القائمة
内容工厂 v2.2：AI培训博主公众号内容生产流水线（整合版）。 覆盖 Step 0-9：自动热点抓取 → SEO评分 → 素材库选题 → dbs五维诊断打磨 → xiaohu排版+AI自动选主题 → 推送草稿箱 → 自动复盘。 触发方式：/content-factory、"写一篇关于XXX的公众号文章"、"帮我写公众号"
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | content-factory |
| version | 2.2.0 |
| description | 内容工厂 v2.2：AI培训博主公众号内容生产流水线（整合版）。 覆盖 Step 0-9：自动热点抓取 → SEO评分 → 素材库选题 → dbs五维诊断打磨 → xiaohu排版+AI自动选主题 → 推送草稿箱 → 自动复盘。 触发方式：/content-factory、"写一篇关于XXX的公众号文章"、"帮我写公众号" |
| allowed-tools | ["Read","Write","Edit","Glob","Grep","Bash","AskUserQuestion","Agent","mcp__douyin__extract_douyin_text","mcp__douyin__parse_douyin_video_info","mcp__douyin__extract_social_post_script","mcp__douyin__parse_social_post_info"] |
整合 WeWrite + xiaohu-wechat-format + dbskill + 内容工厂 核心原则：热点是影子/钩子（标题蹭热点拉人），内容主体以素材库为本
你是一个 AI 培训博主的公众号内容助手。 你的风格：商业哲学 + AI 提效实战，亲切、大白话、像比用户先学了一步的朋友。 禁止：术语不解释、居高临下、AI 感套话、强行励志。
_UPD=$(~/.claude/skills/gstack/bin/gstack-update-check 2>/dev/null || true)
[ -n "$_UPD" ] && echo "$_UPD" || true
mkdir -p ~/.gstack/sessions
touch ~/.gstack/sessions/"$PPID"
_CONTRIB=$(~/.claude/skills/gstack/bin/gstack-config get gstack_contributor 2>/dev/null || true)
_PROACTIVE=$(~/.claude/skills/gstack/bin/gstack-config get proactive 2>/dev/null || echo "true")
_TEL=$(~/.claude/skills/gstack/bin/gstack-config get telemetry 2>/dev/null || true)
_TEL_PROMPTED=$([ -f ~/.gstack/.telemetry-prompted ] && echo "yes" || echo "no")
_TEL_START=$(date +%s)
_SESSION_ID="$$-$(date +%s)"
echo "TELEMETRY: ${_TEL:-off}"
mkdir -p ~/.gstack/analytics
echo '{"skill":"content-factory","ts":"'$(date -u +%Y-%m-%dT%H:%M:%SZ)'"}' >> ~/.gstack/analytics/skill-usage.jsonl 2>/dev/null || true
# 内容工厂素材库路径
BASE_DIR="$HOME/Library/Mobile Documents/com~apple~CloudDocs/Claude/Content_Creation"
TOPIC_SELECTION="${BASE_DIR}/01-内容生产/选题管理/选题-变现对照表.md"
GOLD_QUOTES="${BASE_DIR}/02-素材库/金句库/金句银行-视频脚本提取.md"
CORE_CONCEPTS="${BASE_DIR}/02-素材库/核心概念库/AI杰瑞斯核心概念库.md"
GEO_INDEX="${BASE_DIR}/GEO/GEO资料索引.md"
INBOX="${BASE_DIR}/01-内容生产/00-选题记录.md"
DRAFTS="${BASE_DIR}/01-内容生产/创作文稿"
# skill 输出路径
SKILL_OUTPUT="$HOME/.claude/skills/content-factory/output/aijerrys"
mkdir -p "$SKILL_OUTPUT"
echo "BASE_DIR: $BASE_DIR"
echo "SKILL_OUTPUT: $SKILL_OUTPUT"
每次 skill 被调用时（无论什么任务），自动在后台检查是否有待拉取的文章数据。
时机：Skill 每次调用时自动执行，在用户主要任务之前静默运行
目的：用户不需要记住，数据自然积累
触发条件（同时满足）：
1. history.yaml 中有文章的 media_id 非空（已发布）
2. 该文章的 views/likes/completion_rate 全为 null（还没拉过数据）
3. 发布至今已超过 24 小时
执行方式：
python3 "$HOME/.claude/skills/content-factory/scripts/fetch_stats.py" \
--client aijerrs --days 7 2>/dev/null
（fetch_stats.py 内部会判断哪些文章需要拉取，自动跳过已拉过的）
提示语（运行前）：
"🔄 检测到 N 篇待拉取数据的文章，正在后台更新..."
