文章内容创作 · 热点与本地资料双选题

这是一个内容创作 skill：话题可以来自网络热榜，也可以来自本地资料库，但终点都是「一篇能直接发布的文章」。

• 工作流 H（网络选题）：热榜 → 10 条候选 → 选定 → 写作简报 → 成稿
• 工作流 A（本地选题）：资料 → 关键词蒸馏 → 排产表 → 话题标题 → 成稿
• 工作流 B（成稿生产线）：选话题 → 回溯资料 → 定平台 → 成稿 → 配图 → 排版

何时使用

• 用户说「写篇文章」「写篇公众号 / 小红书 / 知乎」「帮我出个稿」
• 用户说「找点热门话题」「最近有什么热点可以写」「追个热点」
• 用户给一个文件夹或一批资料，说「提关键词」「找关键词」「关键词蒸馏」，随后要成稿
• 用户要「关键词排产」「选题计划」「内容日历」「按优先级安排产出顺序」
• 用户要把品牌资料 / 产品手册 / 客服问答 / 行业报告转成内容矩阵
• 用户给出行业或品牌，要求「先做核心词，再补长尾和场景」
• 用户从话题表里挑了一个话题，说「就写这个」「发公众号」「配个图」「排版好」

能力边界

• 只读源文档，绝不修改、移动、删除用户文件。
• 工作流 A 不联网取搜索量，热度用「语料词频 × 文档覆盖度」代理，结论中要说明这一点，不要编造百度指数/小红书笔记数。
• 工作流 H 会联网抓热榜。热度、排名必须来自实际抓到的页面；抓不到具体数字就留空，绝不估算或套用「阅读量 1.2 亿」这种没看到原文的说法。
• 网络来源必须带 URL。没有 URL 的来源标「未核验」，成稿里不得把它当作唯一依据。
• 扫描版 PDF（无文本层）、旧版 .doc/.ppt/.xls 解析不出内容，遇到要如实报出文件名与原因，不要静默跳过。
• 不做竞品数据抓取；对比词只从语料里识别，缺竞品时提示用户补充。
• 成稿不编事实：价格、规格、占比、销量等数字只能来自 brief.json 的 facts，gaps 里的问点必须标「待确认」或回头问用户。
• 配图不做虚假产品图：AI 只生成氛围图/场景图，实物包装必须用真实素材。

第 0 步 · 先问话题从哪来（每次调用都问）

动手前先问一句，不要默认走本地资料：

> 这次的话题，想从网络上抓热门，还是从你手上的资料里提取？

用 AskUserQuestion 给两个选项：

路由：

已经带着明确选题来的用户（「就写 XX」），不要多问这一层，直接进 B2/B3——第 0 步是给「不知道写什么」的人用的。

用户开口就点明路线的（「把这个文件夹做关键词蒸馏」「帮我追个热点」），也不重复问，说一句「按你选的本地/网络路线走」即可。只有没说清的时候，这一步必须问，不许默认。

运行环境

脚本：scripts/kw_pipeline.py（本 skill 目录下）。

候选词有两条来源：分词通道（词与名词短语，产出核心词/扩展词/意图词）和句式通道（整句疑问句与对比句，产出问题词/对比词）。后者不能省——分词在动词处断句，永远切不出「每日坚果孕妇能吃吗」，而这正是 AI 搜索最常引用的形态。

解释器：先试 python，用 python -c "import openpyxl" 验证；不可用则用
C:/Users/admin/.workbuddy/binaries/python/versions/3.13.12/python.exe。

依赖：openpyxl 必需；jieba、python-docx、pypdf、python-pptx 强烈建议（缺 jieba 会自动降级为字符 n-gram，词表噪音明显变多）；Pillow 用于配图裁切（缺了会降级为原图复制，不裁切）。缺哪个装哪个：

