wewrite

name wewrite description 微信公众号内容全流程助手：热点抓取 → 选题 → 框架 → 内容增强 → 写作 → SEO → 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。 allowed-tools ["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。 进度追踪 ：主管道启动时，用 TaskCreate 为 8 个 Step 创建任务。每开始一个 Step 标记 in_progress，完成后标记 completed。用户可随时看到当前进度。 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 。支持两种来源： 本地修改 （默认）：用户在 output/ 的 markdown 文件中修改 微信草稿箱同步 ： python3 {skill_dir}/scripts/learn_edits.py --from-wechat ，自动从草稿箱拉回最新内容，与本地原文做纯文本 diff 用户说"学习排版"/"学排版" → python3 {skill_dir}/scripts/learn_theme.py <url> --name <name> ，用户需提供一个公众号文章 URL 和主题名称。提取完成后提示用户设置 style.yaml 的 theme 字段。 用户说"学习这篇文章"/"导入范文" + URL → python3 {skill_dir}/scripts/fetch_article.py <url> -o /tmp/article.md && python3 {skill_dir}/scripts/extract_exemplar.py /tmp/article.md -s <账号名> ，从公众号文章 URL 提取正文并导入范文库。支持三级降级（requests → Playwright → 手动 HTML）。 用户说"看看文章数据" → 读取: {skill_dir}/references/effect-review.md 用户说"检查一下"/"自检"/"这篇文章怎么样" → 对最近一篇生成的文章（或用户指定的文章）执行自检，输出生成报告： 第一部分：生成档案 （告诉用户这篇文章是怎么来的） 读取 history.yaml 最近一条记录，提取： 使用的框架类型 + 写作人格 激活的维度随机化组合 素材采集来源（WebSearch 还是降级到 LLM） 内容增强策略（角度发现/密度强化/细节锚定/真实体感） 范文风格库是否命中（用了哪几篇 exemplar，还是 fallback 到种子） playbook 中生效的规则条数 如果 history.yaml 无记录或用户指定了外部文章 → 跳过此部分，提示"这篇文章不是 WeWrite 生成的，只做质量检查" 第二部分：质量检查 （告诉用户哪里还能改） python3 {skill_dir}/scripts/humanness_score.py {article_path} --json Agent 解读 JSON 中每项得分，翻译为用户可操作的建议，格式： 每条建议定位到具体段落或句子（"第 3 段连续 4 句长度接近"） 给出具体改法（"建议把第 3 句拆成两个短句"、"这里可以加一句你自己的感受"） 按影响度排序，最多 5 条 如果所有项得分都不错 → "这篇文章质量不错，建议在编辑锚点处加入你的个人内容就可以发了。" 输出格式 ：自然语言报告，不输出 JSON 或分数（用户不需要看数字） 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） 主管道启动时，创建以下 8 个任务用于进度追踪： TaskCreate: "Step 1: 环境 + 配置" TaskCreate: "Step 2: 选题" TaskCreate: "Step 3: 框架 + 素材" TaskCreate: "Step 4: 写作" TaskCreate: "Step 5: SEO + 验证" TaskCreate: "Step 6: 视觉 AI" TaskCreate: "Step 7: 排版 + 发布" TaskCreate: "Step 8: 收尾" 每开始一个 Step → TaskUpdate status=in_progress。完成 → TaskUpdate status=completed。 Step 1: 环境 + 配置 1.1 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 或 image.providers 至少一项有效 静默 设 skip_image_gen = true references/exemplars/index.yaml 静默 提示："范文库为空。如果你有已发布的文章（markdown），可以说**'导入范文'**建立风格库，写出来的文章会更像你。没有也不影响使用。" 