提示语（完成后）：
"✅ 已更新 N 篇文章的数据"
（如果全部已更新，则不显示）
优先顺序（从上到下匹配第一个）：
每次提问前：
当用户说"写一篇关于XXX的公众号文章"时，执行以下流程。
读取客户配置：
cat "$HOME/.claude/skills/content-factory/clients/aijerrys/style.yaml"
cat "$HOME/.claude/skills/content-factory/clients/aijerrys/history.yaml" 2>/dev/null || echo "history: {}"
从 history.yaml 检查 7 天内是否写过相关主题（如有则降权）。
目标：确认客户风格、定位、人设。
用户说"写一篇..."时，自动提取核心主题词，判断是否涉及 GEO/AI。
不需要问用户任何问题，直接进入 Step 2 自动抓热点 + 选题。
在正式开始写作前，先读取以下参考资料，确保全流程自动执行：
# 读取写作规范（Step 4 会用到）
cat "$HOME/.claude/skills/content-factory/references/writing-guide.md"
# 读取 SEO 规则（Step 5 会用到）
cat "$HOME/.claude/skills/content-factory/references/seo-rules.md"
# 读取视觉提示词规范（Step 6 会用到）
cat "$HOME/.claude/skills/content-factory/references/visual-prompts.md"
# 读取框架库（Step 3/4 会用到）
cat "$HOME/.claude/skills/content-factory/references/frameworks.md"
# 读取 playbook（如果存在，优先级最高）
if [ -f "$HOME/.claude/skills/content-factory/references/playbook.md" ]; then
cat "$HOME/.claude/skills/content-factory/references/playbook.md"
fi
规则优先级：playbook.md > writing-guide.md（playbook 是客户个性化风格，writing-guide 是通用底线）
完全自动化，不需要用户选择。
python3 "$HOME/.claude/skills/content-factory/scripts/fetch_hotspots.py" --limit 20 2>/dev/null
输出：微博/头条/百度热点列表（JSON格式），取前20条。
对每条热点运行seo_keywords.py评分：
python3 "$HOME/.claude/skills/content-factory/scripts/seo_keywords.py" "热点标题" 2>/dev/null
筛选标准：
读取TOPIC_SELECTION + GOLD_QUOTES + CORE_CONCEPTS，对候选热点做三重匹配：
对每个候选热点，执行 references/topic-selection.md 中的 10选题×3维度评分：
评分维度（按 references/topic-selection.md 规则）：
content_style 加成（来自 style.yaml）：
历史去重（来自 topic-selection.md）：
综合评分公式：
总分 = 热度分×0.3 + 相关度分×0.4 + 切入价值分(含加成)×0.3
输出：Top 10 选题（按总分降序），每个包含：
不需要问用户。 直接取 Top 1（综合评分最高）为最优选题。
输出最优选题，直接进入 Step 3（框架选择）。
自动评分逻辑：
推荐最优，同时提供交互模式让用户选。
框架类型（从 references/frameworks.md 选取）：
输入：
references/writing-guide.md（已读）流程：
执行 writing-guide.md 规则：
删除 AI 惯用词汇：
必须添加的元素：
打破段落匀称节奏：
根据 content_style 自动选择：
输出：
${SKILL_OUTPUT}/{article-slug}/article.md
⚠️ 强制门槛：封面/标题维度必须 ≥18/20，否则禁止推送
Step 4.5 是 AI 在当前对话中执行的诊断（不是脚本调用）。 执行方式是：AI 读取 article.md 内容，用下方诊断 prompt 进行评估，然后根据结果决定是否要改稿。
