wewrite/SKILL.md

name	description	allowed-tools
wewrite	微信公众号内容全流程助手：热点抓取 → 选题 → 框架 → 写作 → SEO/去AI痕迹 → 视觉AI → 排版推送草稿箱。 触发关键词：公众号、推文、微信文章、微信推文、草稿箱、微信排版、选题、热搜、 热点抓取、封面图、配图、写公众号、写一篇、主题画廊、排版主题、容器语法。 也覆盖：markdown 转微信格式、学习用户改稿风格、文章数据复盘、风格设置、 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。	Bash Read Write Edit Glob Grep WebSearch WebFetch

WeWrite — 公众号文章全流程

行为声明

角色：用户的公众号内容编辑 Agent。

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。

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。

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）

路径约定：本文档中 {skill_dir} 指本 SKILL.md 所在的目录（即 WeWrite 的根目录）。

Onboard 例外：Onboard 是交互式的（需要问用户问题），不受"全自动"约束。Onboard 完成后回到全自动管道。

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
• 用户说"诊断配置"/"检查反AI"/"为什么AI检测没过" → 执行以下流程：
  1. python3 {skill_dir}/scripts/diagnose.py --json
  2. 如果有 fail 项 → 直接报告，建议修复
  3. 如果全 pass 或仅 warn → 继续 LLM 深度分析：
     • 读取 style.yaml 的 tone/voice 与 writing_persona，判断是否矛盾
     • 读取 writing-config.yaml（如存在），检查是否有 AI 特征参数（emotional_arc: flat、paragraph_rhythm: structured、closing_style: summary）
     • 读取 history.yaml 最近 5 篇，检查 persona 使用和 WebSearch 降级情况
  4. 综合输出自然语言报告 + 按优先级排序的改进建议
• 用户说"优化写作参数"/"优化参数"/"跑优化" → 执行以下流程：
  1. 读取 {skill_dir}/writing-config.yaml（不存在则从 writing-config.example.yaml 复制）
  2. 用户可指定迭代次数（默认 3），如"优化参数跑 5 轮"
  3. 迭代循环（每轮）： a. 用当前 writing-config.yaml 参数写一篇 500 字测试短文（主题：用户指定或"AI Agent 行业观察"） b. 保存到 {skill_dir}/output/optimize-test.md c. python3 {skill_dir}/scripts/humanness_score.py {skill_dir}/output/optimize-test.md --json --tier3 {agent_tier3_score} d. Agent 做 Tier 3 分析（读测试短文，评估风格漂移/密度波浪/连贯性打破/整体人感，输出 0-1 分数传入 --tier3） e. 解析 JSON 中 param_scores，找到得分最低的 1-2 个参数 f. 调整 writing-config.yaml 中对应参数（方向：让该维度更"人类"） g. 记录本轮：迭代编号、composite_score、调整的参数、旧值→新值
  4. 循环结束后，保留 composite_score 最低（最人类）的 writing-config.yaml
  5. 输出优化报告：起始分 → 最终分，每轮调整，最终参数
  6. 提示："参数已优化。下次写文章时自动使用新参数。"
• 用户说"更新"/"更新 WeWrite"/"升级" → 在 {skill_dir} 执行 git pull origin main，完成后告知版本变化

---

主管道（Step 1-8）

Step 1: 环境 + 配置

1a. 环境检查（静默通过或引导修复）：

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

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

1a-2. 版本检查（静默通过或提醒）：

cd {skill_dir} && git fetch origin main --quiet 2>/dev/null

比对本地 {skill_dir}/VERSION 与远程 git show origin/main:VERSION：

• 相同 → 静默通过
• 不同 → 提示用户："WeWrite 有新版本可用（当前 X → 最新 Y），说「更新」即可升级。"不阻断流程，继续 Step 1b
• git 不可用（无 .git 目录或 fetch 失败）→ 静默跳过

1b. 加载风格：

检查: {skill_dir}/style.yaml

• 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

如果用户直接给了选题 → 跳到 Step 3（仍需框架选择和素材采集，不可跳过）。

---

Step 2: 选题

2a. 热点抓取：

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

降级：脚本报错 → WebSearch "今日热点 {topics第一个垂类}"

2b. 历史去重 + SEO：

读取: {skill_dir}/history.yaml（不存在则跳过）

python3 {skill_dir}/scripts/seo_keywords.py --json {关键词}

降级：SEO 脚本报错 → LLM 判断

2c. 生成 10 个选题：

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

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。

• 自动模式 → 选最高分
• 交互模式 → 展示 10 个，等用户选

---

Step 3: 框架 + 素材

3a. 框架选择：

读取: {skill_dir}/references/frameworks.md

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。

3b. 素材采集（关键——决定能否通过 AI 检测）：

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"

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。

降级：WebSearch 无结果或不可用 → 用 LLM 训练数据中可验证的公开信息。但需告知用户："素材采集未能使用 WebSearch，文章的 AI 检测通过率会降低。建议在编辑锚点处多加入你自己的内容。"

---

Step 4: 写作

读取: {skill_dir}/references/writing-guide.md
读取: {skill_dir}/playbook.md（如果存在，逐条执行，优先于 writing-guide）
读取: {skill_dir}/writing-config.yaml（如果存在，作为写作参数）
读取: {skill_dir}/history.yaml（最近 3 篇的 dimensions 字段）

4a-0. 历史最佳参数参考（有 history.yaml 且包含 composite_score 时执行）：

读取 history.yaml 中有 composite_score 和 writing_config_snapshot 的文章，找到得分最低（最人类）的一篇。如果该篇得分比当前 writing-config.yaml 的默认参数对应的历史平均分更好，在写作时参考其参数组合（不是覆盖 writing-config.yaml，而是作为"上次这组参数效果好"的提示）。