<PY> -m pip install openpyxl jieba python-docx pypdf python-pptx pillow

工作流 H · 网络热门话题

三个关卡：抓榜 → 用户挑 → 接成稿。抓榜用 WebSearch，后面全靠脚本收敛。

H1 · 抓一轮热榜，列前 10 条

不带领域先抓一轮。至少搜 4 次，覆盖不同平台和不同问法，别只搜一次就凑数：

• 微博热搜 今天／微博 热搜榜 <当前年月>
• 知乎热榜 今天
• 小红书 热门话题 <行业词>
• 抖音 热点榜 今天
• 垂类问法：<行业词> 最近 讨论 热搜（例：零食 坚果 送礼 最近 讨论）

把结果整理成 hot_raw.json（字段见 references/hot-topic-sources.md），每条必须写 2–4 个 terms——热榜标题是整句，后面检索资料时靠 terms 才能命中：

{"source": "微博热搜 / 知乎热榜 / 小红书 综合", "query": "零食 坚果 送礼 热搜",
 "items": [
   {"rank": 3, "title": "每日坚果到底是不是智商税", "platform": "知乎", "heat": "热榜第 3 位，回答 1200+",
    "angle": "拆配料表和单价", "terms": ["每日坚果", "智商税", "性价比"],
    "questions": "配料表怎么看;单价多少合理;和散装比贵在哪", "url": "https://www.zhihu.com/hot"}
 ]}

<PY> <SKILL>/scripts/kw_pipeline.py hot --in hot_raw.json --out "<工作目录>/.kw/hot.json"

脚本会去掉重复同题（「每日坚果是不是智商税」和「每日坚果到底是不是智商税」会合成一条）、按 rank 排序、编号 H01–H10，打印成表格。

把这张表贴给用户，问选哪条。贴表格，不要贴 JSON；AskUserQuestion 一次只放得下 4 个选项，所以用文本给 10 条 + 一句「回复编号就行」。

数量不足 10 条会告警，此时补搜一轮再跑，不要拿 6 条硬凑。

H2 · 用户都不感兴趣 → 问方向，再搜 10 条

不要重贴同一批。先问方向：

> 这批里没有合适的？那你更想写哪个方向？

给 4 个按业务推的选项（例：产品科普 / 选购避坑 / 价格与促销 / 行业观察 / 招商加盟），允许用户自己填。

拿到领域词后带领域重搜一轮（query 里同时放领域词和平台名，例如「咖啡 加盟 热搜」「控糖 零食 小红书 热门」），结果写成 hot_raw2.json：

<PY> <SKILL>/scripts/kw_pipeline.py hot --in hot_raw2.json --tag 咖啡 --out "<工作目录>/.kw/hot2.json"

• --tag 只是过滤，不解决「搜不到」：提示 0 命中时说明这一轮没搜到该领域的榜，换 query 重搜，不要把上一轮的表当结果交差。
• 最多重搜 3 轮。仍没有就直说「这个方向近一周没有明显热点」，给两条出路：转本地资料库（工作流 A），或直接按方向自拟一个话题走 trace --free。

H3 · 接成稿

选定 H03 后，先把这条热点相关的外部原文整理成 research.json（结构见 references/hot-topic-sources.md 第七节），再按「有没有本地资料」分两条：

有本地资料库（首选）：热点 + 自有素材，观点有据、产品能落地

# 1) 先在本地资料里找证据
<PY> <SKILL>/scripts/kw_pipeline.py trace --seed "<工作目录>/.kw/hot.json" --pick H03 \
  --corpus "<工作目录>/.kw/corpus.json" --out "<工作目录>/.kw/H03.local.json"

# 2) 再把这一轮网络检索的原文并进来（证据缺口按两边一起判）
<PY> <SKILL>/scripts/kw_pipeline.py webbrief --research research.json \
  --merge "<工作目录>/.kw/H03.local.json" --out "<工作目录>/.kw/H03.brief.json"

--seed 会自动当作表外话题处理，用条目里的 terms 检索，questions 用来查证据缺口。只跑前一条命令也能用，但热点常涉及本地资料没有的外部数据（行业均价、政策、竞品动向），补上网络证据才不容易写空。

没有本地资料：只要网络证据

<PY> <SKILL>/scripts/kw_pipeline.py webbrief --research research.json \
  --out "<工作目录>/.kw/H03.brief.json"

research.json 要求：每条 sources 至少 2 段原文（各 ≥10 字）+ URL；facts 只放带数字的句子。短句、无 URL、无原文的来源会被跳过或标「未核验」，并在输出里点名——这是脚本在替你守住「不编事实」，不要为了好看去补 URL。