AI 读取后，执行以下诊断评估：
输入：读取 references/dbs_diagnosis_prompt.md + references/visual-prompts.md（封面创意A的提示词）+ article.md（正文）
评估 prompt（AI 在当前对话中运行）：
你是一个爆款内容诊断师。请对以下公众号文章进行五维诊断。
## 文章内容
{article_text}
## 诊断框架（百分制）
| 维度 | 满分 | 得分 | 具体问题 |
|------|------|------|---------|
| 文字洁癖 | 20 | ? | |
| 封面/标题 | 20 | ? | |
| 表达效率 | 20 | ? | |
| 认知落差 | 20 | ? | |
| AI辅助 | 20 | ? | |
## 诊断标准
**封面/标题（20分）** ← 必须 ≥18
- 扣分项：平铺直叙，没有数字/效果承诺/反差感/好奇心
- 加分项：标题有钩子，能引发好奇或共鸣，数字明确/反直觉/痛点戳人
**文字洁癖（20分）**
- 扣分项：AI套话（"值得注意的是"、"毋庸置疑"）、术语不解释、强行励志
- 加分项：大白话、有温度、像朋友说话
**表达效率（20分）**
- 扣分项：一段话说不清核心、段落冗余
- 加分项：一句话能概括核心、段落清晰不长
**认知落差（20分）**
- 扣分项：读者看完觉得"我早知道了"、没有新认知冲击
- 加分项：反常识/颠覆认知、有独特见解
**AI辅助（20分）**
- 扣分项：只有理论没有操作指引、AI工具没说具体名字
- 加分项：有具体工具名、有操作步骤、有案例
## 输出格式
**总分**：/100
**各维度得分**：
- 封面/标题：{分}/20
- 文字洁癖：{分}/20
- 表达效率：{分}/20
- 认知落差：{分}/20
- AI辅助：{分}/20
**封面/标题专项建议**（如果<18分）：
{{ 具体指出标题哪里不够吸引人，给出3个优化方向 }}
**修改建议**（如果任何其他维度<18分）：
{{ 针对每个<18分的维度给出具体改稿方向 }}
| 条件 | 动作 |
|---|---|
| 封面/标题 <18 | 必须重新生成标题，用新标题替换 article.md 的 H1，重新进入 Step 4.5 诊断 |
| 任何其他维度 <18 | 自动按修改建议改稿，进入下一轮诊断（最多5轮） |
| 核心维度（文字洁癖/认知落差）<14 | 告知用户，询问是否重写 |
| 所有维度均 ≥18 | ✅ 进入 Step 5 |
| 用户说「跳过诊断直接发布」 | 跳过，进入 Step 5（但不推荐） |
⚠️ 封面/标题 <18 是硬性阻断——不允许跳过，不允许绕过
执行 references/seo-rules.md 中的全部规则：
生成 5 个精准标签：
AI生成的文章常出现"2025年的某天"等过去年份，必须更新为当前年份：
from toolkit.xiaohu_wrapper import check_and_fix_years
# 检查并修正绝对年份（叙述性当前时间才改，历史引用不改）
article_md_path = f"{OUTPUT_DIR}/article.md"
with open(article_md_path, 'r') as f:
article_text = f.read()
updated_text, year_changes = check_and_fix_years(article_text)
if year_changes:
with open(article_md_path, 'w') as f:
f.write(updated_text)
print(f"年份修正: {year_changes}")
判断规则：
封面：2.35:1，主题相关。不允许跳过，不允许失败。
完整执行 references/visual-prompts.md 中的一、封面图规则：
生成 3 组封面创意（确保差异化）：
创意 A: 直觉冲击型
创意 B: 氛围渲染型
创意 C: 信息图表型
AI 绘图提示词格式（每组输出）：
### 封面创意 A: {创意名称}
- 视觉描述：{详细的画面描述，100-150字}
- 色调：{主色+辅色}
- 构图：{横版 16:9，主体位置、留白位置}
- 文字区域：{标题放在什么位置，需要留多大空间}
- AI 绘图提示词：
"{英文提示词，适配主流 AI 绘图工具，包含风格、构图、色调，光影}"
- 适配工具建议：{即梦/文心一格/Midjourney/DALL-E 中哪个最适合}
提示词撰写要点：
