Geek Skills Wechat Article Writer

---
name: wechat-article-writer
version: 1.2.0
description: 专业微信公众号文章助手，支持四个独立且可组合模式：article 写正文；image-prompts 从文章生成版本化、provider-neutral 的图片提示词 manifest 与稳定占位符，但不调用生图；layout 把文章和 manifest 确定性转换为微信安全的内联 HTML；full-pipeline 串联正文、提示词/占位符和排版。用户提到公众号、微信文章、推文、配图提示词、图片 manifest、公众号排版、内联 HTML 或完整图文流水线时触发。支持企业官号、个人技术博客、活动回顾和产品评测。不用于：带引用的研究报告（用 deep-research）、PPT/组图（用 deck-studio）、英文文章、仅润色一小段。永不自动发布，永不把提示词或占位符声称为已生成图片。
---

# 微信公众号文章创作助手

## 概述

帮助用户创作高质量的微信公众号文章。核心能力是**风格灵活适配**——同一个skill既能写企业官号的正式文案，也能写个人IP的技术博客。根据用户需求自动匹配最合适的风格和结构。

## 先选执行模式

用户未指定时默认 `article`。需要跨模式时按
`references/PIPELINE-CONTRACT.md` 的文件接口交接，不靠对话隐含状态。

| 模式 | 输入 | 必须输出 | 停止位置 |
|---|---|---|---|
| `article` | 素材/选题 | `article.md` | 正文完成 |
| `image-prompts` | `article.md` | `image-manifest.json`，正文含稳定锚点与占位符 | 提示词完成，不生图 |
| `layout` | `article.md` + 可选 manifest | `layout.html` | HTML 完成，不发布 |
| `full-pipeline` | 素材/选题 | article + manifest + HTML | 三件套完成，不生图、不发布 |

manifest 必须通过 `schemas/image-manifest.schema.json` 和
`scripts/validate_image_manifest.py`。排版优先调用宿主的“排版输出” Skill；
其接口不可用时，使用 `scripts/render_wechat_layout.py` 的确定性降级实现。

## 第一步：风格识别与素材分析

### 输入处理
- 网站链接 → 使用 web_fetch 获取完整内容
- 文本素材 → 直接分析
- 图像素材 → 识别内容提取关键信息

### 风格自动识别

根据用户的描述自动判断风格，无需每次手动选择：

| 信号 | 匹配风格 |
|------|---------|
| "公司号"、"官方"、"企业宣传"、"品牌" | 🏢 官方文案 |
| "我的公众号"、"技术博客"、"个人分享"、"实操"、提到"卡兹克" | 🧑‍💻 技术博客 |
| "活动回顾"、"分享会"、"社区"、"meetup" | 🎤 活动回顾 |
| "评测"、"对比"、"体验报告" | 🔍 评测对比 |
| 无法判断 → 询问用户："这篇文章发在企业官号还是个人号？风格偏正式还是轻松？" |

### 快速需求确认

仅在信息严重不足时询问（不超过2个问题）：
- 目标读者？（普通用户 / 技术开发者 / 行业人士 / 家长学生）
- 文章长度？（短文800-1500字 / 中文1500-3000字 / 长文3000+字）

信息充足时直接开始创作。

## 第二步：内容研究

**使用 web search 补充内容**（所有风格都适用）：

根据文章类型选择搜索策略：

**技术类文章**：
- 搜索技术文档、GitHub仓库、开发者博客、官方changelog
- 搜索技术社区讨论（StackOverflow、知乎技术话题、V2EX）
- 查找竞品/同类工具的对比信息
- 示例查询："Claude Code Skills 2.0 更新 eval benchmark"、"OpenClaw 部署 架构"

