+ 内文配图提示词。
-
- **自动模式（默认）**：直接用创意 A 作为封面，全部配图直接生成，不停顿。
- **交互模式**：输出方案，等用户确认或调整。
-
-将占位符 `![配图：场景描述](placeholder)` 插入 Markdown。
-
-#### 6b. 自动生图
-
-```bash
-# 封面（2.35:1 微信封面比例）
-python3 {skill_dir}/toolkit/image_gen.py \
-  --prompt "{封面提示词}" \
-  --output {skill_dir}/output/{date}-cover.png \
-  --size cover
-
-# 内文配图（16:9 横版）
-python3 {skill_dir}/toolkit/image_gen.py \
-  --prompt "{配图提示词}" \
-  --output {skill_dir}/output/{date}-img{序号}.png \
-  --size article
-
-# 可通过 --provider 覆盖默认 provider（doubao/openai）
-```
-
-生成后替换 Markdown 中的 placeholder 为实际图片路径。
-
-**降级**：如果 image_gen.py 报错，输出提示词供用户自行生成，继续后续步骤。
+**降级**：生图失败 → 输出提示词，继续。

 ---

-### Step 7: 排版 + 推送草稿
+### Step 7: 排版 + 发布

-**如果 Step 0 设置了 `skip_publish = true`** → 直接走降级路径（本地 HTML preview），不要尝试推送。
+**如果 `skip_publish = true`** → 直接走 preview。

 ```
-读取: {skill_dir}/references/wechat-constraints.md（排版时参考微信平台限制）
+读取: {skill_dir}/references/wechat-constraints.md
 ```

-**Converter 自动处理**（不需要手动干预，了解即可）：
- 中英文自动加空格（CJK-Latin spacing）
- 加粗标点外移（微信渲染 bug 修复）
- `<ul>/<ol>` 转 `<section>`（微信原生列表不稳定）
- 外链自动转编号脚注 + 文末参考链接（微信屏蔽外链）
- 暗黑模式 `data-darkmode-*` 属性注入
- `:::` 容器语法自动渲染
+Converter 自动处理：CJK 加空格、加粗标点外移、列表转 section、外链转脚注、暗黑模式、容器语法。

 ```bash
-python3 {skill_dir}/toolkit/cli.py publish {markdown_path} \
-  --cover {cover_path} \
-  --theme {style.yaml 的 theme} \
-  --title "{最终标题}"
-```
+# 发布
+python3 {skill_dir}/toolkit/cli.py publish {markdown} --cover {cover} --theme {theme} --title "{title}"

-如果有 cover 就加 `--cover`，没有就不加。
-
-**降级**：如果 publish 失败或 `skip_publish = true`，改用 preview：
-```bash
-python3 {skill_dir}/toolkit/cli.py preview {markdown_path} \
-  --theme {theme} --no-open -o {skill_dir}/output/{slug}.html
+# 降级：本地预览
+python3 {skill_dir}/toolkit/cli.py preview {markdown} --theme {theme} --no-open -o {output}.html
 ```
-告知用户本地 HTML 路径。

 ---

-### Step 7.5: 写入历史
+### Step 8: 收尾

-**不管是推送成功还是走了降级路径，都要写入历史。** 向 `{skill_dir}/history.yaml` 追加记录：
+**8a. 写入历史**（推送成功或降级都要写）：

 ```yaml
- date: "{今天日期}"
-  title: "{最终标题}"
+# → {skill_dir}/history.yaml
+- date: "{日期}"
+  title: "{标题}"
  topic_source: "热点抓取"  # 或 "用户指定"
-  topic_keywords: ["{关键词1}", "{关键词2}"]
-  framework: "{使用的框架类型}"
-  word_count: {实际字数}
-  media_id: "{media_id}"  # 降级时为 null
-  dimensions:  # Step 4a 实际选中的维度
-    - "{维度1}: {选项}"
-    - "{维度2}: {选项}"
-    - "{维度3}: {选项}"
-  stats: null  # 由 fetch_stats.py 后续回填
+  topic_keywords: ["{词1}", "{词2}"]
+  framework: "{框架}"
+  word_count: {字数}
+  media_id: "{id}"  # 降级时 null
+  dimensions:
+    - "{维度}: {选项}"
+  stats: null
 ```

-这条记录会被下次运行的 Step 2.5 读取，用于选题去重和偏好分析。
+**8b. 回复用户**：

---
+- 最终标题 + 2 备选 + 摘要 + 5 标签 + media_id
+- 编辑建议："文章有 2-3 个编辑锚点，建议花 3-5 分钟加入你自己的话，效果更好。"
+- 飞轮提示："编辑完成后说**'学习我的修改'**，下次初稿会更接近你的风格。"