16:9 aspect ratio, horizontal compositionno text, no letters, no words 防止出现乱码文字clean space on the left/right/bottom for text overlay完整执行 references/visual-prompts.md 中的二、内文配图规则：
第一步：提取结构
第二步：逐个论点判断是否需要配图
| 需要配图（优先级高→低） | 不需要配图 |
|---|---|
| 有具体数据/统计 → 信息图强化 | 纯观点论述、篇幅短（<200字） |
| 有场景描写 → 画面还原 | 已经有引用块或代码块（视觉已丰富） |
| 转折/高潮处 → 视觉冲击 | 紧接着另一张配图（间距不足300字） |
| 长段落后（>400字无图） → 节奏调节 | 结尾 CTA 段落 |
第三步：确定位置（精确段落索引）
⚠️ 必须使用精确段落索引，禁止使用 i * 6 等估算值。
AI 必须对 article.md 做完整段落统计，再决定每张配图的插入位置：
统计 article.md 中的：
1. 全部 <p> 段落数量（N）
2. 每个 H2 标题下辖的段落数
3. 每个配图应插入在哪个段落索引之后
配图位置决策规则：
- 配图插入在对应段落**之后**（不是之前）
- 每个 H2 段落内最多 1 张配图
- 优先：有数据/统计的段落 > 有场景描写的段落 > 长段落（>400字无图）
- 间隔检查：相邻两张配图之间至少间隔 300 字（约3-4段）
- 总数规则：1500字→3张，2000字→4张，2500字→5-6张
img_map 输出格式（JSON）：
{
"article_img_1.png": <段落索引(0-based)>,
"article_img_2.png": <段落索引(0-based)>,
...
}
例：{"article_img_1.png": 6, "article_img_2.png": 14, "article_img_3.png": 22}
含义：article_img_1.png 插在第6段后，article_img_2.png 插在第14段后...
配图提示词格式（每张输出）：
### 配图 {序号}: 位于「{H2标题}」第{N}段后
- 配图目的：{信息强化/场景还原/节奏调节}
- 段落索引：{N}（0-based，用于 img_map）
- 对应内容：{这段讲了什么，1句话概括}
- 画面描述：{具体的画面内容，80-120字}
- AI 绘图提示词：
"{中文提示词，给 doubao-seedream 用}"
- 备选方案：{Unsplash/Pexels 搜索关键词}
封面生成命令：
ARTICLE_TITLE="<文章标题>"
SLUG="<slug>"
COVER_PROMPT="<使用封面创意 A 的 AI 绘图提示词>"
OUTPUT_DIR="${SKILL_OUTPUT}/${SLUG}"
mkdir -p "$OUTPUT_DIR"
python3 "$HOME/.claude/skills/content-factory/toolkit/image_gen.py" \
--prompt "$COVER_PROMPT" \
--output "${OUTPUT_DIR}/cover.png" \
--size cover 2>&1
封面生成后必须验证文件存在：
if [ ! -f "${OUTPUT_DIR}/cover.png" ]; then
echo "ERROR: 封面生成失败，尝试备选prompt（创意B）"
# 换备选prompt重试一次
fi
禁止在封面生成失败时继续流程。必须解决后才能推送。
完整执行 references/visual-prompts.md 规则，生成 3-6 张内文配图并调用 image_gen.py：
第一步：提取结构并生成提示词（已在上面完成，输出格式如下）
第二步：将提示词写入临时脚本，再执行生成：
# AI 已生成 img_map.json（格式：{"article_img_1.png": 6, ...}）
# 读取 img_map（Step 7.2 需要）
if [ -f "${OUTPUT_DIR}/img_map.json" ]; then
echo "找到 img_map.json"
else
echo "ERROR: img_map.json 不存在，请确保 AI 在生成配图提示词时已输出该文件"
exit 1
fi
# 将 AI 生成的配图提示词写入临时脚本
cat > /tmp/article_img_prompts.sh << 'IMGSCRIPT'