两条路都产出同构的 brief.json，之后接 B3 · 问平台和篇幅，与本地路线完全一致。

热点的额外要求（写稿时执行）：

• 标题沿用热榜原话的问法（「到底是不是智商税」），别改成四平八稳的百科标题——用户就是照那句话搜的
• 热点有保鲜期，brief.json 里 meta.generated_at 超过 3 天就别再发，重新抓一轮
• 不要硬贴品牌。热点与产品无关时，正文可以不提产品，只在结尾给一句相关建议

工作流 A · 关键词蒸馏与排产

A0 · 确认输入

必须明确三件事，缺一件就问（一次问完，别挤牙膏）：

1. 源文件夹绝对路径。
2. 业务身份：语料是自有品牌、竞品资料，还是纯行业材料？——决定哪些词算「品牌词」。
3. 输出位置：默认放在源文件夹的同级，<源目录名>_关键词报告.xlsx。

路径不明确时先 ls／Glob 看目录内容再问，不要空手追问。

中间产物统一放 <输出目录>/.kw/，不要污染源目录。

A1 · 抽取文本

<PY> <SKILL>/scripts/kw_pipeline.py extract --src "<源目录>" --out "<工作目录>/.kw/corpus.json"

读返回值：
- 解析成功文件数 / 总文件数。成功率 < 60% 就停下来，把跳过清单和原因报给用户，让其补齐或另存格式，不要带着残缺语料往下跑。
- 总字符数 < 5000 说明语料太薄，关键词表会是噪声，直接告知用户。

A2 · 挖候选词

先加白名单再跑，避免品牌名被切碎：

<PY> <SKILL>/scripts/kw_pipeline.py mine \
  --corpus "<工作目录>/.kw/corpus.json" \
  --out "<工作目录>/.kw/candidates.json" \
  --extra-words <品牌词> <产品词> <竞品词>

参数：--min-freq（默认 2，语料小时设 1）、--top（默认 400）、--dup-ratio（默认 0.86）。

跑完 peek --stats 看类型分布与簇数，超过 200 个簇时以 --top 150 重跑，只蒸馏头部（长尾边际价值递减，且人工判断质量会滑坡）。

A3 · 蒸馏（核心步骤，禁止跳过）

先读 references/keyword-taxonomy.md，它是分类与去重的唯一判据。

分批审阅候选，每批 60–80 条：

<PY> <SKILL>/scripts/kw_pipeline.py peek --candidates "<工作目录>/.kw/candidates.json" --limit 80 --offset 0
<PY> <SKILL>/scripts/kw_pipeline.py peek --candidates "<工作目录>/.kw/candidates.json" --limit 80 --offset 80

逐条判断，写成 decisions.json。只写判断，不要抄词频/得分/变体——那些由 apply 从 candidates 自动回填，手抄必错。id 和 keyword 二选一定位：知道 id 就写 id，只记得词面就写 keyword（apply 会连变体一起匹配；匹配不到的按人工补充处理，频次记 0）。

{
  "title": "<品牌/主题> 关键词蒸馏与内容排产报告",
  "decisions": [
    {
      "id": "C0001", "keep": true, "keyword": "每日坚果",
      "type": "核心词", "subtype": "产品词", "priority": "核心", "intent": "中",
      "reason": "主推产品词，跨 12 篇文档出现 128 次",
      "topic": "每日坚果是什么？配料、营养与选购全景",
      "format": "产品全景页", "platform": "官网 blog / 知乎",
      "length": "2000–3000 字",
      "questions": "配料构成；每日建议摄入量；如何辨别添加糖"
    },
    { "id": "C0032", "keep": false, "keyword": "每日坚果旗舰",
      "merged_into": "每日坚果", "reason": "包含归并：频次仅为长词 4%" }
  ],
  "extra": [
    { "keyword": "竞品名", "type": "核心词", "subtype": "品牌词", "priority": "中",
      "intent": "低", "reason": "语料提及但未成簇", "topic": "A vs B：5 个维度实测对比" }
  ]
}

