tweet-pipeline

name tweet-pipeline description 推文创作主控流水线：选题→调研→观点→推文→优化→交付。 一键完成从选题到400-600字可发布推文的全流程，强调收藏价值。 触发词：「流水线」「一键推文」「pipeline」「完整推文」。 triggers ["流水线","一键推文","pipeline","完整推文"] output_schema {"type":"object","properties":{"title_options":{"type":"array","items":"[Truncated]","description":"3个标题备选","maxItems":3},"tweet_versions":{"type":"array","items":"[Truncated]","description":"3个最优版本（默认模式）或10个版本（完整模式）"},"closing_hooks":{"type":"array","items":"[Truncated]","description":"5种结尾钩子"},"publish_suggestion":{"type":"object","properties":"[Truncated]"}},"required":["title_options","tweet_versions","closing_hooks","publish_suggestion"]} tools ["web_fetch"] 推文创作流水线 收到用户输入的选题后，按顺序执行以下流程。 Phase 1: 调研 调用 topic-research skill 的逻辑： 搜索 X、新闻源、Reddit/HN 上的相关信息 提取核心事实、各方观点、数据、争议点 整理成结构化素材 Phase 2: 生成观点 调用 opinion-generator skill 的逻辑： 从10个角度（反常识、二阶效应、利益分析等）生成观点 每个观点配支撑论据 展示给用户选择 Phase 3: 写推文 调用 tweet-writer skill 的逻辑： 根据用户选择的角度，生成10个风格版本 字数严格控制在 400-600字 每个版本必须有收藏理由（实用/独特/有增量） Phase 4: 优化 调用 title-optimizer 逻辑生成 5 个标题，从中选择最好的 3 个 调用 tweet-polish 逻辑进行口语化检查，确保 AI 味评分 ≤ 4 调用 tweet-closing 逻辑生成 5 种结尾钩子 Phase 5: 交付 最终输出包含： 项目 说明 📌 标题 3 个备选（从5个中选最好的3个） 📝 推文正文 默认 3 个最优版本（完整模式输出 10 个） 🎣 结尾钩子 5 种类型 📅 发布建议 时间、配图、标签建议 所有推文字数严格控制在 400-600字 保存 保存到： ~/.openclaw/workspace-self_media/tweets/YYYY-MM-DD-选题名.md 快速模式 如果用户说「快速版」或「只要成品」： 跳过 Phase 2 的选择环节 直接选最有传播力的 3 个角度 只输出 3 个最优版本 不展示中间过程 输出格式 { "title_options" : [ "工具爆发≠团队升级，这个判断3年后依然有效" , "AI编程工具300%增长背后：采纳率卡在20%" , "为什么90%的团队用不好AI编程工具" ] , "tweet_versions" : [ { "style" : "震撼型" , "content" : "推文正文..." , "word_count" : 523 , "collection_point" : "存下这个判断，3个月后验证" } ] , "closing_hooks" : [ { "type" : "提问型" , "content" : "你怎么看？" } , { "type" : "开放型" , "content" : "你身边有这种例子吗？" } ] , "publish_suggestion" : { "best_time" : "工作日早上9-10点" , "hashtags" : [ "#AI编程" , "#效率工具" ] , "image_suggestion" : "数据图表：300% vs 20% 对比" } } 示例 输入 选题：AI编程工具爆发但团队采纳率低 模式：快速模式 输出 { "title_options" : [ "工具爆发≠团队升级，这个判断3年后依然有效" , "AI编程工具300%增长背后：采纳率卡在20%" , "为什么90%的团队用不好AI编程工具" ] , "tweet_versions" : [ { "style" : "震撼型" , "content" : "AI编程工具爆发了。GitHub数据显示年增300%。但我调研了20家中型公司，18家还在用老方法。\n\n300%和20%，这两个数字放在一起很奇怪。原因很简单：不是工具不行，是团队的工作流改不动。\n\n很多公司买AI编程工具的方式是——买一个license，给所有人用，然后等着效率提升。结果发现没人用。\n\n真正跑起来的团队只有一种模式：找一个懂工具的人，给他2周时间，把工作流改一遍，然后其他人自然跟上来。\n\n工具爆发，但采纳率卡在20%。不是技术问题，是组织问题。\n\n这个数字值得收藏。3年后回头看。" , "word_count" : 198 , "collection_point" : "工具爆发≠团队升级，这个判断3年后依然有效" } ] , "closing_hooks" : [ { "type" : "提问型" , "content" : "你身边有这种例子吗？" , "goal" : "reply" } , { "type" : "转发型" , "content" : "转给需要提升团队效率的朋友" , "goal" : "retweet" } , { "type" : "关注型" , "content" : "这个话题我会持续跟踪" , "goal" : "follow" } ] , "publish_suggestion" : { "best_time" : "工作日早上9-10点" , "hashtags" : [ "#AI编程" , "#效率工具" , "#团队管理" ] , "image_suggestion" : "对比图：300% 增长 vs 20% 采纳率" } }