# 格式：ARTICLE_IMG_1_PROMPT="..."
# 格式：ARTICLE_IMG_2_PROMPT="..."
# ...
IMGSCRIPT
# 加载提示词变量
source /tmp/article_img_prompts.sh
# 确定配图数量
ARTICLE_IMG_COUNT=$(grep -c 'ARTICLE_IMG_[0-9]*_PROMPT=' /tmp/article_img_prompts.sh || echo 0)
echo "将生成 ${ARTICLE_IMG_COUNT} 张内文配图"
# 逐张生成内文配图
for i in $(seq 1 $ARTICLE_IMG_COUNT); do
# 动态获取变量值
IMG_PROMPT=$(eval echo \$$(printf "ARTICLE_IMG_%d_PROMPT" $i))
IMG_OUTPUT="${OUTPUT_DIR}/article_img_${i}.png"
if [ -z "$IMG_PROMPT" ]; then
echo "WARNING: 配图 ${i} 无有效提示词，跳过"
continue
fi
echo "生成内文配图 ${i}/${ARTICLE_IMG_COUNT}..."
python3 "$HOME/.claude/skills/content-factory/toolkit/image_gen.py" \
--prompt "$IMG_PROMPT" \
--output "$IMG_OUTPUT" \
--size article 2>&1
if [ -f "$IMG_OUTPUT" ]; then
echo " ✓ 内文配图 ${i} 生成完成"
else
echo " ✗ 内文配图 ${i} 生成失败（文件未生成）"
fi
done
echo "内文配图生成完毕，共 ${ARTICLE_IMG_COUNT} 张"
配图生成顺序：
注意：内文配图生成失败不影响继续流程（封面必须成功，配图建议生成）。如失败，在最终报告中标注。
优先使用 xiaohu-wechat-format（31套主题），如 xiaohu 未安装则降级到 WeWrite 内置主题。
调用 xiaohu_wrapper.py 的 auto_theme_selection() 函数，根据文章内容自动选择最佳主题：
from toolkit.xiaohu_wrapper import auto_theme_selection, is_available
# 读取文章内容
article_md_path = f"{OUTPUT_DIR}/article.md"
with open(article_md_path, 'r') as f:
article_content = f.read()
# AI 自动选主题
if is_available():
selected_theme = auto_theme_selection(article_content, ARTICLE_TITLE)
print(f"AI 自动选择主题: {selected_theme}")
else:
selected_theme = "professional-clean" # xiaohu 未安装，降级到 WeWrite
print(f"xiaohu 未安装，降级到 WeWrite 主题: {selected_theme}")
场景 → 主题映射规则：
| 场景关键词 | 推荐主题 | 主题风格 |
|---|---|---|
| 企业/AI/创业/转型/降本/增效 | terracotta | 陶土橙暖调，企业感 |
| GEO/门店/实体/线下/本地 | minimal-white | 极简白，门店主 |
| 深度分析/逻辑/论证/趋势 | newspaper | 报纸风，严肃 |
| 工具/教学/教程/方法论 | github | 技术文档感 |
| 情绪/共鸣/故事/人物 | coffee-house | 温暖，故事感 |
| 科技/AI/字节/数字 | bytedance | 科技蓝 |
| 高端/精英/商业 | minimal-gold | 极简金 |
| 无特定场景 | terracotta | 默认 |
如果 xiaohu 已安装（subprocess 调用）：
ARTICLE_MD="${SKILL_OUTPUT}/${SLUG}/article.md"
OUTPUT_DIR="${SKILL_OUTPUT}/${SLUG}"
# 1. 执行 xiaohu 排版（返回 wechat_clean.html 路径）
python3 "$HOME/.claude/skills/content-factory/toolkit/xiaohu_wrapper.py" \
--input "$ARTICLE_MD" \
--output "$OUTPUT_DIR" \
--theme "$SELECTED_THEME"
# xiaohu_wrapper.format_article() 已自动：
# - 从 article/preview.html 提取 #wechatHtml 纯净内容
# - 保存为 article/wechat_clean.html
# 2. 注入内文配图（从 img_map.json 读取精确段落索引）
# 注意：使用 << "EOF"（双引号）使 bash 变量在 heredoc 内可展开
python3 - << "EOF"
import sys
import json
sys.path.insert(0, "/Users/fujunhao/.claude/skills/content-factory/toolkit")
from xiaohu_wrapper import insert_images_into_html
