tweet-pipeline

name	tweet-pipeline
description	推文创作主控流水线：选题→调研→观点→推文→优化→交付。 一键完成从选题到400-600字可发布推文的全流程，强调收藏价值。 触发词：「流水线」「一键推文」「pipeline」「完整推文」。
triggers	["流水线","一键推文","pipeline","完整推文"]
output_schema	{"type":"object","properties":{"title_options":{"type":"array","items":"[Truncated]","description":"3个标题备选","maxItems":3},"tweet_versions":{"type":"array","items":"[Truncated]","description":"3个最优版本（默认模式）或10个版本（完整模式）"},"closing_hooks":{"type":"array","items":"[Truncated]","description":"5种结尾钩子"},"publish_suggestion":{"type":"object","properties":"[Truncated]"}},"required":["title_options","tweet_versions","closing_hooks","publish_suggestion"]}
tools	["web_fetch"]

推文创作流水线

收到用户输入的选题后，按顺序执行以下流程。

Phase 1: 调研

调用 topic-research skill 的逻辑：

• 搜索 X、新闻源、Reddit/HN 上的相关信息
• 提取核心事实、各方观点、数据、争议点
• 整理成结构化素材

Phase 2: 生成观点

调用 opinion-generator skill 的逻辑：

• 从10个角度（反常识、二阶效应、利益分析等）生成观点
• 每个观点配支撑论据
• 展示给用户选择

Phase 3: 写推文

调用 tweet-writer skill 的逻辑：

• 根据用户选择的角度，生成10个风格版本
• 字数严格控制在 400-600字
• 每个版本必须有收藏理由（实用/独特/有增量）

Phase 4: 优化

• 调用 title-optimizer 逻辑生成 5 个标题，从中选择最好的 3 个
• 调用 tweet-polish 逻辑进行口语化检查，确保 AI 味评分 ≤ 4
• 调用 tweet-closing 逻辑生成 5 种结尾钩子

Phase 5: 交付

最终输出包含：

项目	说明
📌 标题	3 个备选（从5个中选最好的3个）
📝 推文正文	默认 3 个最优版本（完整模式输出 10 个）
🎣 结尾钩子	5 种类型
📅 发布建议	时间、配图、标签建议

所有推文字数严格控制在 400-600字

保存

保存到：~/.openclaw/workspace-self_media/tweets/YYYY-MM-DD-选题名.md

快速模式

如果用户说「快速版」或「只要成品」：

• 跳过 Phase 2 的选择环节
• 直接选最有传播力的 3 个角度
• 只输出 3 个最优版本
• 不展示中间过程

输出格式

{
  "title_options": [
    "工具爆发≠团队升级，这个判断3年后依然有效",
    "AI编程工具300%增长背后：采纳率卡在20%",
    "为什么90%的团队用不好AI编程工具"
  ],
  "tweet_versions": [
    {
      "style": "震撼型",
      "content": "推文正文...",
      "word_count": 523,
      "collection_point": "存下这个判断，3个月后验证"
    }
  ],
  "closing_hooks": [
    { "type": "提问型", "content": "你怎么看？" },
    { "type": "开放型", "content": "你身边有这种例子吗？" }
  ],
   
     
      
     
  

示例

输入

选题：AI编程工具爆发但团队采纳率低
模式：快速模式

输出

{
  "title_options": [
    "工具爆发≠团队升级，这个判断3年后依然有效",
    "AI编程工具300%增长背后：采纳率卡在20%",
    "为什么90%的团队用不好AI编程工具"
  ],
  "tweet_versions": [
    {
      "style": "震撼型",
      "content": "AI编程工具爆发了。GitHub数据显示年增300%。但我调研了20家中型公司，18家还在用老方法。\n\n300%和20%，这两个数字放在一起很奇怪。原因很简单：不是工具不行，是团队的工作流改不动。\n\n很多公司买AI编程工具的方式是——买一个license，给所有人用，然后等着效率提升。结果发现没人用。\n\n真正跑起来的团队只有一种模式：找一个懂工具的人，给他2周时间，把工作流改一遍，然后其他人自然跟上来。\n\n工具爆发，但采纳率卡在20%。不是技术问题，是组织问题。\n\n这个数字值得收藏。3年后回头看。",
      "word_count": 198,
      "collection_point": "工具爆发≠团队升级，这个判断3年后依然有效"
    }
  ],
  "closing_hooks": [
    { "type": "提问型", "content": "你身边有这种例子吗？", "goal": "reply" },
    { "type"