Wewrite

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：若 harness 提供 task 工具（如 TaskCreate），主管道启动时为 8 个 Step 创建任务，每步 in_progress→completed；否则每进入一步发一行 [N/8] 步骤名 文本进度。无论哪种，都必须把 8 步走完——编号清单是排序骨架，不依赖特定工具。

完成协议：

• DONE — 全流程完成，文章已保存/推送
• DONEWITHCONCERNS — 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）。

读取/检查约定：本文档中 读取: / 检查: = 用你环境的文件读取工具真实打开该文件、读完其全部内容，然后再继续本步。这不是描述性注释——未读取前不得执行依赖该文件的步骤；不同 harness 的文件读取工具名不同，按你环境的对应工具执行。

Python 解释器约定：本文档所有 python3 命令优先解析为 {skill_dir}/.venv/bin/python3（若该文件存在），否则回退系统 python3。venv 由 install.sh 创建，用于隔离依赖并绕过 macOS Homebrew Python 的 PEP 668 限制。

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 / 非管道命令（按需加载）：用户发出"选题→发布"主流程之外的命令——重新设置风格 / 学习我的修改 / 学习排版 / 导入范文·学习这篇文章 / 查看范文库 / 看看文章数据 / 主题画廊 / 小绿书 / 更新 / 检查一下·自检——时 → 读取: {skill_dir}/references/commands.md，按其中「触发词 → 动作」表执行。

---

主管道（Step 1-8）

主管道是固定的 8 个 Step（下面逐节展开）：

[1/8] 环境 + 配置   [2/8] 选题   [3/8] 框架 + 素材   [4/8] 写作
[5/8] SEO + 验证   [6/8] 视觉 AI   [7/8] 排版 + 发布   [8/8] 收尾

进度追踪（按行为声明）：若有 task 工具，为这 8 步建任务并逐步更新；否则每进入一步发一行 [N/8] 步骤名。两种方式都必须跑完 8 步。

---

Step 1: 环境 + 配置

1.1 环境检查（静默通过或引导修复）：

# 优先用 venv 解释器（PEP 668 环境下依赖装在 .venv 里）；后续所有 python3 调用同此规则
PY="{skill_dir}/.venv/bin/python3"; [ -x "$PY" ] || PY="python3"
"$PY" -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 | 引导执行 bash {skill_dir}/install.sh（自动建 .venv 装依赖，解决 macOS PEP 668 报错）；若环境无此限制也可 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：

1. 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。
2. 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）

（writing-guide.md 是反 AI 写作底线规则，未读取前不得开始写作；它在 Step 4-5 期间保持驻留，Step 5.2 校验仍按其编号规则 1.1-3.2 检查，中途不要丢弃重读。）

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/{选定人格}.yaml

人格的选定规则（参见 {skill_dir}/references/persona-selection.md）：

• style.yaml 有 writing_persona → 直接加载该人格。用户已固定账号声音，尊重配置（persona-selection 的「用户明确指定」优先级最高）。
• 没有 writing_persona（或用户本轮明确要求换风格）→ 读取 references/persona-selection.md，按 Step 2.3 选定选题的特征匹配 top 2 人格；用 history.yaml 最近 3 篇的写作人格降权（保证风格多样化），向用户展示推荐理由让其二选一；匹配不明确时默认 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 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】 > {exemplar1 的开头钩子段} > > 【情绪段风格】 > {exemplar2 的情绪高峰段} > > 【转折风格】 > {exemplar2 或 exemplar3 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.openinghooks 随机 1 个} > > 【情绪段模式】{seeds.emotionalpeaks 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
• 分段实时自检：读取 {skill_dir}/references/realtime-check.md，每写完约 500 字（或每个 H2）就地执行 5 项快速检查（句长交替 / 情绪锚定 / 词汇温度 / 素材锚定 / 句法变形），问题当场掐掉不累积到全文。按 500 字/H2 粒度查，不要写一句修一句；也不要为凑检查项刻意制造大量单句段落（会触发过度优化检测）
• 2-3 个编辑锚点：``
• 可选容器语法：:::dialogue、:::timeline、:::callout、:::quote、:::highlight（琥珀高亮框）、:::summary（青色总结框）