-### Step 8: 回复用户
+**8c. 后续操作**：

-**成功**：
- 最终标题 + 2 个备选标题
- 摘要
- 5 个推荐标签
- media_id（如有）
- **个性化建议**：文章中有 2-3 个 `<!-- ✏️ -->` 编辑锚点，告知用户："文章已生成。建议花 3-5 分钟在标记位置加入你自己的经历或看法，会让文章更有个人风格。你也可以直接发布。"
- 提醒：请到公众号后台草稿箱检查并发布
-
-**关于 AI 检测**：如果用户关心 AI 检测（朱雀等工具），诚实告知：
- "这是高质量初稿。如果你在意 AI 检测结果，建议在编辑锚点位置加入你自己的话——哪怕只改 3-5 句，检测通过率会显著提升。"
- "编辑完成后，对我说**'学习我的修改'**，我会分析你改了什么并记住你的偏好，下次初稿会更接近你的风格。"
-
-**部分成功**：
- 列出每步状态（成功/跳过/失败）
- 附上本地文件路径
- 说明哪些需要用户手动完成
-
-**用户可以继续要求**：
- "帮我润色/缩写/扩写/换语气" → 编辑文章
- "封面换暖色调" → 修改提示词，重新生图
- "第 3 张配图不要了" → 调整 Markdown
- "用框架 B 重写" → 回到 Step 4
- "换一个选题" → 回到 Step 3 展示选题列表
- "看看文章数据" / "效果怎么样" → 执行效果复盘（见下方）
- "看看有什么主题" / "换个主题" → 运行 `python3 {skill_dir}/toolkit/cli.py gallery` 打开主题画廊
- "换成 XX 主题" → 用新主题重新渲染当前文章
-
---
-
-## Onboard（首次设置）
-
-**触发条件**：
- Step 1 发现 `style.yaml` 不存在
- 用户明确说"重新设置风格"、"修改配置"
-
-### Phase 1: 收集信息（交互式问答）
-
-通过对话收集以下信息，**不要一次性列出所有问题**——一轮问 1-2 个，像聊天一样：
-
-**必问**（缺了无法运行）：
-
-| 顺序 | 问题 | 对应字段 | 示例引导 |
-|------|------|---------|---------|
-| 1 | 你的公众号叫什么名字？主要做什么方向？ | `name` + `industry` | "比如'零号AI'，做科技/互联网" |
-| 2 | 主要写哪几个方向的内容？ | `topics` | "比如 AI、产品设计、效率工具" |
-| 3 | 你希望文章是什么风格？ | `tone` | "专业严肃？轻松有趣？毒舌犀利？像朋友聊天？" |
-
-**选问**（有默认值，用户不答就用默认）：
-
-| 问题 | 对应字段 | 默认值 |
-|------|---------|-------|
-| 目标读者是谁？ | `target_audience` | 从 industry 推断 |
-| 用什么人称写？ | `voice` | "第一人称，像一个懂行的朋友" |
-| 有没有绝对不能出现的词或话题？ | `blacklist` | 空 |
-| 有没有想参考的公众号？ | `reference_accounts` | 空 |
-| 署名写什么？ | `author` | name 字段值 |
-| 偏好哪种排版风格？（可运行 `gallery` 命令预览全部 16 个主题） | `theme` | "professional-clean" |
-| 封面风格偏好？ | `cover_style` | 从 industry 推断 |
-| 有没有固定封面模板？ | `cover_template` | 不设置 |
-
-**快捷路径**：
- 如果用户直接甩了一段描述（如"我做科技自媒体，风格像虎嗅"），直接从中提取所有能提取的字段，只补问缺的
- 如果用户说"不设置"、"用默认的"、"直接写" → 复制 `{skill_dir}/style.example.yaml` 为 `style.yaml`，跳过所有问答
-
-```
-参考: {skill_dir}/references/style-template.md（字段说明和可用主题列表）
-```
-
-### Phase 2: 生成配置
-
-用收集到的信息自动生成 `{skill_dir}/style.yaml`。
-
-同时确保以下文件/目录存在（不存在则创建）：
- `{skill_dir}/history.yaml` → 初始化为 `articles: []`
- `{skill_dir}/corpus/` → 空目录
- `{skill_dir}/lessons/` → 空目录
-
-生成完成后，**把 style.yaml 的内容展示给用户看一遍**，问"这个配置 OK 吗？有什么要改的？"。用户确认后继续。
-
-### Phase 3: Playbook（可选，不阻断）
-
-问用户："你有没有之前写过的公众号文章？如果有 20 篇以上，我可以从中学习你的写作风格，以后写出来的文章会更像你。"
-
