Menü
自动搜索、抓取、改写技术内容，生成适合微信公众号的中文科普文章。涵盖AI大模型、GitHub开源工具、技术话题。当用户说"写一篇关于XXX的文章"、"帮我研究XXX"、"生成公众号文章"时使用。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| name | wechat-tech-writer |
| description | 自动搜索、抓取、改写技术内容，生成适合微信公众号的中文科普文章。涵盖AI大模型、GitHub开源工具、技术话题。当用户说"写一篇关于XXX的文章"、"帮我研究XXX"、"生成公众号文章"时使用。 |
| allowed-tools | WebSearch, WebFetch, Read, Write, Edit, Bash |
🎯 封面图是强制要求
图片文字使用中文
图片数量控制
文章只输出正文
链接使用纯文本格式
[官网](https://example.com/)官方网站：https://example.com/当用户输入一个话题后，首先：
明确主题类型
确定文章角度
使用 WebSearch 工具进行3-5轮搜索：
搜索策略：
质量标准：优先选择官方文档、知名技术博客、权威媒体报道
使用 WebFetch 获取2-5篇代表性文章的完整内容：
优先级：
提取要点：
核心原则：
推荐文章结构（2000-3000字）：
1. 引子（100-200字）
用一个场景或问题引入话题
2. 是什么（300-500字）
产品/技术的基本介绍
用类比帮助理解核心概念
3. 能做什么（500-800字）
核心功能特性
实际应用场景
具体使用案例
4. 为什么选择它（300-500字）
独特优势
与同类产品对比
5. 如何开始（200-300字）
快速上手指引
提供官方资源链接（纯文本格式）
6. 总结（100-200字）
总结要点
展望未来
语言风格：
详细写作指南：参见 references/writing-style.md
⚠️ 这是强制步骤：每篇文章必须生成一张吸引人的主题封面图。
核心要点：
快速生成命令：
cd <skills-dir>/wechat-tech-writer
python scripts/generate_image.py \
--prompt "A stunning cover for [主题], gradient [配色], title '[标题]', subtitle '[副标题]' in Chinese..." \
--api gemini \
--output cover.png
质量验证清单：
完整的封面图设计原则、提示词模板、执行步骤：
👉 参见 references/cover-image-guide.md
包含：
⚠️ 这是可选步骤：仅在内容确实需要时才生成额外配图（0-2张）。
阅读文章内容
│
├─ 有明确数据对比？ → 是 → 生成性能对比图
│
├─ 有复杂技术架构？ → 是 → 生成架构示意图
│
└─ 其他情况 → 不生成配图
典型场景：
完整的内容配图类型、提示词模板、生成流程：
👉 参见 references/content-images-guide.md
包含：
使用 Write 工具创建Markdown格式的文章文件：
文件内容结构：
# 文章标题
## 第一部分标题
正文内容...
 <!-- 如有内容配图 -->
*图：简短说明*
## 第二部分标题
正文内容...
## 总结
结尾总结段落...
