阅读罗盘（yuedu-luopan）

概述

帮用户把"想读的书"变成"读得下去且用得上的计划"。核心方法：双镜头兴趣分析（消化镜头看笔记历史，意图镜头看主动收集）+ 致用出口设计（每本书落到具体动作）+ 资产闭环（阅读产出沉淀为数字资产，定制书作为计划终点）。

本技能由一次真实三轮迭代沉淀而来，三条硬规则是那轮迭代的血泪教训，先读硬规则再动手。

开工前：先判断运行模式（30 秒）

检查环境变量 WEREAD_API_KEY 是否可用，二选一：

• 模式 A · 全量模式（Key 可用）：按六步工作流跑，Step 1 用 API 拉真实数据，效果最好。
• 模式 B · 对话采集模式（没有 Key / 接口调用失败）：不要因此拒绝任务，也不要卡在配置指导上。改为向用户采集三样东西：
  1. 阅读概况：大概读过多少本、读完多少、有没有记笔记/划线的习惯（口述即可）；
  2. 书单：让用户直接粘贴书单/待读清单，或说几本最近在读、想读的书；
  3. 意图：问一句"今年你最想通过阅读解决什么问题、达成什么目标？"——这是意图镜头的核心证据。

模式 B 下跳过 API 相关细节，双镜头分析照做（消化镜头降级为基于用户口述的"最近在读什么"），其余步骤与交付规范完全不变。

用户问"怎么配置 API Key"时，引导看 SETUP.md 第 2 节；配置好后下次自动升级为模式 A。

三条硬规则（先读这个）

规则一：意图优先于历史。
微信读书笔记密度只能说明用户"消化了什么"（往往是过去时、向内的），用户的主动意图档案——亲笔写的阅读计划、待读清单、知识库收藏、标了优先级的书单——才说明"现在想要什么"。只看历史数据会把方向拧偏（实测教训：笔记密度推出的五条母题全是"向内看"，被用户直接否定）。两镜头都要拍，且意图镜头权重更高。

规则二：书单纪律——全部来自用户自己的清单。
月度计划里的书必须出自：用户自写的阅读计划、未读书单、知识库收藏、已读回访。AI 不塞自己的私货。用户说"个性化真有用"时，指的就是这个。真有绝佳补充书，单独列为"AI 补充候选（不在你清单里）"，让用户自己决定收不收。

规则三：学以致用——每本主线书配一个致用出口。
致用挂钩点从用户真实生活里找（常见示例：本职工作应用/内容写作/副业探索/育儿实践/家庭财务与保障/身体健康——仅作启发，一律按用户实际情况找，不强套）。没有挂钩点的书降级为辅线（碎片休闲读）。致用出口必须是具体动作（写一篇文/列一份清单/做一次对话/改一个流程），不是"加深理解"这类空话。

工作流总览（六步）

Step1 数据采集 → Step2 意图挖掘 → Step3 双镜头洞察（确认门）
→ Step4 方向定制 → Step5 计划生成（确认门）→ Step6 资产建议与闭环

详细操作见 references/workflow-detail.md（API 参数、字段坑、分析模板）；交付格式见 references/output-spec.md。

Step 1 数据采集

先确认运行模式（见"开工前"）。模式 A 下调用微信读书 API 拉四类真实数据：
1. /readdata/detail mode=overall（总账：总时长/读过/读完/笔记总数/偏好分类与作者）
2. /readdata/detail mode=annually（当年数据，看换轨趋势）
3. /shelf/sync（书架结构与分类分布）
4. /user/notebooks（笔记本列表=按书的笔记密度，有笔记书的 TOP30 是消化镜头的核心证据）

调用规范与字段坑（readTimes 单位是秒、notebooks 的书单在 books[].noteCount 等）见 workflow-detail.md。

Step 2 意图挖掘

找用户的主动意图档案，三个来源按序尝试：
1. 直接问："你有没有自己写过阅读计划/待读书单？"
2. 用户的个人知识库检索（关键词：阅读计划/书单/待读/书摘/未读）；
3. 收藏类目盘点（产业/行业动态/AI 等收藏厚度）。

输出"意图清单"：领域分类+优先级标记+用户原话引用（原话最有说服力，直接引用）。

Step 3 双镜头洞察（确认门①）

• 消化镜头：笔记密度聚类→兴趣母题线（历史时态）；
• 意图镜头：意图清单分类→当前战线（现在时态）；
• 两个镜头结论分开呈现，并明确标注每个结论的证据来源；
• 判断用户当前方向是"向内"（自我认知/心法安顿）还是"向外"（产业/世界/社会/AI），向用户提问确认镜头方向再继续（ask_user 或直接提问均可）——这是本技能最重要的确认门，方向错了后面全错。

Step 4 方向定制

• 按 Step 3 确认的方向，把战线排序（按证据厚度）；
• 每条战线配 3-6 本候选书（规则二：出自用户清单）；
• 为每条战线设计致用挂钩点（规则三）；
• 若用户有"写书/做产品"类远期意图，设计成计划终点闭环（用 12 个月笔记+致用产出做原料），不与计划抢跑。

