geek-skills-wechat-article-writer

这段内容是审核时保存的快照。外部来源才是完整且最新的版本。

---
name: wechat-article-writer
version: 1.2.0
description: 专业微信公众号文章助手，支持四个独立且可组合模式：article 写正文；image-prompts 从文章生成版本化、provider-neutral 的图片提示词 manifest 与稳定占位符，但不调用生图；layout 把文章和 manifest 确定性转换为微信安全的内联 HTML；full-pipeline 串联正文、提示词/占位符和排版。用户提到公众号、微信文章、推文、配图提示词、图片 manifest、公众号排版、内联 HTML 或完整图文流水线时触发。支持企业官号、个人技术博客、活动回顾和产品评测。不用于：带引用的研究报告（用 deep-research）、PPT/组图（用 deck-studio）、英文文章、仅润色一小段。永不自动发布，永不把提示词或占位符声称为已生成图片。
---

# 微信公众号文章创作助手

## 概述

帮助用户创作高质量的微信公众号文章。核心能力是**风格灵活适配**——同一个skill既能写企业官号的正式文案，也能写个人IP的技术博客。根据用户需求自动匹配最合适的风格和结构。

## 先选执行模式

用户未指定时默认 `article`。需要跨模式时按
`references/PIPELINE-CONTRACT.md` 的文件接口交接，不靠对话隐含状态。

| 模式 | 输入 | 必须输出 | 停止位置 |
|---|---|---|---|
| `article` | 素材/选题 | `article.md` | 正文完成 |
| `image-prompts` | `article.md` | `image-manifest.json`，正文含稳定锚点与占位符 | 提示词完成，不生图 |
| `layout` | `article.md` + 可选 manifest | `layout.html` | HTML 完成，不发布 |
| `full-pipeline` | 素材/选题 | article + manifest + HTML | 三件套完成，不生图、不发布 |

manifest 必须通过 `schemas/image-manifest.schema.json` 和
`scripts/validate_image_manifest.py`。排版优先调用宿主的“排版输出” Skill；
其接口不可用时，使用 `scripts/render_wechat_layout.py` 的确定性降级实现。

## 第一步：风格识别与素材分析

### 输入处理
- 网站链接 → 使用 web_fetch 获取完整内容
- 文本素材 → 直接分析
- 图像素材 → 识别内容提取关键信息

### 风格自动识别

根据用户的描述自动判断风格，无需每次手动选择：

| 信号 | 匹配风格 |
|------|---------|
| "公司号"、"官方"、"企业宣传"、"品牌" | 🏢 官方文案 |
| "我的公众号"、"技术博客"、"个人分享"、"实操"、提到"卡兹克" | 🧑‍💻 技术博客 |
| "活动回顾"、"分享会"、"社区"、"meetup" | 🎤 活动回顾 |
| "评测"、"对比"、"体验报告" | 🔍 评测对比 |
| 无法判断 → 询问用户："这篇文章发在企业官号还是个人号？风格偏正式还是轻松？" |

### 快速需求确认

仅在信息严重不足时询问（不超过2个问题）：
- 目标读者？（普通用户 / 技术开发者 / 行业人士 / 家长学生）
- 文章长度？（短文800-1500字 / 中文1500-3000字 / 长文3000+字）

信息充足时直接开始创作。

## 第二步：内容研究

**使用 web search 补充内容**（所有风格都适用）：

根据文章类型选择搜索策略：

**技术类文章**：
- 搜索技术文档、GitHub仓库、开发者博客、官方changelog
- 搜索技术社区讨论（StackOverflow、知乎技术话题、V2EX）
- 查找竞品/同类工具的对比信息
- 示例查询："Claude Code Skills 2.0 更新 eval benchmark"、"OpenClaw 部署 架构"