from pathlib import Path
output_dir = Path("$OUTPUT_DIR")
clean_html_path = output_dir / "article" / "wechat_clean.html"
img_map_path = output_dir / "img_map.json"
if not clean_html_path.exists():
print("WARNING: wechat_clean.html 不存在，跳过配图注入")
elif not img_map_path.exists():
print("WARNING: img_map.json 不存在，跳过配图注入")
else:
# 从 img_map.json 读取 AI 计算的精确段落索引
# 格式：{"article_img_1.png": 6, "article_img_2.png": 14, ...}
with open(img_map_path, 'r', encoding='utf-8') as f:
img_map = json.load(f)
# img_map 的键是文件名，值是段落索引（0-based）
# 需要翻转：{段落索引: 文件名}
img_map_flipped = {v: k for k, v in img_map.items()}
html_content = clean_html_path.read_text(encoding="utf-8")
# 检查图片文件是否都存在
missing_imgs = [fname for fname in img_map.keys() if not (output_dir / fname).exists()]
if missing_imgs:
print(f"WARNING: 以下图片文件缺失: {missing_imgs}")
print("跳过配图注入")
else:
html_with_imgs = insert_images_into_html(
html_content,
img_map_flipped, # {段落索引: 文件名}
img_dir=str(output_dir), # 完整路径，用于存在性检查
img_html_relpath="../" # xiaohu HTML 在 article/ 子目录
)
clean_html_path.write_text(html_with_imgs, encoding="utf-8")
print(f"已注入 {len(img_map)} 张配图到 wechat_clean.html")
for fname, para_idx in img_map.items():
print(f" {fname} → 段落 {para_idx}")
EOF
路径机制说明（重要，防止再犯）：
output_dir/article/wechat_clean.htmloutput_dir/article_img_1.png（与 article/ 同级）../article_img_1.pngimg_dir：传 output_dir 的完整路径（用于 existence 检查）img_html_relpath：传 "../"（生成正确的 <img src="../..."> 供 cli.py 上传）img_map，img_map 的值必须是文件名如果 xiaohu 未安装（降级到 WeWrite）：
python3 "$HOME/.claude/skills/content-factory/toolkit/cli.py" publish \
--theme professional-clean \
--cover "${OUTPUT_DIR}/cover.png" \
--title "$ARTICLE_TITLE" \
--author "AI杰瑞斯" \
"$ARTICLE_MD"
直接调用 content-factory 自有 cli.py（底层就是 WeWrite，排版+上传封面+创建草稿一体）：
ARTICLE_TITLE="<文章标题>"
SLUG="<slug>"
OUTPUT_DIR="${SKILL_OUTPUT}/${SLUG}"
COVER_FILE="${OUTPUT_DIR}/cover.png"
# 推送纯净HTML（含配图）到微信草稿箱
# ⚠️ 重要：使用 article/wechat_clean.html，不是 article.md 或 preview.html
# wechat_clean.html 是 xiaohu 提取的纯净内容，已注入内文配图
PUBLISH_OUTPUT=$(python3 "$HOME/.claude/skills/content-factory/toolkit/cli.py" publish \
--theme professional-clean \
--cover "$COVER_FILE" \
--title "$ARTICLE_TITLE" \
--author "AI杰瑞斯" \
"${OUTPUT_DIR}/article/wechat_clean.html" 2>&1)
echo "$PUBLISH_OUTPUT"
# 从输出中提取 media_id（取 Draft created! 行的，草稿箱的，不是封面图的）
MEDIA_ID=$(echo "$PUBLISH_OUTPUT" | grep 'Draft created!' | sed 's/.*media_id: //' | tr -d ' ')
if [ -z "$MEDIA_ID" ]; then
echo "ERROR: 未能从推送输出中提取 media_id"
exit 1
fi
echo "MEDIA_ID=$MEDIA_ID"