Step 5 计划生成（确认门②）

月度计划结构（用户习惯"一期三个月"就用季度主题季）：
- 每月：1 主线（精读产笔记）+ 1-2 辅线（碎片/休闲）+ 1-2 个致用出口（具体动作）；
- 全局三条：最小完成线（主线实质推进+出口有产出=达标，辅线不算欠账）、季度校准机制（拉实际数据对照调整）、弹性规则（主线可跨月、崩了顺延不自责）；
- 书源纪律复查：逐本核对出自用户清单（规则二）；
- 把计划表发给用户确认后再定稿。

Step 6 资产建议与闭环

固定四件套（按用户实际工具调整）：
1. 笔记定期导出（防 App 单点风险）；
2. 知识库标签体系（与战线一一对应，一年后即定制书原料仓）；
3. 内容出口检验（公众号/博客文章作为"致用"的检验物）；
4. 季度数据校准（用本技能 Step1 重跑对照）。

交付规范

• 至少 md + HTML 两种格式（HTML 蓝调、四色季度、致用出口高亮、移动端响应式、零外链）；
• 存放：当前工作区的 outputs/yuedu-luopan/YYYYMMDD_<标题>.md/.html（平台有约定的输出路径则从其约定）；
• 详细格式规范见 references/output-spec.md。

工作流示例

示例一（全量流程，模式 A）：用户："帮我做个明年的阅读计划。"
→ Step1 拉数据（总时长/笔记总数/年度趋势）→ Step2 检索到用户亲笔《阅读计划》（自命名领域）+《未读导读》数十本 → Step3 双镜头：消化镜头偏向内，意图镜头偏向外，向用户确认"向外" → Step4 五条战线排序，证据最厚的战线领先 → Step5 四季度主题季×12 个月，每书配致用出口，用户确认 → Step6 四件套资产建议+定制书作为计划终点。

示例二（轻量触发）：用户："下个月读什么好？"
→ 不必全量跑。拉 annually+notebooks 两接口看近况，问一句"手里有没读的书单吗"，按单月结构（主线+辅线+出口）给 3 候选，附最小完成线提醒。全量计划留作"要不要展开成年度版"的提议。

示例三（无 Key，模式 B）：用户："帮我做个阅读计划"但没配 WEREAD_API_KEY。
→ 不拒绝、不先教配置。按"对话采集"问三件事（概况/书单/意图），用户粘贴一份 10 本的待读清单+口述"最近想搞 AI 和副业" → 双镜头照做（意图镜头为主证据）→ 出月度计划与致用出口，交付 md+HTML。最后附一句：想基于真实阅读数据精细化，可按 SETUP.md 配置 API Key。

边界

• 不代买书、不代读、不代写读书笔记；
• 不给用户清单之外的书强加优先级；
• 计划不含 KPI 与排名（与用户"维护优于升级"价值观对齐），只设最小完成线；
• 数据仅用于分析本人阅读，不写入任何对外产物；涉隐私的收藏素材引用前先脱敏。

信息核查闸门（事实性内容必过）

总纲：查询有等级，入库有门槛，报告有留痕。四原则：宁缺不编 / 存疑标注 / 勘误留痕 / 辅助非终审。

本 skill 输出中涉及外部事实（数据 / 政策 / 条款 / 案例 / 时间线 / 价格 / 机构说法）时，交付前必过：

1. 分流：事实性表述走核查；观点、感受、主观判断不核对错，只查引用出处。
2. 信源分级 + 双源交叉：一级官方一手 > 二级行业权威 > 三级百科与大众媒体 > 线索级（社区 / 自媒体，只作检索线索，永不直接引用）。三级必须两个独立来源交叉（独立＝彼此无转载关系）；核心结论至少两个独立来源。
3. 留痕：每条数据带「来源 + 查询日期」，缺一不留——三个月后要能说清这条从哪来。
4. 四标签处置：已证实（采信并留痕）/ 有争议（按信源分级裁决，裁不了标「存疑」）/ 查无实据（≠ 内容错误，移入「待核实」，不写进正文）/ 不属实（删改；已发布过则勘误留痕）。
5. 人工终审：关键数字（金额 / 日期 / 排名 / 口径）、关键归属（荣誉 / 头衔 / 记录）、关键变动（人事 / 规则 / 权属）、涉他负面——必须人工打开一级信源原件亲核，不外包给任何工具。
6. AI 幻觉防线：AI 生成内容先视为「待核草稿」；案例、数据、参考文献是最易编造项，逐条核；转述保留「据查 / 来源说」，不写成「事实就是」。

三条边界：只核事实不核观点；公开资源查不到佐证 ≠ 内容错误（挂「待核实」）；核查工具是初筛不是终审。

作者与联系

用着顺手，或者想聊聊养娃、写作与 AI 实战，欢迎来公众号找我——一个一边倒班一边折腾 AI 的一线工程师父亲。