1.2 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 1.3 git 不可用（无 .git 目录或 fetch 失败）→ 静默跳过 1.3 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 2.1 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}" 2.2 历史分析 + SEO ： 读取: {skill_dir}/history.yaml（不存在则跳过） python3 {skill_dir}/scripts/seo_keywords.py --json {关键词} 历史分析（有 stats 数据时）： 统计哪种 framework 的文章表现最好（阅读量/分享率）→ 推荐框架时加权 统计哪种 enhance_strategy 的文章表现最好 → 增强策略选择时参考 近 7 天已写的关键词降分（去重） 降级 ：SEO 脚本报错 → LLM 判断；history 无 stats → 跳过效果分析，仅做去重 2.3 生成选题 ： 读取: {skill_dir}/references/topic-selection.md 生成 10 个选题 ，其中： 7-8 个热点选题 ：基于 2.1 的热点，按 topic-selection.md 规则评分 2-3 个常青选题 ：不依赖热点，从用户的 topics 领域生成长尾内容（教程/方法论/经验总结/工具推荐），标注为"常青"。适合 content_style 为干货型/测评型的用户 每个选题含标题、评分、点击率潜力、SEO 友好度、推荐框架。 自动模式 → 选最高分 交互模式 → 展示全部，等用户选 Step 3: 框架 + 素材 3.1 框架选择 ： 读取: {skill_dir}/references/frameworks.md 7 套框架（痛点/故事/清单/对比/热点解读/纯观点/复盘），自动选推荐指数最高的。 3.2 素材采集 + 内容增强 （合并执行，共用搜索结果）： 读取: {skill_dir}/references/content-enhance.md 根据 3.1 选定的框架类型，一次搜索同时完成素材采集和内容增强： 框架 搜索策略 从结果中提取 热点解读 / 纯观点 "{关键词} site:mp.weixin.qq.com OR site:36kr.com" + "{关键词} 观点 OR 评论" 真实素材（数据/引述） + 已有文章的主流观点（供角度发现） 痛点 / 清单 "{关键词} 教程 OR 工具 OR 实操" + "{关键词} 数据 报告" 真实素材 + 具体工具名/步骤/参数（供密度强化） 故事 / 复盘 "{人物/事件} 采访 OR 专访 OR 细节" + "{关键词} 数据 报告" 真实素材 + 时间锚/数字锚/对话锚/感官锚（供细节锚定） 对比 "{方案A} vs {方案B} 评测 OR 体验" + "{方案A OR 方案B} 踩坑 OR 缺点 site:v2ex.com OR site:zhihu.com" 真实素材 + 真实用户评价和踩坑信息（供真实体感） 每次搜索 2 轮，从结果中 同时 提取： 素材 ：5-8 条真实素材（具名来源 + 具体数据/引述/案例）。 禁止编造 。 增强材料 ：按 content-enhance.md 对应策略的要求提取（角度/密度要点/细节/用户声音）。 两者并入框架大纲，一起传入 Step 4 写作。 降级 ：WebSearch 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，建议在编辑锚点处多加入你自己的内容。"密度强化不依赖搜索，始终执行。 Step 4: 写作 读取: {skill_dir}/references/writing-guide.md 读取: {skill_dir}/playbook.md（如果存在，按 confidence 分级执行） 读取: {skill_dir}/history.yaml（最近 3 篇的 dimensions + closing_type 字段） 读取: {skill_dir}/references/exemplars/index.yaml（如果存在） 4.1 维度随机化 ： 从以下维度池随机激活 2-3 个维度，让每篇文章的表达方式不同。如果 history.yaml 有最近 3 篇的 dimensions 字段，避免使用相同组合。 维度 选项 叙事视角 第一人称亲历 / 旁观者分析 / 对话体 / 自问自答 时间线 正序 / 倒叙 / 插叙 类比域 体育 / 做饭 / 军事 / 恋爱 / 游戏 / 电影 / 建筑 / 医学 情绪基调 克制冷静 / 热血激动 / 讽刺吐槽 / 温暖治愈 / 焦虑警示 节奏 短句密集 / 长叙述慢推 / 长短急切交替 / 慢开头快收尾 4.2 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。作为写作的硬性约束执行。 优先级 ：playbook.md（confidence ≥ 5 的规则）> persona > 范文风格 > writing-guide.md。writing-guide 是底线（基础写作规范），范文提供风格示范（句长节奏、情绪表达方式），persona 在此基础上特化风格参数（语气浓度、数据呈现），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。 4.3 范文风格注入 （有 references/exemplars/index.yaml 时执行）： 从 index.yaml 筛选 category 匹配当前框架类型的范文，取 top 3。读取对应 .md 文件的片段内容。 在写作 prompt 中注入： 以下是该公众号风格的真实段落示例，模仿其句长节奏、情绪强度和口语化程度： 【开头风格】 {exemplar_1 的开头钩子段} 【情绪段风格】 {exemplar_2 的情绪高峰段} 【转折风格】 {exemplar_2 或 exemplar_3 的转折/自纠段（如有）} 【收尾风格】 {exemplar_3 的收尾段} Category 映射规则： 框架类型 exemplar category 痛点型 tech-opinion 故事型 / 复盘型 story-emotional 清单型 / 对比型 list-practical 热点解读型 / 纯观点型 hot-take 其他 general 如果匹配到的范文不足 3 篇，用 general category 补足。 