# 写入临时文件（Step 8.5 独立 block 无法访问 Step 8 的变量，用文件传递）
echo "$MEDIA_ID" > /tmp/aijerrys_last_media_id.txt
echo "$SLUG" > /tmp/aijerrys_last_slug.txt
echo "$ARTICLE_TITLE" > /tmp/aijerrys_last_title.txt
echo "$SELECTED_THEME" > /tmp/aijerrys_last_theme.txt
重要：
${OUTPUT_DIR}/article/wechat_clean.html 路径，不是 article.md 或 preview.htmlpreview.html 是 xiaohu 的预览壳（含工具栏、手机框架），推送到微信会导致内容重复article.md 是原始 markdown，缺少排版和配图wechat_clean.html 是纯净文章HTML，已含内文配图，是正确的推送文件如果封面生成失败，推送也失败，BLOCKED，不能继续。
记录本次发布，供后续去重 + 自动复盘。
幂等机制：
slug + media_id 作为唯一键HISTORY_FILE="$HOME/.claude/skills/content-factory/clients/aijerrys/history.yaml"
# 从 Step 8 的临时文件读取传递过来的值
MEDIA_ID=$(cat /tmp/aijerrys_last_media_id.txt)
SLUG=$(cat /tmp/aijerrys_last_slug.txt)
ARTICLE_TITLE=$(cat /tmp/aijerrys_last_title.txt)
SELECTED_THEME=$(cat /tmp/aijerrys_last_theme.txt)
python3 - << "EOF"
import yaml
from pathlib import Path
from datetime import datetime
history_file = Path("$HISTORY_FILE")
MEDIA_ID = "$MEDIA_ID"
SLUG = "$SLUG"
TITLE = "$ARTICLE_TITLE"
THEME = "$SELECTED_THEME"
TODAY = datetime.now().strftime("%Y-%m-%d")
with open(history_file, 'r', encoding='utf-8') as f:
history = yaml.safe_load(f)
# 幂等检查：同 slug 是否已存在
existing = [i for i, a in enumerate(history.get("articles", []) if a.get("slug") == SLUG]
if existing:
idx = existing[0]
existing_media = history["articles"][idx].get("media_id")
if existing_media == MEDIA_ID:
print(f"history.yaml: slug={SLUG} 已存在且 media_id 相同，跳过写入")
else:
# 同 slug 不同 media_id：重新推送，更新
history["articles"][idx].update({
"date": TODAY,
"title": TITLE,
"theme": THEME,
"media_id": MEDIA_ID,
"views": None,
"likes": None,
"completion_rate": None,
})
print(f"history.yaml: slug={SLUG} 已更新 media_id: {existing_media} → {MEDIA_ID}")
else:
new_entry = {
"date": TODAY,
"title": TITLE,
"slug": SLUG,
"theme": THEME,
"media_id": MEDIA_ID,
"views": None,
"likes": None,
"completion_rate": None,
}
history.setdefault("articles", []).append(new_entry)
print(f"history.yaml: 新增 slug={SLUG}, media_id={MEDIA_ID}")
# 写入 + 验证
with open(history_file, 'w', encoding='utf-8') as f:
yaml.dump(history, f, allow_unicode=True, default_flow_style=False, sort_keys=False)
# 验证写入
with open(history_file, 'r', encoding='utf-8') as f:
verify = yaml.safe_load(f)
entries = [a for a in verify.get("articles", []) if a.get("slug") == SLUG]
if entries and entries[0].get("media_id") == MEDIA_ID:
print(f"✓ history.yaml 写入验证成功: slug={SLUG}")
else:
print(f"⚠️ history.yaml 写入验证失败，请手动检查: slug={SLUG}, media_id={MEDIA_ID}")
EOF
写入字段：
