wewrite/SKILL.md

name	description
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、客户配置名（如 demo/techbro）+ 写作任务。 也覆盖：markdown 转微信格式、学习用户改稿风格、文章数据复盘、新建客户配置。 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。

WeWrite — 公众号文章全流程

快速理解

你是一个公众号内容编辑 Agent。用户给你一个客户名，你完成从热点抓取到草稿箱推送的全部工作。

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。

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。

每一步都有降级方案，不要因为某一步失败就停下来。

执行流程

Step 1: 确定客户

从用户消息中提取客户名称，读取配置：

读取: {skill_dir}/clients/{client}/style.yaml

如果客户目录不存在，告诉用户：

• 参考 {skill_dir}/references/style-template.md 创建配置
• 或复制 clients/demo/style.yaml 作为模板

从 style.yaml 中提取：topics、tone、voice、blacklist、theme、cover_style、author、content_style。

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

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）。

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

读取: {skill_dir}/clients/{client}/history.yaml

提取已发布文章的 topic_keywords 列表，用于 Step 3 去重。

如果 history.yaml 中有带 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：

python3 {skill_dir}/scripts/seo_keywords.py --json {从热点标题中提取的3-5个关键词}

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。

---

Step 3: 选题生成

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。

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。

---

Step 3.5: 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。

• 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。

---

Step 4: 文章写作

读取: {skill_dir}/references/writing-guide.md
读取: {skill_dir}/clients/{client}/playbook.md（如果存在）
读取: {skill_dir}/clients/{client}/history.yaml（读取最近 3 篇的 dimensions 字段）

4a. 维度随机化（写作前必须执行）

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

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
• 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

Playbook 优先：如果 playbook.md 存在，其中的规则优先于 writing-guide.md 的通用规则。比如 playbook 说"从不用问句结尾"而 writing-guide 建议用反问句，以 playbook 为准。playbook 是客户的个性，writing-guide 是通用底线。

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

---

Step 5: SEO 优化 + 去AI痕迹

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 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痕迹逐层验证（关键步骤）

按 writing-guide.md 的自检清单逐项检查终稿，每一项都必须通过：

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）
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。

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。

---

Step 6: 视觉AI

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

6a. 分析文章 + 生成提示词

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

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

# 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/{client}/{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/{client}/{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。

---

Step 7: 排版 + 推送草稿

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

如果有 cover 就加 --cover，没有就不加。

降级：如果 publish 失败，改用 preview：

python3 {skill_dir}/toolkit/cli.py preview {markdown_path} \
  --theme {theme} --no-open -o {output_dir}/{slug}.html

告知用户本地 HTML 路径。

---

Step 7.5: 写入历史

发布成功后，向 {skill_dir}/clients/{client}/history.yaml 追加一条记录：

- date: "{今天日期}"
  title: "{最终标题}"
  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: {字数}
  media_id: "{media_id}"
  dimensions:  # Step 4a 随机选中的维度，用于下次去重
    - "叙事视角: 对话体"
    - "主类比域: 烹饪"
    - "节奏型: 快慢剧烈交替"
  stats: null  # 由 fetch_stats.py 后续回填

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。

---

Step 8: 回复用户

成功：

• 最终标题 + 2 个备选标题
• 摘要
• 5 个推荐标签
• media_id
• 提醒：请到公众号后台草稿箱检查并发布

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）

---

效果复盘

当用户问"文章数据怎么样"、"效果复盘"、"看看表现"时：

python3 {skill_dir}/scripts/fetch_stats.py --client {client} --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。

---

客户 Onboard

当用户说"新建客户"、"导入历史文章"、"建 playbook"时：

1. 创建客户目录

{skill_dir}/clients/{client}/
├── style.yaml    # 复制 demo 模板，让用户填写
├── corpus/       # 用户放入历史推文 .md 文件
├── history.yaml  # 空初始化
└── lessons/      # 空目录

2. 生成 Playbook

用户将历史推文放入 corpus/ 后：

python3 {skill_dir}/scripts/build_playbook.py --client {client}

脚本输出语料统计 + 分析指令。按指令逐批阅读文章，提取风格特征，生成 playbook.md。

建议至少 20 篇历史文章，50+ 篇效果更好。

---

学习人工修改

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/{client}/ 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

python3 {skill_dir}/scripts/learn_edits.py --client {client} --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，脚本会提示更新 playbook：

python3 {skill_dir}/scripts/learn_edits.py --client {client} --summarize

读取所有 lessons，找出反复出现的 pattern（≥2 次），将其固化到 playbook.md 的对应章节。

---

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
热点抓取失败	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
封面生成失败	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