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 {baseDir} 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: {baseDir}/references/onboard.md
• 用户说"学习我的修改" → 读取: {baseDir}/references/learn-edits.md
• 用户说"看看文章数据" → 读取: {baseDir}/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 {baseDir}/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_tendency: summary）
     • 读取 history.yaml 最近 5 篇，检查 persona 使用和 web_search 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 {baseDir}/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 {baseDir}/output/optimize-test.md c. python3 {baseDir}/scripts/humanness_score.py {baseDir}/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 {baseDir} 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

1.2 版本检查（静默通过或提醒）：

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

比对本地 {baseDir}/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: {baseDir}/style.yaml

• 存在 → 提取 name、topics、tone、voice、blacklist、theme、cover_style、author、content_style
• 不存在 → 读取: {baseDir}/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 {baseDir}/scripts/fetch_hotspots.py --limit 30

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

2.2 历史去重 + SEO：

读取: {baseDir}/history.yaml（不存在则跳过）

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

降级：SEO 脚本报错 → LLM 判断

2.3 生成 10 个选题：

读取: {baseDir}/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

3.1 框架选择：

读取: {baseDir}/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。

3.2 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。

web_search: "{选题关键词} site:36kr.com OR site:mp.weixin.qq.com OR site:zhihu.com"
web_search: "{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：web_search 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 web_search，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: {baseDir}/references/writing-guide.md
读取: {baseDir}/playbook.md（如果存在，按 confidence 分级执行）
读取: {baseDir}/writing-config.yaml（如果存在，作为写作参数）
读取: {baseDir}/history.yaml（最近 3 篇的 dimensions 字段）
读取: {baseDir}/references/exemplars/index.yaml（如果存在）

4.1 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。

4.2 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。

4.3 加载写作人格：

读取: {baseDir}/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 4.4 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（禁用词等），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。

4.4 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，按 humanness_score 升序（越低越人类）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：

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 {baseDir}/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 {baseDir}/scripts/extract_exemplar.py article.md

4.5 写文章：

• H1 标题（20-28 字） + H2 结构，1500-2500 字
• 真实素材锚定：Step 3.2 的素材分散嵌入各 H2 段落
• 写作人格：按 4.3 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（参见 writing-guide.md 收尾多样性表）。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
• 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 {baseDir}/output/{date}-{slug}.md

4.6 快速自检（写完后立即执行，减少 Step 5 重写概率）：

对初稿做 3 项最易不达标的快速扫描，当场修复，不留到 Step 5：

1. 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（最常见的问题，修复成本最低）
2. 句长方差检查：粗略扫描是否有连续 3 句以上长度接近的段落，有则拆句或加短句
3. 负面情绪检查：全文是否有 ≥ 2 处真实负面表达，不够则在编辑锚点附近补充

这 3 项检查不需要调用脚本，LLM 自行完成即可。目标是让初稿在进入 Step 5 前已经消除最明显的问题。

Step 5: SEO + 验证

读取: {baseDir}/references/seo-rules.md

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

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

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 脚本验证（补充逐项检查）：

Agent 在 5.2 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 {baseDir}/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: {baseDir}/references/visual-prompts.md

6.1 分析文章结构，生成封面 3 组创意 + 内文 3-6 张配图提示词。

6.2 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: 排版 + 发布

7.1 Metadata 预检（发布前必须通过）：

预检全部通过后才进入排版。

7.2 排版 + 发布：

如果 skip_publish = true → 直接走 preview。

读取: {baseDir}/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 {baseDir}/toolkit/cli.py publish {markdown} --cover {cover} --theme {theme} --title "{title}"

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

Step 8: 收尾

8.1 写入历史（推送成功或降级都要写，文件不存在则创建）：

# → {baseDir}/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}"
  closing_type: "{收尾类型}"  # trailing_off/unanswered/scene_revert/abrupt_stop/anti_conclusion/image
  composite_score: {Step 5.3 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

8.2 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。"

8.3 后续操作：

错误处理