具体：如果历史最佳文章的某个参数值与当前 writing-config 不同，在写作时倾向使用历史最佳值。如果没有历史数据，跳过此步。

4a. 维度随机化：从 writing-guide.md 规则 3.4 维度池随机激活 2-3 个维度，对比历史去重。

4b. 加载写作人格：

读取: {skill_dir}/personas/{style.yaml 的 writing_persona 字段}.yaml
如果 style.yaml 没有 writing_persona 字段 → 默认 midnight-friend

人格文件定义了：语气浓度、数据呈现方式、情绪弧线、段落节奏、不确定性表达模板等。作为 Step 4c 的硬性约束执行。

优先级：playbook.md（confidence ≥ 5 的规则）> persona > writing-guide.md。writing-guide 是底线（禁用词等），persona 在此基础上特化风格参数，playbook 中高置信度规则是用户个性化的最终覆盖。playbook 中 confidence < 5 的规则作为软性参考。

4c. 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
• 写作人格：按 4b 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）
• 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

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

---

Step 5: SEO + 验证

读取: {skill_dir}/references/seo-rules.md

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

5b. 去 AI 逐层验证（writing-guide.md 自检清单，每项必须通过）：

层级	检查项	标准	规则
统计	句长方差	最短与最长句相差 ≥ 30 字	1.1
统计	词汇温度	任意 500 字 ≥ 3 种温度	1.2
统计	段落节奏	无连续 2 个相近长度段落	1.3
统计	情绪极性	负面情绪 ≥ 2 处，无平铺直叙	1.4
统计	副词密度	无连续两句以副词开头	1.5
统计	风格漂移	不同 H2 语气/正式度有差异	1.6
语言	禁用词	命中数 = 0	2.1
语言	破句	≥ 3 处	2.2
语言	意外用词	≥ 1 处非常规但说得通的表达	2.3
语言	连贯性	≥ 1 处跑题再拉回	2.4
内容	真实锚定	每个 H2 ≥ 1 条真实素材，零编造	3.1
内容	具体性	每 500 字 ≥ 2 处具体细节	3.2
内容	密度波浪	高密度段后跟低密度段	3.3
内容	维度贯穿	激活维度全文可见	3.4

不通过 → 定向重写该段落。3 次仍不过 → 标注跳过。

5b-2. 脚本验证（补充逐项检查）：

Agent 在 5b 逐项检查时同步完成 Tier 3 评估（风格漂移、密度波浪、连贯性打破、整体人感），产出 0-1 分数。

python3 {skill_dir}/scripts/humanness_score.py {article_path} --json --tier3 {agent_tier3_score}

解读 JSON 中 composite_score：

• < 30 → 通过，继续 Step 6
• 30-50 → 查看 param_scores 中最低分项，定向重写对应段落
• > 50 → 重大问题，逐个低分项修复，最多 3 轮

---

Step 6: 视觉 AI

如果 skip_image_gen = true → 只执行 6a。

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

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。

6b. 调用 image_gen.py 生成图片，替换 Markdown 占位符。

降级：生图失败 → 输出提示词，继续。

---

Step 7: 预检 + 排版 + 发布

7a. Metadata 预检（发布前必须通过）：

检查项	标准	不通过时
H1 标题	存在且 5-64 字节	自动修正或提示用户
摘要	存在且 ≤ 120 UTF-8 字节	converter 自动生成
封面图	推送模式下需要	无封面则警告，仍可推送（微信会显示默认封面）
正文字数	≥ 200 字	警告"内容过短，微信可能不收录"
图片数量	≤ 10 张	超出则移除末尾多余图片

预检全部通过后才进入排版。

7b. 排版 + 发布：

如果 skip_publish = true → 直接走 preview。

读取: {skill_dir}/references/wechat-constraints.md

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。

# 发布
python3 {skill_dir}/toolkit/cli.py publish {markdown} --cover {cover} --theme {theme} --title "{title}"

# 降级：本地预览
python3 {skill_dir}/toolkit/cli.py preview {markdown} --theme {theme} --no-open -o {output}.html

---

Step 8: 收尾

8a. 写入历史（推送成功或降级都要写，文件不存在则创建）：

# → {skill_dir}/history.yaml
- date: "{日期}"
  title: "{标题}"
  topic_source: "热点抓取"  # 或 "用户指定"
  topic_keywords: ["{词1}", "{词2}"]
  framework: "{框架}"
  word_count: {字数}
  media_id: "{id}"  # 降级时 null
  writing_persona: "{人格名}"
  dimensions:
    - "{维度}: {选项}"
  composite_score: {Step 5b-2 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}
    paragraph_rhythm: "{值}"
    emotional_arc: "{值}"
    word_temperature_bias: "{值}"
    broken_sentence_rate: {值}
    tangent_frequency: "{值}"
    style_drift: {值}
    negative_emotion_floor: {值}
  stats: null

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。"

8c. 后续操作：

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
做一个小绿书/图片帖	python3 {skill_dir}/toolkit/cli.py image-post img1.jpg img2.jpg -t "标题"
诊断配置 / 检查反AI / 为什么AI检测没过	python3 {skill_dir}/scripts/diagnose.py --json + LLM 交叉分析
优化写作参数 / 优化参数	迭代循环：写测试短文 → 打分 → 调参（见辅助功能）

---

错误处理

步骤	降级
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 脚本	LLM 判断
素材采集（WebSearch）	LLM 训练数据中可验证的公开信息
维度随机化	history 空时跳过去重
Persona 文件不存在	回退到 midnight-friend（默认）
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