decisions 每个字段的含义、以及话题标题的骨架模板，见 references/table-schema.md。

蒸馏必须满足的四条硬要求：

1. 去重彻底：同义/近义/包含关系的写法合成一个词簇，其余进变体，绝不各占一行排产位。被合并的每一条都要在 decisions 里留 keep:false + merged_into + reason，最终产出「合并剔除记录」表供复核——静默丢弃等于没做。
2. 分类互斥：一个词只归一类。冲突时按 意图词 > 对比词 > 问题词 > 扩展词 > 核心词 取先。核心业务主词即便含交易意图，仍归核心词并在 subtype 注明。
3. 优先级比例：核心 5–12 个且必须 ≥3 个；「高」不超过总数 35%；「中」不超过 40%。比例失衡说明门槛错了，回头调 --min-freq 重跑，不要硬凑。
4. 每词都要话题：topic 必须是可直接发布的标题（18–26 字、含数字或明确信息承诺），不能是关键词复读。

写完执行：

<PY> <SKILL>/scripts/kw_pipeline.py apply \
  --candidates "<工作目录>/.kw/candidates.json" \
  --decisions "<工作目录>/.kw/decisions.json" \
  --out "<工作目录>/.kw/distilled.json"

返回值里「未表态候选」若 > 0，说明有候选没被审到——要么补判断，要么明确告诉用户「已按 top N 截断，剩余 M 个低频词未纳入」。

A4 · 出表

<PY> <SKILL>/scripts/kw_pipeline.py build \
  --distilled "<工作目录>/.kw/distilled.json" \
  --out "<输出目录>/<名称>_关键词报告.xlsx" \
  --md "<输出目录>/<名称>_关键词报告.md" \
  --corpus "<工作目录>/.kw/corpus.json"

生成的 xlsx 含四个工作表：概览（首屏）、关键词蒸馏表、优先级排产表、合并剔除记录。

排产表按 波次 W1→W4 排列，波次内再按 核心 > 高 > 中 > 低、同优先级按得分降序，序号即生产顺序：

用 present_files 交付 xlsx，并在回复里贴 markdown 的表格节选（蒸馏表前 10 行 + 排产表前 10 行足够），不要把整张表贴满屏。

A5 · 交付前自检

逐条确认，不过就回去改：

• [ ] 核心词 ≥3 个，且都是真实的品牌/产品/行业词，不是文档里的通用词
• [ ] 没有任何两行是同一个意思（抽查变体列，若两行的变体互相包含 → 合并失败）
• [ ] 「高」占比 ≤35%，「中」≤40%
• [ ] 问题词全部是疑问句式，不是陈述句；数量不少于问题类语料的 8 成
• [ ] 对比词都识别出了 ≥2 个可比对象
• [ ] 每条 reason 非空且说清了保留逻辑
• [ ] 每条 topic 都是能直接发的标题，含数字或明确信息承诺
• [ ] 排产表 W1 的每一行都是核心词，且核心词全部进了 W1
• [ ] 「合并剔除记录」非空（有去重就有记录）

工作流 B · 话题到成稿

七个关卡，每一关都要停下来等用户回答，不要一次问完所有问题，也不要替用户做决定。前四关是选择，后三关是执行。

从工作流 H 进来的，话题已经定了，跳过 B1，直接从 B2（有本地资料）或 B3（无本地资料、已用 webbrief）继续。

B1 · 让用户选话题

<PY> <SKILL>/scripts/kw_pipeline.py topics --distilled "<工作目录>/.kw/distilled.json" \
  --out "<工作目录>/.kw/topics.json"

不要一次把整张话题表贴满屏。按波次给：先贴 W1 核心词（5–8 条），说明「后面还有 W2 问题词 N 条、W3 意图对比 N 条」，问用户要写哪个。用 AskUserQuestion 给 3–4 个候选更省事，选项写「关键词 + 话题标题」，让用户能看懂要写的是什么。

