content-review

name	content-review
surfaces	gui, harness
gui_summary	用户要审稿或问「这篇能发吗」时用——受众停留 + 质量 + AI 味 + 发布风险
description	内容审核 skill — 整合敏感词扫描 + 去 AI 味检查 + 质量评分，输出审核报告并联动状态机
trigger	当用户说"审核"、"review"、"检查内容"、"内容审核"时触发

Content Review Skill

对内容执行完整审核流程，输出审核报告 + 一键修复建议。

触发条件

• 用户说"审核"、"review"、"检查内容"、"内容审核"
• 内容状态流转到 draft_ready 时自动建议执行
• 用户手动指定 content ID 要求审核

审核流程

按以下顺序执行 5 项检查，每项独立评分：

Step 1: 敏感词扫描

调用 autocrew_content tool：

action: "review_scan"  (如果已实现)

或直接使用敏感词模块逻辑：

1. 读取内容的 body 字段
2. 扫描内置敏感词库（政治、暴力、色情、医疗宣称、金融宣称）
3. 扫描平台特定限流词（根据 content 的 platform 字段）
4. 扫描用户自定义词库 ~/.autocrew/sensitive-words/custom.txt
5. 输出命中词列表 + 建议替换

评分规则：

• 0 个命中 → ✅ 通过
• 仅平台限流词 → ⚠️ 建议修改（不阻断）
• 政治/暴力/色情命中 → ❌ 必须修改

Step 2: 平台合规检查

根据 platform 字段检查平台特有规则：

小红书：

• 标题是否含 emoji（推荐）
• 正文是否超过 1000 字（建议精简）
• 是否包含引流词（私信、加微信等）

抖音：

• 文案是否超过 300 字
• 是否包含竞品品牌名

微信公众号：

• 是否包含诱导分享/关注词汇
• 标题是否超过 64 字符

Step 3: 去 AI 味检查

调用 humanizeZh() 函数对内容做一次检测（dry-run 模式）：

1. 统计 AI 味指标：
   • 套话词频（值得一提、综上所述、赋能、闭环等）
   • 顺序词频（首先/其次/最后）
   • "我们"开头句子占比
   • 平均句长（中文字符数）
2. 输出 AI 味评分（0-100，越低越好）

评分规则：

• 0-20 → ✅ 自然
• 21-50 → ⚠️ 有轻微 AI 痕迹，建议润色
• 51+ → ❌ AI 味明显，建议用 humanizer-zh 处理

Step 4: 质量评分

评估内容质量的 4 个维度：

1. 信息密度（0-25 分）

   • 每段是否有具体数据/案例/观点
   • 是否有空泛的废话段落

2. Hook 强度（0-25 分）

   • 开头第一句是否有吸引力
   • 是否在前 3 行建立了阅读动机

3. CTA 清晰度（0-25 分）

   • 结尾是否有明确的行动号召
   • CTA 是否与内容主题一致

4. 可读性（0-25 分）

   • 段落长度是否适中
   • 是否有适当的分段和留白
   • 是否使用了 emoji/符号辅助阅读（平台相关）

总分 = 4 项之和（0-100）

Step 5: 输出审核报告

格式：

## 📋 内容审核报告

**内容：** {title} ({content_id})
**平台：** {platform}
**审核时间：** {timestamp}

### 1. 敏感词扫描 {✅/⚠️/❌}
{详细结果}

### 2. 平台合规 {✅/⚠️/❌}
{详细结果}

### 3. AI 味检测 {✅/⚠️/❌}
AI 味评分：{score}/100
{详细结果}

### 4. 质量评分
总分：{score}/100
- 信息密度：{n}/25
- Hook 强度：{n}/25
- CTA 清晰度：{n}/25
- 可读性：{n}/25

### 📌 审核结论
{APPROVED / NEEDS_REVISION}

### 🔧 修复建议
{如果需要修改，列出具体建议}

状态机联动

审核完成后，根据结果自动建议状态流转：

• 全部通过 → 建议 reviewing → approved

  autocrew_content action=transition content_id={id} target_status=approved
  

• 需要修改 → 建议 reviewing → revision

  autocrew_content action=transition content_id={id} target_status=revision diff_note="审核未通过: {原因摘要}"
  

• 用户确认修改后 → revision → reviewing（重新审核）

与 Learnings 联动

每次审核产生的修改建议，如果用户采纳并修改了内容：

1. Diff Tracker 自动记录 before/after
2. Rule Distiller 检查是否达到提炼阈值（5+ 次同类修改）
3. 达到阈值的模式自动写入 creator-profile.json 的 writingRules

注意事项

• 审核是建议性的，用户可以 force 跳过
• 敏感词库会持续更新，鼓励用户维护 custom.txt
• 质量评分是 AI 辅助评估，不是绝对标准

GUI

什么时候用：用户说「审一下」「这篇能发吗」「受众会怎么看」「能留住人吗」，或稿件刚写完准备过审。

方法论：审稿框架

四项检查，按顺序过，每项单独给结论——不要只报一个总分。

1. 受众停留（GUI 面的主检查）：代入已校准的三层画像，看每层受众会不会停下来读完、在哪一句划走。画像没校准这一项就不作数——先带用户校准。

2. 内容质量四个维度，各自说人话：

• 信息密度：每段有没有具体数据/案例/观点，有没有整段废话
• Hook 强度：第一句抓不抓人，前 3 行有没有给出「接着读下去」的理由
• CTA 清晰度：结尾有没有明确的下一步，跟正文主题对不对得上
• 可读性：段落长短、分段留白、符号与 emoji 用得顺不顺手（看平台）

3. AI 味：套话词（值得一提、综上所述、赋能、闭环）、顺序词起句（首先/其次/最后）、「我们」开头句占比、句长齐得反常。明显就转 humanizer-zh 那套改法。

4. 发布风险（人工检查项，不是扫描）：引流词（私信、加微信）、诱导分享关注、竞品品牌名、平台字数上限（小红书正文过长、抖音文案过长、公众号标题超 64 字符）。

步骤

1. get_draft 读全文。没读全文不评稿。
2. audience_review（稿件 id 在上下文里）。讲结果按层说人话：谁会停、谁会划走、卡在哪一句。
3. 自己再过一遍质量四维和 AI 味，逐条给结论并引原文那一句作依据，别给空泛评价。
4. 发布风险照清单人工看一遍。GUI 面没有敏感词扫描工具——你只能提醒风险点，不要宣称「扫过了」「无敏感词」。
5. 出结论：通过 / 要改。要改就按 losesAt 定位到具体那句，引导用户在编辑器里框选那段说「改这段」（走 revise_focus）；整篇性问题用 revise_draft。
6. 审出来的偏好如果是长期的（「以后开头都别铺垫」），add_style_rule 记一条。
7. 状态流转是人的活：reviewing → approved 这类推进由用户在看板上亲手点，你只给结论和建议，不代办、不宣称已过审。