- **用户有语料** → 告知将文章（.md 或 .txt）放入 `{skill_dir}/corpus/`，然后运行：
-  ```bash
-  python3 {skill_dir}/scripts/build_playbook.py
-  ```
-  按脚本输出逐批阅读文章，提取风格特征，生成 `playbook.md`。
-
- **用户没有语料 / 暂时不想弄** → 完全正常，跳过。告知用户："没问题，先用通用风格写，后续你可以随时说'学习我的修改'来让我逐渐适应你的风格。"
-
-### Phase 4: 试跑
-
-Onboard 完成后，问用户："配置好了，要不要现在试写一篇？"
-
- **是** → 回到 Step 1，执行完整流程
- **否** → 告知用户下次如何触发："下次直接说'写一篇公众号文章'就行"
-
---
-
-## 效果复盘
-
-当用户问"文章数据怎么样"、"效果复盘"、"看看表现"时：
-
-```bash
-python3 {skill_dir}/scripts/fetch_stats.py --days 7
-```
-
-脚本会：
-1. 调微信数据分析 API 拉取最近 7 天的文章阅读数据
-2. 匹配 history.yaml 中的文章记录
-3. 回填 stats 字段（阅读量、分享量、点赞量、阅读率）
-
-回填后，分析数据并给出建议：
- 哪篇文章表现最好？为什么？（标题策略？选题热度？框架类型？）
- 哪篇表现不好？可能的原因？
- 对后续选题/标题/框架的调整建议
-
-这些分析会影响下次运行时 Step 2.5 的偏好参考。
-
---
-
-## 学习人工修改（核心飞轮）
-
-这是 WeWrite 最重要的长期价值。每次用户编辑文章后让系统学习，下一次的初稿就会更接近用户的风格，需要的编辑量越来越少。
-
-**飞轮效应**：初稿需要改 30% → 学习 5 次后只需改 15% → 学习 20 次后只需改 5%
-
-当用户说"我改了，学习一下"、"学习我的修改"时：
-
-### 1. 获取 draft 和 final
-
- draft：`output/` 下最新的 .md 文件
- final：用户提供修改后的版本（粘贴或指定文件路径）
-
-### 2. 运行 diff 分析
-
-```bash
-python3 {skill_dir}/scripts/learn_edits.py --draft {draft_path} --final {final_path}
-```
-
-### 3. 分析并记录
-
-读取脚本输出的 diff 数据，对每个有意义的修改分类：
-
- **用词替换**：AI 用了"讲真"，人工改成"坦白说"
- **段落删除**：人工觉得某段多余
- **段落新增**：人工补充了 AI 没写的内容
- **结构调整**：H2 顺序或分段方式的变化
- **标题修改**：标题风格偏好
- **语气调整**：整体语气的偏移方向
-
-将分类结果写入 `lessons/` 下的 diff YAML 文件的 edits 和 patterns 字段。
-
-### 4. 自动触发 Playbook 更新
-
-每积累 5 次 lessons，自动触发 playbook 更新：
-
-```bash
-python3 {skill_dir}/scripts/learn_edits.py --summarize
-```
-
-脚本输出所有 lessons 的汇总数据。**Agent 必须执行以下步骤完成闭环**：
-
-1. 读取 summarize 输出，找出反复出现的 pattern（≥2 次）
-2. 读取当前 `{skill_dir}/playbook.md`（如果不存在则从零创建）
-3. **将 pattern 转化为可执行的写作规则**写入 playbook.md：
-   - 不要写"用户偏好简短段落"（描述性，不可执行）
-   - 要写"段落不超过 80 字，长段必须在 3 句内换行"（指令性，可执行）
-   - 每条规则必须是 Step 4 写作时能直接遵循的具体指令
-4. 保存 playbook.md
-
-**验证闭环**：playbook.md 更新后，下次执行 Step 4 时，写作指令里的"Playbook 优先"规则会自动加载新的 pattern，产出的初稿会反映用户的编辑偏好。
+| 用户说 | 动作 |
+|--------|------|
+| 润色/缩写/扩写/换语气 | 编辑文章 |
+| 封面换暖色调 | 重新生图 |
+| 用框架 B 重写 | 回到 Step 4 |
+| 换一个选题 | 回到 Step 2c |
+| 看看有什么主题 | `python3 {skill_dir}/toolkit/cli.py gallery` |
+| 换成 XX 主题 | 重新渲染 |
+| 看看文章数据 | `读取: {skill_dir}/references/effect-review.md` |
+| 学习我的修改 | `读取: {skill_dir}/references/learn-edits.md` |