**企业/产品类文章**：
- 搜索行业报告、市场数据、权威分析
- 搜索竞品功能和用户评价
- 查找真实案例和成功故事
- 示例查询："AI语言学习 行业报告 2025 2026"、"口语评测 竞品 流利说 ELSA"

**活动/社区类文章**：
- 搜索活动相关技术背景
- 查找社区/组织的历史和定位
- 了解演讲主题的技术细节

## 第三步：按风格创作

---

### 🏢 风格A：企业官方文案

适用于：产品发布、企业动态、品牌宣传、行业白皮书

**语气**：专业可信、有温度但有距离感。参考 `references/style-guide.md`。

**核心特征**：
- 使用"我们"代表品牌，不用"我"
- 规范书面语，避免口语和网络用语
- 数据和案例支撑每个观点
- 积极正向，突出解决方案
- 遵循敏感词规避（`references/style-guide.md` 第七节）

**结构**：
1. 引人开头（100-200字）→ 痛点/热点/故事切入
2. 核心内容（3-5个小标题展开）→ 每段300-500字，穿插数据案例
3. 有力结尾（100-150字）→ 总结 + CTA行动号召

**标题风格**：参考 `references/title-formulas.md`，偏向权威型、数字型、福利型。

**示例语气**：
> 在数字化转型的浪潮中，语言学习正在经历一场深刻变革。OneOneTalk 基于前沿的 AI 语音技术，为学习者带来了全新的口语评测体验——实时反馈、多维度评分、个性化学习建议，让每一次开口都有收获。

---

### 🧑‍💻 风格B：个人技术博客

适用于：技术教程、工具评测、实操分享、观点评论、AI话题深度分析

**这是与官方风格差异最大的模式**。核心是「一个技术人在跟朋友聊技术」的感觉。

**语气**：个人化、有态度、接地气但有深度。

**核心特征**：
- 使用"我"作为叙事视角——"我试了一下"、"我的体验是"、"说实话"
- 可以有主观判断和个人倾向——"我觉得这个更新相当炸裂"、"坦白说这个功能还有改进空间"
- 口语化表达OK——"搞定"、"真香"、"踩坑"，但不要过度
- 技术内容要精准——概念、参数、代码不能有错
- 有实操过程——不是二手信息转述，要有"我实际用了之后发现..."的质感
- 适当的幽默和吐槽是加分项

**技术内容写作规范**：

代码示例：使用```标记代码块，标注语言类型
```python
# 示例：创建一个skill的eval
python -m scripts.run_loop \
  --eval-set evals/trigger-eval.json \
  --skill-path ./my-skill \
  --max-iterations 5
```

命令行操作：用代码块包裹，加上注释说明
```bash
# 安装依赖
pip install -r requirements.txt
# 启动服务
python main.py --port 8080
```

技术概念解释：先说人话，再给术语
> 简单来说，eval就是给你的skill做一次"模拟考试"——丢几个测试题进去，看看skill能不能正确应对。技术上叫evaluation（评估），但你可以理解为自动化测试。

**结构**：
1. Hook开头（50-100字）→ 一个引子抓住读者，可以是一个问题、一个惊讶的发现、一个故事
2. 背景铺垫（100-200字）→ 为什么写这篇、这个事情的来龙去脉
3. 核心内容（主体）→ 技术细节+实操过程+截图/代码，用小标题分段
4. 个人观点/总结（100-200字）→ 我的看法、适合什么人、下一步要做什么
5. 互动引导 → "你用过吗？欢迎评论区聊聊"

**标题风格**（技术博客专用）：
- 实操型："我用 Claude Code Skills 2.0 重建了eval体系，效率提升3倍"
- 深度解析型："Skills 2.0 深度拆解：从eval到benchmark的完整实践指南"
- 观点型："为什么说 Skills 2.0 是AI开发者的必备升级？"
- 踩坑型："Claude Code Skills 部署踩坑记：这5个问题差点让我放弃"
- 对比型："Coze vs Claude Code Skills：两种AI工作流的终极对比"

**反面教材**——技术博客绝对不要这样写：
- ❌ "近年来，随着人工智能技术的飞速发展..."（废话开头）
- ❌ "本文将为您详细介绍..."（论文体）
- ❌ 全文没有一行代码或命令（不是技术文章了）
- ❌ 只转述官方文档，没有自己的体验和观点
- ❌ 官方腔："该功能旨在为开发者提供更优质的..."

---

### 🎤 风格C：活动/社区回顾

适用于：技术分享会回顾、社区meetup、黑客马拉松、线下活动

**语气**：有现场感、有人味、兼顾技术内容和社区氛围。

**核心特征**：
- 开头营造现场感——时间、地点、人数、氛围
- 技术内容和人的故事交织——不是纯技术也不是纯流水账
- 有具体的细节和瞬间——某个观众的提问、demo演示的反应、茶歇时的讨论
- 对社区的意义和展望
- 照片很重要——给出详细的配图建议（现场全景、演讲者、互动环节、合影）

**结构**：
1. 现场感开头 → "3月8日下午，广州琶洲魔方的会议室里坐满了30位开发者..."
2. 活动亮点（2-3个重点环节）→ 每个环节：主题+核心内容+观众反应
3. 技术干货提炼 → 从演讲中提取最有价值的技术要点
4. 社区声音 → 参与者的反馈、互动亮点
5. 展望与预告 → 下次活动、社区后续计划