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：

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
2. 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：

1. 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
2. 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
3. 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）：

• 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 DONEWITHCONCERNS 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。

6.2 封面生成：生成封面 3 组创意提示词（按 visual-prompts.md），选最佳 1 组调用 image_gen.py 生成。

python3 {skill_dir}/toolkit/image_gen.py --prompt "{选定的封面提示词}" --output {skill_dir}/output/{slug}-cover.png --size cover

（--size 取值：封面用 cover，内文配图用 article；多 provider 自动 fallback 已内置。）

6.3 封面验证：

• 交互模式：展示封面，问用户"封面效果如何？"。用户 OK → 继续；不满意 → 调整提示词重新生成。
• 全自动模式：agent 自检——提示词中的实体是否在画面描述中可识别？如果提示词过于泛化（仅含"科技感""未来感"等抽象词，无具体实体），换一组提示词重试 1 次。

6.3b 风格锚定：封面确认后，提取视觉锚点（色板 hex、风格关键词、画面调性），后续所有内文配图的提示词必须引用这组锚点，保证全文视觉一致。

6.4 内文配图：分析文章结构，为每个需要配图的段落选择图片类型（infographic/scene/flowchart/comparison/framework/timeline），使用对应的结构化提示词模板生成 3-6 张配图提示词（按 visual-prompts.md）。批量调用 image_gen.py，替换 Markdown 占位符。

对每张需要的配图，逐一调用：

python3 {skill_dir}/toolkit/image_gen.py --prompt "{该图的结构化提示词}" --output {skill_dir}/output/{slug}-fig{N}.png --size article

生成后把对应 Markdown 图片占位符替换为实际路径。

降级：image_gen.py 支持多 provider 自动 fallback（按 config.yaml 中 providers 列表顺序尝试）。全部失败 → 输出提示词 + 备选图库关键词，继续。

---

Step 7: 排版 + 发布

7.1 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。

平台硬限（converter 不强制，写作/发布时 agent 必须遵守）：

• 单篇正文 ≤ 20000 字
• 图片 ≤ 10 张（超出移除末尾多余）
• 未认证公众号不能用外部链接 → 转纯文本或放「阅读原文」
• 表格 ≤ 4 列（手机端更宽会被截断）

7.2 排版 + 发布：

如果 skip_publish = true → 直接走 preview。

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、AIGC 声明（impeccable 主题自动追加）、CSS 随机扰动（反低创检测指纹）。

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

# 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

8.1 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}"]
  output_file: "{output 文件路径}"  # e.g. output/2026-03-31-zhangxue-slow-accumulation.md
  framework: "{框架}"
  enhance_strategy: "{增强策略}"  # angle_discovery/density_boost/detail_anchoring/real_feel
  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=质量高, 100=问题多
  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，建议加入你自己的话。你可以在本地 markdown 里改，也可以直接在微信草稿箱改——改完后说'学习我的修改'，WeWrite 都能学到你的风格。"

8.3 后续操作：

| 用户说 | 动作 | |--------|------| | 润色/缩写/扩写/换语气 | 编辑文章 | | 封面换暖色调等 | 重新生图 | | 用框架 B 重写 | 回到 Step 4 | | 换一个选题 | 回到 Step 2.3 | | 换成 XX 主题 | 重新渲染 |

其余非管道命令（学习我的修改 / 学习排版 / 导入范文 / 查看范文库 / 看看文章数据 / 主题画廊 / 小绿书 / 检查一下）→ 读取: {skill_dir}/references/commands.md。

---

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） | | 范文库为空 | Fallback 到 exemplar-seeds.yaml（通用模式） | | 去 AI 验证 | 2 轮定向修复不过则跳过该项 | | 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 |

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: oaker-io
• Source: oaker-io/wewrite
• License: MIT

Install and usage instructions live in the source repository linked above.