天汉进化环 v1.1

> 核心认知：每一篇文章不是终点，是下一篇更好的训练数据。进化发生在"写完→发布→反馈→更新规则"这个闭环里。

架构总览

┌─────────────────────────────────────────────────────┐
│                    天汉进化环                         │
│                                                       │
│  采集层 ──→ 分析层 ──→ 规则层 ──→ 执行层             │
│    ↑                                    │             │
│    └────────── 反馈层 ←─────────────────┘             │
│                                                       │
│  优先级排序：选题 > 审稿 > 写作 > 视觉 > 效率          │
└─────────────────────────────────────────────────────┘

六个阶段

阶段0：采集（每篇文章发布后自动触发）

目标：不依赖先生手动喂数据，自动获取反馈信号。

自动采集（优先）：
- 微信公众号后台数据：阅读量、完读率、分享数、收藏数、留言数、新增关注
- 可用工具：wechat-article-spider skill 读取公号后台数据
- 其他平台（B站/小红书/抖音）：需要先生授权API或定期导出CSV

手动采集（降级方案）：
- 先生截图后台数据 → 天汉OCR提取
- 先生口头反馈 → 天汉结构化记录

采集清单：
| 指标 | 来源 | 采集频率 |
|------|------|----------|
| 阅读量/播放量 | 各平台后台 | 发文后1h/24h/72h/7d |
| 完读率/完播率 | 公众号/视频后台 | 发文后24h |
| 分享数 | 各平台后台 | 发文后24h |
| 评论数+评论内容 | 各平台后台 | 发文后3d |
| 新增关注 | 各平台后台 | 发文后3d |
| 先生满意度 | 直接询问 | 发文后即时 |

阶段1：分析（数据到手后自动触发）

分析维度：

1. 爆款对照分析（核心方法）
   - 同期同赛道爆款文章拆解（用爆款拆解11段卡）
   - 对照自己的文章：差距在哪儿？开头？数据密度？情绪曲线？
   - 输出：对照分析报告

2. 单篇绩效分析
   - 各指标vs历史平均→找出异常值
   - 逐段完读率→找出掉头点
   - 评论区情绪分析→读者真实反应

3. 实验效果分析
   - 如果这篇跑了实验（新角度/新结构/新调性）→对照对照组
   - A/B测试结果→决定是否纳入规则

阶段2：规则更新（分析完成后自动触发）

规则引擎分5个模块，每个模块有版本号：

更新原则：
- 单次好/坏不改规则（可能是偶发）
- 连续3次同方向的偏离 → 触发规则更新
- 每次更新必须记录：旧规则、新规则、触发数据、预期效果

阶段3：执行（下一篇写稿前加载 + 发前硬约束检查）

写稿前序列：
1. 加载rules-engine.md → 获取当前最优规则
2. 检索类似选题的历史文章绩效 → 避坑
3. 检查是否有待验证的实验假设 → 决定是否跑实验
4. 应用规则写稿

发稿前硬约束检查（v3新增，不可跳过）：

写稿完成 → 终审核查师review → check.py 硬约束扫描 → 通过才发

5. 终审：调用 周扫兴终审核查师 skill 审稿
6. 硬约束扫描：运行 ../周扫兴终审核查师/scripts/check.py <文章文件>
7. 如果 check.py exit_code=1（有硬性打回），退回修改
8. 如果 check.py exit_code=0 或 2（通过或仅有告警），先生确认后发布

阶段4：反馈（发布后回到阶段0）

闭环完成。

触发方式

模式A：写稿前加载（"加载进化规则" / "写稿准备"）

→ 执行阶段3：加载当前规则 + 历史参考 + 实验建议

模式B：发稿后记录（"记录文章数据" / "文章发布完成"）

→ 执行阶段0-2：采集→分析→更新规则

模式C：定期复盘（"进化复盘" / "看看最近写得怎么样"）

→ 汇总近N篇趋势，生成进化报告

模式D：爆款拆解（"拆解这篇爆款" + URL）

→ 执行爆款拆解11段卡 → 对照自身 → 提取可复用元素 → 更新规则

模式E：公众号草稿创建（"生成草稿" / "推送到后台"）

→ 执行以下不可跳过的步骤：
1. 先写出完整MD初稿（含所有段落、案例、金句），不压缩
2. 将MD逐段转为WeChat OA HTML格式，数据来源融入行文叙述
3. 图表截图→上传素材库→获取media_id→插入正文
4. 封面截图→上传素材库→设thumb_media_id
5. 用Python脚本发送完整JSON（禁用shell heredoc，转义坑多）
6. 用 /cgi-bin/draft/get 验证内容完整性

铁律（2026-06-27先生明确，写入长期记忆）：
- ❌ 绝对禁止为省JSON转义压缩/合并段落 → 必须传完整版
- ❌ 禁止【来源：XXX】括号标注 → 融入行文叙述
- ✅ 创建后必须验证内容完整性

数据库位置

• 文章数据库：{workspace}/.workbuddy/memory/article-db/
• 规则引擎：C:\Users\Administrator\.workbuddy\skills\tianhan-evolution-loop\references\rules-engine.md
• 实验日志：C:\Users\Administrator\.workbuddy\skills\tianhan-evolution-loop\references\experiment-log.md

自我进化检查点

天汉在每次写完文章后，必须自问：

1. 这篇比上一篇好在哪？（必须有具体数据支撑，不能说"感觉"）
2. 规则引擎有没有可以更新的？（连续3次同方向偏离→更新）
3. 有没有新的实验假设？（基于这篇的意外发现）
4. 有没有没用的动作？（省算力——哪些步骤没产生价值）

省算力原则

• 非必要不调用大模型做简单判断（能规则匹配的不用推理）
• 批量处理（多篇文章统一复盘，不一篇一篇跑全流程）
• 图表生成只在定稿后一次完成
• 封面用HTML模板而非AI生图（已有规范）

与现有技能的关系

• 周扫兴文章初稿生成：执行层，应用当前规则写稿
• 周扫兴终审核查师：审稿层，检查是否偏离规则
• 周扫兴选题筛选：选题层，应用选题规则
• wechat-article-spider：采集层，获取文章数据
• agent-browser：采集层，自动化访问后台

版本历史

此心光明，剑意在每一次闭环中淬炼。