wewrite-stats

name	wewrite-stats
description	WeWrite 数据复盘模块：拉取微信公众号文章的阅读/分享/点赞数据，回填历史记录并给出 选题、标题、框架的调整建议。 触发关键词：看看文章数据、文章数据怎么样、效果复盘、看看表现、阅读量怎么样。 需要公众号/WeWrite 上下文；不应被通用的"数据分析"触发。
allowed-tools	["Bash","Read","Write","Edit"]

wewrite-stats — 文章数据复盘

运行约定

• CLI：确定性操作走 wewrite 命令（需在 PATH；缺失则引导 uv tool install wewrite，或在仓库里 bash install.sh）。
• {home}：用户状态目录 = $WEWRITE_HOME 或 ~/.wewrite（wewrite home 可查）。config/style/history/playbook/output/exemplars 全在 {home}，不在仓库；references 文档中的状态路径同此约定。
• 读取: <路径> = 用文件读取工具真实读完该文件再继续，不是注释。
• references/：本 skill 自带 {skill_dir}/references/；references 文档内的 {skill_dir} 即本 skill 目录。

执行

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

按其流程执行：fetch_stats.py --days 7 拉数据 → 匹配并回填 history.yaml 的 stats 字段 → 分析最好/最差表现及原因 → 给出后续选题/标题/框架的调整建议。

前置：需要 config.yaml 里的微信 API 凭证。缺凭证 → 告知用户"数据复盘需要配置 公众号 API（config.yaml），当前只能基于 history.yaml 已有记录做定性分析"，然后就 history.yaml 现有内容能分析多少分析多少。刚发布的文章 → 告知等 24h 后再看。

下游影响：回填的 stats 会被选题模块（wewrite-topic）读取——哪种框架/增强策略 表现好会加权到下次推荐。这是数据闭环的一半，另一半是 wewrite-learn 的改稿飞轮。