重要提醒：
[文本](URL)官方网站：https://example.com/输出文件：
{主题名称}.mdcover.pngperformance-comparison.png、architecture.png等在输出前务必确认：
用户输入话题
│
├─ 包含"最新"、"发布"、"更名" → 新闻资讯类
│ └─ 搜索：官方公告 + 社区反应
│ └─ 配图：仅封面图（1张）
│
├─ 是AI模型/工具名称 → 介绍类
│ ├─ AI大模型 → 功能+评测+案例
│ │ └─ 配图：封面 + 可选性能对比图（1-2张）
│ │
│ └─ 开发工具 → 文档+教程+案例
│ └─ 配图：封面 + 可选架构图（1-2张）
│
└─ 是技术概念 → 概念科普
└─ 搜索：定义+原理+应用
└─ 配图：封面 + 可选概念对比图（1-2张）
| 文章类型 | 配色方案 | 色彩代码 |
|---|---|---|
| AI/科技类 | 蓝紫渐变 | #1a1f5c → #7c3aed |
| 工具/效率类 | 绿橙渐变 | #10b981 → #f97316 |
| 数据/分析类 | 蓝绿渐变 | #0891b2 → #06b6d4 |
| 创意/设计类 | 粉紫渐变 | #ec4899 → #a855f7 |
生成封面图（Gemini）：
python scripts/generate_image.py \
--prompt "提示词" \
--api gemini \
--output cover.png
生成封面图（DALL-E高清）：
python scripts/generate_image.py \
--prompt "提示词" \
--api dalle \
--quality hd \
--size 1792x1024 \
--output cover.png
# 步骤1：明确主题
主题类型 = "AI大模型介绍"
目标读者 = "AI用户、技术爱好者"
# 步骤2-3：搜索和抓取
搜索("Claude Sonnet 4 官方介绍")
搜索("Claude Sonnet 4 vs GPT-4 性能对比")
抓取(官网产品页 + 评测文章 + API文档)
# 步骤4：改写创作
写作(
引子="实际应用场景引入",
正文="功能特点 + 性能对比 + 应用案例 + 上手指引",
字数=2800
)
# 步骤5：生成封面图（强制）
generate_image(
prompt="Claude Sonnet 4 封面，蓝紫渐变，标题+副标题...",
api="gemini",
output="cover.png"
)
# 步骤6：内容配图（按需）
if 文章有性能对比数据:
generate_image(
prompt="性能对比柱状图，Claude vs GPT vs Gemini...",
output="performance-comparison.png"
)
# 步骤7：输出
write_file("Claude_Sonnet_4介绍.md", 文章内容)
记住：这个技能的目标是生成高质量、易读、吸引人的微信公众号科普文章。每个步骤都很重要，不可省略！
Route CEO-first multi-window work into owner-led role loops. Use for 总控/CEO、架构/CTO、内容主编、角色派发与复用、模型路由、来源窗口回调、role-windows 台账、skill 命中统计或 multi-window loop engineering。
Audit and optimize a skill system with evidence. Use for skill architecture, token or context waste, role and prompt boundaries, routing hits or misfires, plugin packaging, registry/docs/source drift, duplicate workflows, or deciding whether a reusable change belongs in a skill. Runs deterministic checks first and applies only authorized, minimal fixes.
用打分、盲预测、发布后复盘和 rubric 进化校准内容判断。适用于视频、文章、播客等可量化内容；触发词包括初始化、打分、预测、发布、复盘、推荐选题、抓热点、状态、找对标。首次使用先运行 cheat-init。
为最终稿创建不可变盲预测日志，并在已有预测时追加新版本。通过 cheat-score-blind 做隔离评分，再由主窗口复核落盘。触发词包括启动预测、start prediction、打分并预测、写预测日志。
提议并执行 rubric 或 bucket 升级。两种模式：**完整 rubric bump**（最高风险动作，5 步强制 + 跨模型审核）和 **--bucket-only 轻量重校**（只换 bucket 边界，不动 rubric 公式）。**Phase 2 强制走 cheat-score-blind sub-agent 给校准池重打分**——不接受 self-scored fallback。触发词："升级 rubric"/"bump rubric"/"更新公式"/"我想加一个维度"/"调整权重"/"重校桶"/"recalibrate bucket"。
cheat-on-content 的首次 onboarding 与脚手架创建器。统一流程——所有用户都走相同 5 阶段闭环，唯一区别是"发过视频的人"会在 init 时多一步：抓取已有视频建立历史 context（用于后续 cheat-seed 给更贴合的选题、更准的 baseline）。触发词："初始化"/"init"/"首次使用"/"我是新用户"/"setup cheat-on-content"。**必须在用户第一次会话执行；其他子 skill 在 .cheat-state.json 不存在时自动路由到此。**