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

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}

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）

  1. 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
  2. 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）

  1. python3 {skill_dir}/scripts/humanness_score.py {article_path} --json

  2. 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
  3. 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

config.yaml

skip_publish = true

pip install -r requirements.txt

wechat.appid

secret

skip_publish = true

image.api_key

image.providers

skip_image_gen = true

references/exemplars/index.yaml

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

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：

"{关键词} site:mp.weixin.qq.com OR site:36kr.com"

"{关键词} 观点 OR 评论"

"{关键词} 教程 OR 工具 OR 实操"

"{关键词} 数据 报告"

"{人物/事件} 采访 OR 专访 OR 细节"

"{关键词} 数据 报告"

"{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"

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）

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

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

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：

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

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：

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： 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）：

B. 内容质量（基于 Step 3.2 的增强策略检查）：

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

• < 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

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。

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。

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）：

预检全部通过后才进入排版。

7.2 排版 + 发布：

如果

skip_publish = true

读取: {skill_dir}/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 {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：

python3 {skill_dir}/toolkit/cli.py gallery

读取: {skill_dir}/references/effect-review.md

读取: {skill_dir}/references/learn-edits.md

--from-wechat

python3 {skill_dir}/scripts/learn_theme.py <url> --name <name>

python3 {skill_dir}/toolkit/cli.py image-post img1.jpg img2.jpg -t "标题"

python3 {skill_dir}/scripts/extract_exemplar.py article.md

python3 {skill_dir}/scripts/extract_exemplar.py --list

错误处理