OpenSkillIndex← back to search
claude-codeopenclaw

GB-Power-Market-JJ blog-writer

为张向阳（Astral Wave）的个人博客 astralwaveorg 生成高质量技术博客文章。当用户说"写博客xxx"、"帮我写一篇xxx"、"引用消息写成博客"、"总结今天聊天"，或者 cron 触发每日聊天总结时，使用此技能。文章风格必须模拟作者本人：用工程师第一人称视角，诚实直接，有踩坑说踩坑，读起来像同事之间的经验分享，而不是翻译官方文档。绝不出现"非常优秀""极其强大"等废话词汇。目标是让读者感觉这是技术大牛写的，不是"AI 生成的"。

install
source · Clone the upstream repo
git clone https://github.com/GeorgeDoors888/GB-Power-Market-JJ
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/GeorgeDoors888/GB-Power-Market-JJ "$T" && mkdir -p ~/.claude/skills && cp -r "$T/openclaw-skills/skills/astralwaveorg/astralwave-blog" ~/.claude/skills/georgedoors888-gb-power-market-jj-blog-writer && rm -rf "$T"
OpenClaw · Install into ~/.openclaw/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/GeorgeDoors888/GB-Power-Market-JJ "$T" && mkdir -p ~/.openclaw/skills && cp -r "$T/openclaw-skills/skills/astralwaveorg/astralwave-blog" ~/.openclaw/skills/georgedoors888-gb-power-market-jj-blog-writer && rm -rf "$T"
manifest: openclaw-skills/skills/astralwaveorg/astralwave-blog/SKILL.md
source content

Blog Writer

自动生成张向阳个人博客（astralwaveorg）的技能。

两种工作模式

模式 A：搜索生成（主动写博客）

触发词：

  • "写博客 XXX"
  • "帮我写一篇 XXX"
  • "把 XXX 写成博客"
  • "引用消息写成博客"
  • "这个话题写一篇"

流程：

  1. 读取风格指南 → 先读 
    references/style.md
    ，不要跳过
  2. 解析诉求 → 提取技术关键词、判断话题分类（ai/devops/frontend/backend/tools/arch/db）
  3. 搜索资料 → 
    web_search
    至少 5 篇
    • 优先来源：官方文档 / GitHub / 知名技术博客（掘金、CSDN、InfoQ）
    • 不采信：个人随手笔记、无来源文章、低质量论坛回复
    • 中英文各一半
  4. 抓取核心内容 → 
    web_fetch
    2-3 篇最相关的文章，提取关键数据、代码示例、实测数字
  5. 生成 front matter → 用 
    scripts/new_post.py
    ，自动分配 topic，随机时间 19:00-23:59:59
  6. 生成正文 → 严格按 
    references/style.md
    风格写作，字数 2500-7000
  7. 写入文件 → 写入 
    source/_posts/
  8. 质量自查 → 逐项过质量清单（见下文）
  9. commit → 用 scripts/commit_msg.py 生成 message，执行 git add + commit，格式：
    • 文章类：
      post: <标题>
    • 功能类：
      feat: <功能>
    • 不 push，等用户确认后再部署
  10. 通知用户 → Telegram 发送 
    ✅ [文章标题]
    ，简洁不冗余

模式 B：聊天总结（定时写博客）

触发：每日 23:45 cron

流程：

  1. 读取聊天记录 → 用 
    sessions_history
    读取当天所有 session
  2. 提取话题 → a. 用 
    sessions_history
    API 读取当天所有 session 的消息 b. 将消息 JSON 通过 
    exec
    调用 
    scripts/extract_topics.py
    ，stdin 传入消息列表 JSON c. 解析 stdout 的 JSON 输出，得到 2-3 个核心话题及其上下文摘要
  3. 生成文章 → 判断话题关联度：
    • 话题关联紧密（同一个技术主题的不同维度）→ 合并为一篇深度长文
    • 话题相对独立 → 每话题独立成篇
    • 最多 3 篇（2-3 个话题）
  4. 写作 → 严格按 
    references/style.md
    ，特别注意第一人称 + 判断力语气
  5. 随机日期 → 当天 19:00-23:59:59 随机时间戳
  6. 写入 + commit → 用 
    scripts/commit_msg.py
    生成 message（
    post: <标题>
    ），执行 git add + commit，不 push
  7. Telegram 通知 → 每篇一条 
    ✅ [文章标题]

话题分类速查

话题categoriestags 典型值
aiAI、LLMOpenAI、Claude、LLM、MCP
devops运维、DevOpsDocker、Nginx、Linux、CI/CD
frontend前端TypeScript、Vue、React
backend后端Java、Python、API
tools工具CLI、MCP、Cursor
arch架构微服务、分布式
db数据库Redis、MySQL、SQLite

文章质量检查清单

生成后逐项确认：

  • 读完了 
    references/style.md
    才动笔
  • 语气是第一人身称，不是"开发者应该..."
  • 开头有背景：为什么做这事，当时怎么想的，有过什么犹豫
  • 有方案对比表格（适用时），判断理由具体，不是模糊词
  • 代码块有中文注释，注释说 why 不说 what
  • 结尾有实测结论：好不好、哪里坑、达到预期了吗
  • 没有"非常""极其""相当"等废话副词
  • description 是精准一句话，不夸张
  • 字数 2500-7000（不够就补充决策过程）
  • front matter 的 topic/date/categories/tags 完整正确
  • 读起来像人写的，不是"以下是关于 XXX 的技术文章"

禁止事项

  • 不自动 push（部署是高风险操作）
  • 不生成标题党文章
  • 不洗稿官方文档（要有自己的实战经验）
  • 不写纯翻译或摘要文章（要有观点和判断）
  • 不出现"AI 生成的"痕迹语气

参考文件

  • references/style.md
    — 完整风格指南（每次生成前必读）
  • scripts/new_post.py
    — 生成 front matter 和文件
  • scripts/extract_topics.py
    — 从聊天中提取核心话题