一键研究并发布到喜马拉雅

把一个选题从「研究 → 剧本 → 有声 → 发布喜马拉雅」全链路跑完。仅当用户明确要求发布喜马拉雅时执行本技能；普通"研究 XX"走常规研报交付，不碰有声。

前置依赖（首次使用先检查，详见 references/setup-guide.md）

1. 喜马拉雅 audiobooklm MCP（必需）：AUDIOBOOKLM_TOKEN 已配置、list_tts_voices 可调通。若未配置，先引导用户到 https://aigc.ximalaya.com 个人中心创建 API Token 并配置，不要绕过。
2. 研究取数（必需，可降级）：domain_search 优先 → 金融 MCP → WebSearch 兜底。
3. scripts/extract_script_lines.py（可选）：Python 3 标准库即可跑；跑不了手工清洗。

总流程（6 步）

1. 选题分流 → 决定研究方式和目标专辑
2. 研究取数 → domain_search（金融 MCP 不可用时的既定降级通道）
3. 写剧本 → 讲书剧场体（旁白/小白/阿研），时长规则见下
4. 平台侧合成 → book_create → podcast_import → patch_abs → chapter_task_create → task_query → chapter_audio_mix
5. 发布挂载 → upload_audio_to_album（ai_generated=true）
6. 交付 → 报 track_id + 专辑链接 + 研究要点摘要 + 免责声明

第 1 步：选题分流与专辑路由

专辑是账号私有的，不要写死 album_id。 路由逻辑：
1. query_self_simple_albums_with_paid 查当前用户账号下的专辑
2. 有语义匹配的专辑（如公司类匹配"公司解读｜20分钟了解一家上市公司"一类）→ 直接挂载
3. 没有 → create_album 新建后挂载
4. 已知参考：本 skill 创建者账号下有「公司解读｜20分钟了解一家上市公司」专辑；其他账号无此专辑属正常，按步骤 3 新建即可

新建专辑时 create_album 的 style_name 必须用官方枚举（如 "现言手绘插画风"），book_type 传 "有声书"，allow_cover_degrade=true 让 AI 生成封面。

第 2 步：研究取数

• 加载 workbuddy-finance-skill 走金融场景规范；金融 MCP（westock/neodata）若 auth-required 不可用，降级 domain_search 一次取数（多源交叉：招股书/公司公告/券商研报/行业协会/行情）。
• 研究深度以剧本需求为准：不需要出完整研报交付，但关键数据（发行/财务/行业/募投/风险）必须核实，口径差异要标注。
• 研报预测类数字标"需核实原文"；媒体转载数据同样标注。

第 3 步：写剧本

讲书剧场体，三角色：旁白（说书吐槽腔）/ 小白（散户喜剧对照组）/ 阿研（研究员泼冷水，女声）。

时长规则：
- 公司研究（新股/已上市）→ 约 20 分钟（口播约 5,500 字，270 字/分）
- 其他话题 → 按内容多少自适应（内容多则长、少则短，不硬凑 20 分钟）

结构：片头报幕 2 条（系列名 + 本期主题）→ 冷开场钩子 → 4 章左右正文（每章有"名场面"金句）→ 终章三句话收束 → 免责声明 → 收尾。详细模板见 references/script-template.md。

TTS 安全清洗（导入前必做）：
- 数字全部转中文写法（"96 万"→"九十六万"、"10%"→"百分之十"）
- 型号/英文转中文读法（"K-540iH"→"K五四零iH"、"logo"→"标志"）
- 剥离演播标记 ⟨…⟩ 〔…〕（导入平台时不需要）
- 脚本可用 scripts/extract_script_lines.py 自动完成清洗并输出 JSON

合规：基于公开资料的原创讲书二创（转述+演绎，非披露原文照读）；公司类末尾必须含完整免责声明（"不构成投资建议，股市有风险…"）。

第 4 步：平台侧合成（严格按序）

详细参数与坑见 references/pipeline-api.md，要点：

1. book_create(book_name, book_type="podcast") → book_id
2. podcast_import(book_id, chapter_name, script_lines) — ["[旁白] 台词", "[小白] 台词", …]；长段会被平台自动拆分，段数变多属正常
3. patch_abs 绑音色 — 每个 op 必须带 character_id，scope 用 {book_id, domain: "book"}
4. chapter_task_create(book_id, chapter_id) → task_ids
5. task_query(task_ids, wait_timeout=300) 轮询至全部 success
6. chapter_audio_mix(book_id, chapter_id, wait_timeout=300) → 返回平台 COS URL

音色定版（选型必查 gender 字段：=1 女声、=2 男声，勿按名字猜——"喜千晚"名字像女声实为男声）：

音色是平台公共库，但不同账号可用/免费范围可能不同——绑定报错时用 list_tts_voices 按 gender + 风格重选同类音色。

第 5 步：发布挂载

• upload_audio_to_album(album_id, audio_url=<COS URL>, title, ai_generated=true) → track_id
• 只收平台 COS 内网 URL，不收本地文件——本地拼接母带传不上去，必须走平台侧合成管线
• 更新已发单集用 update_audio_to_album（带原 track_id 原地替换）
• 标题格式：<公司/主题> <篇名> <一句话钩子>（如"皇冠新材 IPO 特别篇 你身上的胶带上市了"）

第 6 步：交付

汇报：track_id + 专辑链接 + 研究要点（3-5 条核心结论）+ 剧本文件路径 + 免责声明。工作日志追加到工作区 memory。

Resources

• references/setup-guide.md — 安装与环境依赖（新用户/其他机器先看这份）：audiobooklm MCP 配置、Token 获取、账号差异
• references/pipeline-api.md — 喜马拉雅管线 API 参数、报错与坑（上传限制、并发、style_name 枚举等）
• references/script-template.md — 讲书剧场体剧本模板（章节骨架、角色口吻、金句范式、免责声明模板）
• references/research-guide.md — 三类选题研究要点（IPO / QARP / 专题）
• scripts/extract_script_lines.py — 从剧本 md 提取清洗后的台词 JSON，供 podcast_import 用