| name | analyze |
| description | Smart Blog 品質分析。5 大類 100 分評分，包含 Humanizer 29 模式 AI 偵測、 SEO 驗證、E-E-A-T 評估、PageSpeed 整合。支援 PDF 報告輸出。 Use when user says "analyze blog", "分析文章", "blog audit", "品質評分", "smart-blog analyze", "blog analyze".
|
| user-invokable | true |
| argument-hint | <檔案或目錄> [--pdf] |
Blog Analyze — 文章品質分析
工作流程
Step 1：讀取文章
- 讀取指定的文章檔案
- 提取 YAML frontmatter
- 分離正文內容
Step 2：內容分析
讀取 skills/blog/references/content-rules.md 的評分標準，對文章執行以下分析：
2a. 結構分析
- 計算 H1/H2/H3 數量
- 檢查標題層級是否正確（無跳級）
- 計算 H2 問句比例
- 檢查 Answer-First 格式（H2 前 40-60 字 / 中文 60-100 字含統計）
2b. 段落分析
- 計算每段字數
- 找出超過 150 字的段落
- 計算理想範圍（中文 60-120 字 / 英文 40-80 字）的段落比例
2c. 引用分析
- 計算統計數字數量
- 計算有來源歸因的統計數量
- 計算無來源的統計數量
- 分析來源等級（Tier 1/2/3）
2d. 視覺元素
- 計算圖片數量和 alt text 覆蓋率
- 計算 SVG 圖表數量
2e. FAQ 分析
2f. 連結分析
Step 3：AI 內容偵測
Humanizer 29 模式掃描
讀取 skills/blog/references/humanizer-patterns.md，掃描文章中出現的 AI 寫作模式：
- 逐條對照 29 個模式的監控詞
- 計算偵測到的模式數量
- 扣分規則（從 AI 引用就緒度扣）：
- 0-3 個：扣 0 分
- 4-8 個：扣 2 分
- 9-15 個：扣 5 分
- 16+ 個：扣 8 分
- 列出偵測到的具體模式和位置
注意： humanizer 模式與下方觸發詞掃描有部分重疊（模式 #7 ⊃ 觸發詞列表），不重複扣分。
句長爆發性（Burstiness）
- 計算每個句子的字數
- 算出標準差 / 平均值 = 變異係數
- ≥0.4 = 自然，0.3-0.4 = 邊界，<0.3 = AI 風險
AI 觸發詞掃描
- 掃描禁止觸發詞列表（見 content-rules.md）
- 計算每 1,000 字的觸發詞密度
- ≤3/千字 = 正常，3-5 = 注意，>5 = 高風險
被動語態估算
- 計算「被」字句和被動結構的比例
- ≤10% = 正常，10-15% = 注意，>15% = 高風險
Step 4：評分
根據 content-rules.md 的 100 分標準打分：
| 類別 | 滿分 |
|---|
| 內容品質 | 30 |
| SEO 優化 | 25 |
| E-E-A-T 訊號 | 15 |
| 技術元素 | 15 |
| AI 引用就緒度 | 15 |
Step 5：輸出報告
## 品質分析報告：[檔案名稱]
### 總分：[N]/100 — [等級]
| 類別 | 得分 | 滿分 |
|------|------|------|
| 內容品質 | [N] | 30 |
| SEO 優化 | [N] | 25 |
| E-E-A-T 訊號 | [N] | 15 |
| 技術元素 | [N] | 15 |
| AI 引用就緒度 | [N] | 15 |
### AI 內容偵測
- 句長爆發性：[數值]（[自然/邊界/AI風險]）
- AI 觸發詞：[N]/千字（[正常/注意/高風險]）
- 被動語態：[N]%（[正常/注意/高風險]）
### 問題清單（依嚴重度排序）
#### 🔴 致命
[列出致命問題]
#### 🟡 高優先
[列出高優先問題]
#### 🟠 中優先
[列出中優先問題]
### 改善建議
[前 3 個最有影響力的改善行動]
Step 5b：PageSpeed 整合（選用）
如果文章的 frontmatter 包含 url 或 canonical 欄位：
- 檢查
~/.config/smart-blog-skills/config.json 是否存在
- 如果有 → 呼叫 PageSpeed API，將結果納入技術元素評分
- 如果沒有 → 跳過，使用純內容分析
Step 6：PDF 輸出（--pdf）
如果使用者加了 --pdf flag：
- 將 Markdown 報告轉換為 HTML
- 使用 Python + WeasyPrint 生成 PDF
- 輸出到與文章相同的目錄：
{filename}-analysis.pdf
需求： Python 3.11+ 和 WeasyPrint (pip install weasyprint)
/c/Users/EricHsu/AppData/Local/Programs/Python/Python313/python.exe scripts/pdf_report.py --input report.md --output report.pdf
如果 Python 或 WeasyPrint 未安裝，提示使用者安裝方式，繼續輸出 Markdown 報告。
Step 7：Monitor 快照（自動）
分析完成後，如果 docs/monitor/ 目錄存在：
- 自動將分析結果存為 JSON 快照到
docs/monitor/snapshots/{today}/{slug}.json
- 更新
docs/monitor/index.json
- 告知使用者：「分析結果已同步到 monitor 快照」
如果 docs/monitor/ 不存在，跳過此步驟。
批次分析
如果使用者提供目錄路徑：
- 用
Glob 找出所有 .md / .mdx / .html 檔案
- 逐一分析
- 輸出摘要表格，按分數排序
- 如果
docs/monitor/ 存在，自動建立批次快照