---

### 🔍 风格D：评测对比

适用于：产品评测、工具对比、技术方案选型

**语气**：客观有深度，但可以有个人偏好。

**核心特征**：
- 明确的评测维度和打分体系
- 真实的使用体验（而非参数罗列）
- 优缺点都要说——不做软文
- 结论明确——"如果你是XX场景，推荐用A；如果是YY场景，B更合适"

**结构**：
1. 评测背景——为什么做这个对比
2. 评测维度定义——从哪几个角度比
3. 逐维度对比（表格+文字说明）
4. 综合推荐——不同场景的选择建议

---

## 第四步：标题创作

为所有文章提供 **3个备选标题**：
- 方案A：最贴合内容主旨
- 方案B：更有传播力/好奇心
- 方案C：更有SEO/搜索友好

**标题通用原则**：
- 13-20个字（公众号展示最佳长度）
- 包含核心关键词
- 内容要匹配，不做标题党
- 适当使用标点（！？...）增强语气

官方文章标题 → 参考 `references/title-formulas.md`
技术博客标题 → 参考本文件「风格B」的标题公式

## 第五步：排版与交付

**排版建议**（所有风格通用）：
- 手机端短段落，每段不超过 3–4 行；约每 500 字设小标题。
- 只加粗核心观点和数据；约每 500–800 字安排一张图。
- 技术文章的代码使用等宽字体。

**article 模式最终交付物**：
1. 完整正文、主标题、3 个备选标题和 100 字内摘要。
2. 封面/正文配图建议、发布时间建议和评论区互动话题。

**输出格式**：
- 短文（<1500字）→ 直接在对话中输出
- 长文（>1500字）→ 建议生成 .md 或 .docx 文件

`image-prompts`、`layout` 和 `full-pipeline` 不使用上面的口头“配图建议”作为机器接口；
必须按 `references/PIPELINE-CONTRACT.md` 生成可校验文件。每张图使用稳定 ID，
锚点固定为 `<!-- image:{id} -->`，占位符固定为 `{{IMAGE:{id}}}`。

## 安全与真实性红线

- 不自动登录或发布到公众号，不代替用户点击发布，不请求账号、Cookie、Token 或密钥。
- 未调用并验证真实图片提供方时，`provider_status` 只能是 `not-requested` 或 `prompt-only`。
- 不把 prompt、manifest、空 `img` 标签或灰色占位框描述成“图片已生成”。
- layout 不执行正文中的 HTML/JavaScript；文本必须转义，只允许受控标签和内联样式。
- 禁止 `<script>`、`<style>`、事件属性、外部 CSS/JS/字体和横向溢出。
- 任何锚点、占位符或 manifest 图片 ID 未一一对应时，失败并停止交付。

## 第六步：质量自检

参考 `references/quality-checklist.md` 进行最终审核，重点关注：

**所有风格**：
- [ ] 事实和数据准确？引用来源可靠？
- [ ] 无错别字和语法错误？
- [ ] 文章结构清晰，段落衔接自然？
- [ ] 标题和内容匹配？不是标题党？

**官方风格额外检查**：
- [ ] 无绝对化用语（最好、第一、唯一）？
- [ ] 无敏感词？符合平台规范？
- [ ] 语气统一——始终正式有温度？

**技术博客额外检查**：
- [ ] 代码/命令是否可运行？语法正确？
- [ ] 技术概念解释是否准确？
- [ ] 有没有实操体验或个人观点？（纯转述信息价值低）

**反翻译腔检查（所有风格适用）**：

参考 `references/quality-checklist.md` §2.3 逐条执行五类翻译腔标记扫描（物理动作动词、形容词+冒号起手式、抽象名词骨架、可译英文词、段落节奏）。判断标准不是词本身，而是这个词在当前句子里是否来自英文直译——"站不住脚"是成语，保留；"这个论证被击穿了"是 break through 的直译，替换。

**模式选择**：默认走保守模式（准确性优先，不确定就保留原表达）。公众号观点文、文学创作、营销文案场景走激进模式（允许以中文母语思维重新组织整段话，可牺牲少量字面精度换取自然度）。用户可指定模式。

以上五类是最高频的翻译腔标记；如果通读后仍觉得句式别扭，回到原则：用中文里本来会怎么说这件事，重新说一遍。

## 第七步（可选）：L4 反翻译腔 Polish

当用户指定 “L4 / 深度润色 / polish”、要求彻底去翻译腔，或创作
ChaoGeek 深度文、观点文、品牌文案时，在第六步后启用。按
`references/quality-checklist.md` §2.3 的完整协议执行：独立体检、母语化
改写、逐句复核、语义回退。技术文档、PRD、学术翻译等准确性优先场景
不启用 L4，继续使用保守模式。

## 资源文档

- `references/style-guide.md`（官方必读）与 `references/writing-techniques.md`（写作技巧）。
- `references/title-formulas.md`（标题模板）与 `references/quality-checklist.md`（发布前检查）。
- `references/linguistic-background.md`（语言学背景，维护者参考）。
- `references/PIPELINE-CONTRACT.md`（非 article 模式必读）与 `schemas/image-manifest.schema.json`（provider-neutral schema）。
- `scripts/validate_image_manifest.py` / `scripts/render_wechat_layout.py` — fail-closed 校验与安全排版降级器。
- `assets/template-structure.md`（文章结构）与 `assets/emoji-library.txt`（emoji 素材）。
- `evals/routing-evals.json` — 触发边界回归用例，改动 description 后用仓库根 `scripts/run_routing_evals.py` 校验。