Fallback（范文库为空时） ：读取 {skill_dir}/references/exemplar-seeds.yaml ，从每个段落类型中随机选 1 个注入 prompt。种子段落只示范人类写作的结构模式（句长方差、情绪锐度、自我纠正、非总结式收尾），不携带特定风格。注入时使用： 以下是人类写作的结构模式示例，注意模仿其句长节奏和情绪表达方式（不要模仿具体内容或风格）： 【开头模式】{seeds.opening_hooks 随机 1 个} 【情绪段模式】{seeds.emotional_peaks 随机 1 个} 【转折模式】{seeds.transitions 随机 1 个} 【收尾模式】{seeds.closings 随机 1 个} 建库命令： python3 {skill_dir}/scripts/extract_exemplar.py article.md 4.4 写文章 ： H1 标题（20-28 字） + H2 结构，1500-2500 字 素材 + 增强约束 ：Step 3.2 的素材和增强材料分散嵌入各 H2 段落。增强策略的核心输出（角度/密度要点/细节/用户声音）必须贯穿全文，不只装饰性出现一次 写作人格 ：按 4.2 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） 收尾方式 ：persona 的 closing_tendency 仅作为倾向参考。根据文章内容和情绪弧线自行判断最自然的收尾方式。如果 history.yaml 中最近 3 篇有 closing_type 字段，避免使用相同的收尾类型 写作规范 ：writing-guide.md 中的基础规则（禁用词、句长方差、词汇混用等）在初稿阶段生效 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 4.5 快速自检 （写完后立即执行，减少 Step 5 重写概率）： 对初稿做 5 项快速扫描， 当场修复 ，不留到 Step 5： 写作层面 ： 禁用词扫描 ：检查 writing-guide.md 2.1 的禁用词列表，命中的直接替换 句长方差 ：是否有连续 3 句以上长度接近的段落，有则拆句或加短句 内容层面 ： 3. 开头钩子 ：前 3 句是否制造了悬念/冲突/好奇心？如果是平铺直叙的背景介绍，重写开头 4. 增强贯穿 ：增强策略的核心输出是否只出现在一段？如果是，在其他 H2 中补充 5. 金句检查 ：全文是否有至少 1 句可独立截图转发的句子？如果没有，在情绪高点处补一句 LLM 自行完成，不需要调用脚本。 Step 5: SEO + 验证 读取: {skill_dir}/references/seo-rules.md 5.1 SEO ：3 个备选标题 + 摘要（≤40 字）+ 5 标签 + 关键词密度优化 5.2 质量验证 （两个维度，每项逐一检查）： A. 写作质量 （writing-guide.md 基础规则）： 检查项 标准 规则 句长方差 最短与最长句相差 ≥ 30 字 1.1 词汇温度 任意 500 字 ≥ 3 种温度 1.2 段落节奏 无连续 2 个相近长度段落 1.3 情绪极性 负面情绪 ≥ 2 处，无平铺直叙 1.4 禁用词 命中数 = 0 2.1 真实锚定 每个 H2 ≥ 1 条真实素材，零编造 3.1 具体性 每 500 字 ≥ 2 处具体细节 3.2 B. 内容质量 （基于 Step 3.2 的增强策略检查）： 检查项 标准 适用框架 增强贯穿 增强策略的核心输出（角度/密度/细节/体感）在全文可见，不只出现在一段 所有 开头钩子 前 3 句能制造悬念、冲突或好奇心（不是背景铺垫） 所有 金句密度 至少 1 处可独立截图转发的句子 所有 操作密度 每个 H2 有可操作要点（工具/步骤/参数） 痛点/清单 角度锐度 核心观点能引发同意或反对，不是"两面都有道理" 热点解读/纯观点 场景感 至少 2 处有时间/地点/对话等画面细节 故事/复盘 真实声音 至少 1 处引用真实用户评价或体验 对比 不通过 → 定向修复 ：只替换不达标的具体句子/段落，不动已通过的部分。每轮最多改 3 处，改完立即重新检查该项。2 轮仍不过 → 标注跳过，继续下一项。 5.3 脚本辅助验证 （补充 5.2 的逐项检查）： Agent 在 5.2 检查过程中同步完成综合评估（各 H2 之间的语气差异度、信息密度的高低交替、段落间的节奏变化、整体阅读流畅度），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 （0=质量高, 100=问题多）： < 30 → 通过，继续 Step 6 30-50 → 查看 param_scores 中最低分的 1-2 项，只修复对应的具体句子（不重写整段），改完重新打分。1 轮即可 > 50 → 取 param_scores 最低的 2-3 项，逐项定向修复（每项只改最相关的 1-2 处），最多 2 轮。仍 > 50 则标记 DONE_WITH_CONCERNS 继续 Step 6: 视觉 AI 如果 skip_image_gen = true → 只执行 6.1。 读取: {skill_dir}/references/visual-prompts.md 6.1 实体提取 ：从终稿中提取 3-5 个 具体实体 （人物、产品名、场景、数据点、行业术语）。后续所有提示词必须包含至少 2 个实体。