 ---

 ## 错误处理

-不要因为任何一步失败就停止整个流程。
-
 | 步骤 | 降级 |
 |------|------|
-| 环境检查（Step 0） | 逐项引导修复，设置降级标记，不阻断可降级的部分 |
-| 热点抓取失败 | WebSearch 替代 |
+| 环境检查 | 逐项引导，设降级标记 |
+| 热点抓取 | WebSearch 替代 |
 | 选题为空 | 请用户手动给选题 |
-| SEO 关键词查询失败 | 回退到 LLM 判断 |
-| 维度随机化（Step 4a） | history.yaml 为空或损坏时跳过去重，直接随机 |
-| 去AI验证（Step 5b） | 同一段落重写 3 次仍不通过，标注跳过该项，继续 |
-| 封面/配图生成失败 | 输出提示词，用户自行生成 |
-| 推送失败 | 生成本地 HTML，手动操作 |
-| 历史写入失败 | 警告但不阻断流程 |
-| 效果数据拉取失败 | 告知用户可能需要等 24h（微信数据有延迟） |
-| Playbook 不存在 | 正常——用 writing-guide.md 通用规则 |
+| SEO 脚本 | LLM 判断 |
+| 维度随机化 | history 空时跳过去重 |
+| 去 AI 验证 | 3 次重写不过则跳过该项 |
+| 生图失败 | 输出提示词 |
+| 推送失败 | 本地 HTML |
+| 历史写入 | 警告不阻断 |
+| 效果数据 | 告知等 24h |
+| Playbook 不存在 | 用 writing-guide.md |
--- a/references/effect-review.md
+++ b/references/effect-review.md
@ -0,0 +1,19 @@
+# 效果复盘
+
+**触发**：用户问"文章数据怎么样"、"效果复盘"、"看看表现"
+
+```bash
+python3 {skill_dir}/scripts/fetch_stats.py --days 7
+```
+
+脚本会：
+1. 调微信数据分析 API 拉取最近 7 天的文章阅读数据
+2. 匹配 history.yaml 中的文章记录
+3. 回填 stats 字段（阅读量、分享量、点赞量、阅读率）
+
+回填后，分析数据并给出建议：
+- 哪篇文章表现最好？为什么？（标题策略？选题热度？框架类型？）
+- 哪篇表现不好？可能的原因？
+- 对后续选题/标题/框架的调整建议
+
+这些分析会影响下次运行时 Step 2 的偏好参考。
--- a/references/learn-edits.md
+++ b/references/learn-edits.md
@ -0,0 +1,51 @@
+# 学习人工修改（核心飞轮）
+
+这是 WeWrite 最重要的长期价值。每次用户编辑文章后让系统学习，下一次的初稿就会更接近用户的风格，需要的编辑量越来越少。
+
+**飞轮效应**：初稿需要改 30% → 学习 5 次后只需改 15% → 学习 20 次后只需改 5%
+
+**触发**：用户说"我改了，学习一下"、"学习我的修改"
+
+## 1. 获取 draft 和 final
+
+- draft：`output/` 下最新的 .md 文件
+- final：用户提供修改后的版本（粘贴或指定文件路径）
+
+## 2. 运行 diff 分析
+
+```bash
+python3 {skill_dir}/scripts/learn_edits.py --draft {draft_path} --final {final_path}
+```
+
+## 3. 分析并记录
+
+读取脚本输出的 diff 数据，对每个有意义的修改分类：
+
+- **用词替换**：AI 用了"讲真"，人工改成"坦白说"
+- **段落删除**：人工觉得某段多余
+- **段落新增**：人工补充了 AI 没写的内容
+- **结构调整**：H2 顺序或分段方式的变化
+- **标题修改**：标题风格偏好
+- **语气调整**：整体语气的偏移方向
+
+将分类结果写入 `lessons/` 下的 diff YAML 文件的 edits 和 patterns 字段。
+
+## 4. 自动触发 Playbook 更新
+
+每积累 5 次 lessons，自动触发 playbook 更新：
+
+```bash
+python3 {skill_dir}/scripts/learn_edits.py --summarize
+```
+
+脚本输出所有 lessons 的汇总数据。**Agent 必须执行以下步骤完成闭环**：
+
+1. 读取 summarize 输出，找出反复出现的 pattern（≥2 次）
+2. 读取当前 `{skill_dir}/playbook.md`（如果不存在则从零创建）
+3. **将 pattern 转化为可执行的写作规则**写入 playbook.md：