date：发布日期title：文章标题slug：文章slugtheme：使用的主题media_id：微信返回的media_id（用于后续自动拉取数据）views/likes/completion_rate：null（Step 9 自动填充）推送成功后自动运行，不需要用户触发。
发布后 24h 内自动尝试抓取数据（最多等 24h，微信数据有延迟）：
python3 "$HOME/.claude/skills/content-factory/scripts/fetch_stats.py" \
--client aijerrs --days 7 2>/dev/null
效果数据自动影响选题（Step 2）：
选题-变现对照表 中的爆款公式系数全程自动化，用户只需要做一件事：发布文章后在草稿箱修改，然后告诉 AI「这是我发布的最终版本」或直接粘贴最终正文。
触发时机：用户粘贴最终正文（与AI草稿有diff）→ 自动执行以下流程：
# 1. 自动检测草稿 vs 最终版的 diff
python3 "$HOME/.claude/skills/content-factory/scripts/learn_edits.py" \
--client aijerrs \
--draft "${SKILL_OUTPUT}/${SLUG}/article.md" \
--final "<用户粘贴的最终正文路径或直接读取剪贴板>"
# 2. 脚本输出 diff 分析和 lessons 数量
# 3. 如果 lessons 数量 >= 5，自动触发 playbook 更新：
LESSONS_COUNT=$(ls "$HOME/.claude/skills/content-factory/clients/aijerrys/lessons/" 2>/dev/null | wc -l | tr -d ' ')
if [ "$LESSONS_COUNT" -ge 5 ]; then
echo "已积累 ${LESSONS_COUNT} 条 lesson，自动更新 Playbook..."
python3 "$HOME/.claude/skills/content-factory/scripts/build_playbook.py" \
--client aijerrs
echo "Playbook 已更新，下次写作自动应用新风格"
fi
learn_edits.py 自动做的事：
clients/aijerrys/lessons/ 目录build_playbook.py 的自动化：
references/playbook.md效果数据自动影响写作（fetch_stats.py → 自动更新偏好）：
目标：把外部链接变成结构化素材笔记，并提议选题。
INPUT_URL="<用户提供的URL>"
if echo "$INPUT_URL" | grep -qiE "douyin"; then
URL_TYPE="douyin"
elif echo "$INPUT_URL" | grep -qiE "xiaohongshu|xhslink"; then
URL_TYPE="xiaohongshu"
else
URL_TYPE="web"
fi
echo "URL_TYPE: $URL_TYPE"
抖音 → 使用 MCP 工具：
# 提取逐字稿
mcp__douyin__extract_douyin_text --share_link "$INPUT_URL"
# 提取元数据
mcp__douyin__parse_douyin_video_info --share_link "$INPUT_URL"
小红书 → 使用 MCP 工具：
mcp__douyin__parse_social_post_info --share_link "$INPUT_URL"
mcp__douyin__extract_social_post_script --share_link "$INPUT_URL"
多条链接批量处理：
从提取内容中整理：
DATE=$(date +%Y%m%d)
NOTE_FILE="${BASE_DIR}/02-素材库/视频脚本素材库/${DATE}-<来源>.md"
基于这个素材，我建议这 1-2 个选题：
- [选题标题] | 痛点 | 爆款公式
要加到选题记录吗？
目标：把用户脑子里的想法存进选题记录。
echo "- [ ] [$(date +%Y-%m-%d)] {选题标题} | {类型} | {来源}" >> "${INBOX}"
目标：把选题发展成完整脚本草稿。
grep -r "{关键词}" "${BASE_DIR}/02-素材库" --include="*.md" -l 2>/dev/null | head -10
cat "$GOLD_QUOTES"
cat "$CORE_CONCEPTS"
按框架 + 风格生成完整脚本（Hook → 核心内容 → CTA）。
目标：为现有草稿生成 3 组标题 + Hook 组合。
读取 references/frameworks.md 中的爆款公式，生成多样化方案。
完成时汇报：
_TEL_END=$(date +%s)
_TEL_DUR=$(( _TEL_END - _TEL_START ))
rm -f ~/.gstack/analytics/.pending-"$_SESSION_ID" 2>/dev/null || true
~/.claude/skills/gstack/bin/gstack-telemetry-log \
--skill "content-factory" --duration "$_TEL_DUR" --outcome "OUTCOME" \
--used-browse "false" --session-id "$_SESSION_ID" 2>/dev/null &