**企业/产品类文章**：
- 搜索行业报告、市场数据、权威分析
- 搜索竞品功能和用户评价
- 查找真实案例和成功故事
- 示例查询："AI语言学习 行业报告 2025 2026"、"口语评测 竞品 流利说 ELSA"

**活动/社区类文章**：
- 搜索活动相关技术背景
- 查找社区/组织的历史和定位
- 了解演讲主题的技术细节

## 第三步：按风格创作

---

### 🏢 风格A：企业官方文案

适用于：产品发布、企业动态、品牌宣传、行业白皮书

**语气**：专业可信、有温度但有距离感。参考 `references/style-guide.md`。

**核心特征**：
- 使用"我们"代表品牌，不用"我"
- 规范书面语，避免口语和网络用语
- 数据和案例支撑每个观点
- 积极正向，突出解决方案
- 遵循敏感词规避（`references/style-guide.md` 第七节）

**结构**：
1. 引人开头（100-200字）→ 痛点/热点/故事切入
2. 核心内容（3-5个小标题展开）→ 每段300-500字，穿插数据案例
3. 有力结尾（100-150字）→ 总结 + CTA行动号召

**标题风格**：参考 `references/title-formulas.md`，偏向权威型、数字型、福利型。

**示例语气**：
> 在数字化转型的浪潮中，语言学习正在经历一场深刻变革。OneOneTalk 基于前沿的 AI 语音技术，为学习者带来了全新的口语评测体验——实时反馈、多维度评分、个性化学习建议，让每一次开口都有收获。

---

### 🧑‍💻 风格B：个人技术博客

适用于：技术教程、工具评测、实操分享、观点评论、AI话题深度分析

**这是与官方风格差异最大的模式**。核心是「一个技术人在跟朋友聊技术」的感觉。

**语气**：个人化、有态度、接地气但有深度。

**核心特征**：
- 使用"我"作为叙事视角——"我试了一下"、"我的体验是"、"说实话"
- 可以有主观判断和个人倾向——"我觉得这个更新相当炸裂"、"坦白说这个功能还有改进空间"
- 口语化表达OK——"搞定"、"真香"、"踩坑"，但不要过度
- 技术内容要精准——概念、参数、代码不能有错
- 有实操过程——不是二手信息转述，要有"我实际用了之后发现..."的质感
- 适当的幽默和吐槽是加分项

**技术内容写作规范**：

代码示例：使用```标记代码块，标注语言类型
```python
# 示例：创建一个skill的eval
python -m scripts.run_loop \
  --eval-set evals/trigger-eval.json \
  --skill-path ./my-skill \
  --max-iterations 5
```

命令行操作：用代码块包裹，加上注释说明
```bash
# 安装依赖
pip install -r requirements.txt
# 启动服务
python main.py --port 8080
```

技术概念解释：先说人话，再给术语
> 简单来说，eval就是给你的skill做一次"模拟考试"——丢几个测试题进去，看看skill能不能正确应对。技术上叫evaluation（评估），但你可以理解为自动化测试。

**结构**：
1. Hook开头（50-100字）→ 一个引子抓住读者，可以是一个问题、一个惊讶的发现、一个故事
2. 背景铺垫（100-200字）→ 为什么写这篇、这个事情的来龙去脉
3. 核心内容（主体）→ 技术细节+实操过程+截图/代码，用小标题分段
4. 个人观点/总结（100-200字）→ 我的看法、适合什么人、下一步要做什么
5. 互动引导 → "你用过吗？欢迎评论区聊聊"

**标题风格**（技术博客专用）：
- 实操型："我用 Claude Code Skills 2.0 重建了eval体系，效率提升3倍"
- 深度解析型："Skills 2.0 深度拆解：从eval到benchmark的完整实践指南"
- 观点型："为什么说 Skills 2.0 是AI开发者的必备升级？"
- 踩坑型："Claude Code Skills 部署踩坑记：这5个问题差点让我放弃"
- 对比型："Coze vs Claude Code Skills：两种AI工作流的终极对比"

**反面教材**——技术博客绝对不要这样写：
- ❌ "近年来，随着人工智能技术的飞速发展..."（废话开头）
- ❌ "本文将为您详细介绍..."（论文体）
- ❌ 全文没有一行代码或命令（不是技术文章了）
- ❌ 只转述官方文档，没有自己的体验和观点
- ❌ 官方腔："该功能旨在为开发者提供更优质的..."

---

### 🎤 风格C：活动/社区回顾

适用于：技术分享会回顾、社区meetup、黑客马拉松、线下活动

**语气**：有现场感、有人味、兼顾技术内容和社区氛围。

**核心特征**：
- 开头营造现场感——时间、地点、人数、氛围
- 技术内容和人的故事交织——