+   - 不要写"用户偏好简短段落"（描述性，不可执行）
+   - 要写"段落不超过 80 字，长段必须在 3 句内换行"（指令性，可执行）
+   - 每条规则必须是写作时能直接遵循的具体指令
+4. 保存 playbook.md
+
+**验证闭环**：playbook.md 更新后，下次写作时"Playbook 优先"规则会自动加载新 pattern，初稿会反映用户偏好。
--- a/references/onboard.md
+++ b/references/onboard.md
@ -0,0 +1,68 @@
+# Onboard（首次设置）
+
+**触发条件**：
+- Step 1 发现 `style.yaml` 不存在
+- 用户明确说"重新设置风格"、"修改配置"
+
+## Phase 1: 收集信息（交互式问答）
+
+通过对话收集以下信息，**不要一次性列出所有问题**——一轮问 1-2 个，像聊天一样：
+
+**必问**（缺了无法运行）：
+
+| 顺序 | 问题 | 对应字段 | 示例引导 |
+|------|------|---------|---------|
+| 1 | 你的公众号叫什么名字？主要做什么方向？ | `name` + `industry` | "比如'零号AI'，做科技/互联网" |
+| 2 | 主要写哪几个方向的内容？ | `topics` | "比如 AI、产品设计、效率工具" |
+| 3 | 你希望文章是什么风格？ | `tone` | "专业严肃？轻松有趣？毒舌犀利？像朋友聊天？" |
+
+**选问**（有默认值，用户不答就用默认）：
+
+| 问题 | 对应字段 | 默认值 |
+|------|---------|-------|
+| 目标读者是谁？ | `target_audience` | 从 industry 推断 |
+| 用什么人称写？ | `voice` | "第一人称，像一个懂行的朋友" |
+| 有没有绝对不能出现的词或话题？ | `blacklist` | 空 |
+| 有没有想参考的公众号？ | `reference_accounts` | 空 |
+| 署名写什么？ | `author` | name 字段值 |
+| 偏好哪种排版风格？（可运行 `gallery` 命令预览全部 16 个主题） | `theme` | "professional-clean" |
+| 封面风格偏好？ | `cover_style` | 从 industry 推断 |
+| 有没有固定封面模板？ | `cover_template` | 不设置 |
+
+**快捷路径**：
+- 如果用户直接甩了一段描述（如"我做科技自媒体，风格像虎嗅"），直接从中提取所有能提取的字段，只补问缺的
+- 如果用户说"不设置"、"用默认的"、"直接写" → 复制 `{skill_dir}/style.example.yaml` 为 `style.yaml`，跳过所有问答
+
+```
+参考: {skill_dir}/references/style-template.md（字段说明和可用主题列表）
+```
+
+## Phase 2: 生成配置
+
+用收集到的信息自动生成 `{skill_dir}/style.yaml`。
+
+同时确保以下文件/目录存在（不存在则创建）：
+- `{skill_dir}/history.yaml` → 初始化为 `articles: []`
+- `{skill_dir}/corpus/` → 空目录
+- `{skill_dir}/lessons/` → 空目录
+
+生成完成后，**把 style.yaml 的内容展示给用户看一遍**，问"这个配置 OK 吗？有什么要改的？"。用户确认后继续。
+
+## Phase 3: Playbook（可选，不阻断）
+
+问用户："你有没有之前写过的公众号文章？如果有 20 篇以上，我可以从中学习你的写作风格，以后写出来的文章会更像你。"
+
+- **用户有语料** → 告知将文章（.md 或 .txt）放入 `{skill_dir}/corpus/`，然后运行：
+  ```bash
+  python3 {skill_dir}/scripts/build_playbook.py
+  ```
+  按脚本输出逐批阅读文章，提取风格特征，生成 `playbook.md`。
+
+- **用户没有语料 / 暂时不想弄** → 完全正常，跳过。告知用户："没问题，先用通用风格写，后续你可以随时说'学习我的修改'来让我逐渐适应你的风格。"
+
+## Phase 4: 试跑
+
+Onboard 完成后，问用户："配置好了，要不要现在试写一篇？"
+
+- **是** → 回到 Step 1，执行完整流程
+- **否** → 告知用户下次如何触发："下次直接说'写一篇公众号文章'就行"