用户也可能自带话题。两种都要接：

• 用户选的是表内话题 → 直接进 B2，用 T 编号定位最准。
• 用户自带话题 → 先判断是否等价于表内某条（同义、包含关系）。等价就用表内那条；不等价就按用户的话走 B2 的自由话题模式，并且说明这个词不在排产表里，问要不要顺手补进表。

B2 · 回溯这个话题用到的资料

<PY> <SKILL>/scripts/kw_pipeline.py trace \
  --distilled "<工作目录>/.kw/distilled.json" \
  --corpus "<工作目录>/.kw/corpus.json" \
  --topic "T03" \
  --out "<工作目录>/.kw/T03.brief.json"

--topic 接受 T 编号、话题标题、关键词三种写法。匹配不上会列出最接近的 5 条并退出，此时把候选贴给用户确认，不要自己猜。

跑完读输出（不要整份 brief.json 进上下文，只在需要时读 sources[].evidence 的具体段落）：

1. 命中资料几篇——0 篇说明这个话题在语料里没根基，必须告诉用户「资料里没有这个话题的内容，需要补充资料或换个话题」。
2. gaps 证据缺口——这些问点不能编。要在写之前告诉用户「以下 3 个点在资料里没找到答案，我会标待确认 / 你补充一下」。
3. facts——所有数字的唯一来源。

自由话题模式：用户给的话题不在表里，或根本没有跑过排产表时，加 --free 跳过匹配，用 --terms 给检索词、--questions 给必须回答的问点：

<PY> <SKILL>/scripts/kw_pipeline.py trace --free \
  --corpus "<工作目录>/.kw/corpus.json" \
  --topic "坚果礼盒送人怎么选" --terms 坚果礼盒 送礼 长辈 \
  --questions "预算怎么分档；包装体面度；送长辈的忌讳" \
  --out "<工作目录>/.kw/送礼.brief.json"

B3 · 问平台和篇幅

只问一次，给清楚选项：

• 发哪里：公众号 / 小红书 / 知乎 / 抖音图文 / 官网长文（可多选）
• 篇幅：跟着平台默认走（公众号 1500–2500、小红书 600–900、知乎 2000+），除非用户另有要求

平台的硬规则见 references/platform-specs.md。用户选多个平台时，一篇主稿写完再改写成各平台版本——不要为每个平台单独写一遍，会前后矛盾。

B4 · 写初稿

按 references/content-playbook.md 选骨架（distilled.json 里每个词都有 format），用 brief.json 的 evidence 和 facts 组织内容，questions 字段里的问点逐条回答。

写成 markdown，放在 <工作目录>/draft.md，带 frontmatter：

---
title: 每日坚果是什么？配料、热量与选购全景
digest: 一袋 25g 里到底装了什么？从配料表到热量账，一次讲清。
---

正文……

写完先给用户看正文，不要直接排版。用户会改观点、改语气、删段落——排版完再改，锚点和字体全要重做。

B5 · 问是否需要段落配图

初稿确认后问一句：「要不要给段落配图？」用户说不要就跳到 B7。

要的话先切段，把可配图的位置摆给用户：

<PY> <SKILL>/scripts/kw_pipeline.py sections --article "<工作目录>/draft.md" \
  --out "<工作目录>/sections.json"

输出里 ★ 是建议位。给用户看的是「段落编号 + 开头十几个字 + 为什么建议配图」，让用户挑，不要默认全配。用户说「你看着办」时，按 content-playbook.md 第四节的标准自己挑 3–5 段，并把选择理由说清楚。

B6 · 问配图来源，然后配图

选定段落后问：「用你自己的图片，还是 AI 生成？」两者都要先出计划：

# AI 生成
<PY> <SKILL>/scripts/kw_pipeline.py imageplan --sections sections.json \
  --picks P04,P07,P10 --mode ai --brief brief.json --platform xhs --out plan.json

# 本地素材
<PY> <SKILL>/scripts/kw_pipeline.py imageplan --sections sections.json \
  --picks P04,P07 --mode local --images "<素材目录>" --platform wechat --out plan.json

• AI 生成：逐条读 plan.json 里的 prompt，用生图工具一张一张生成，存到同一个目录，再 media --plan plan.json --fill-dir <目录> 按序补位。
• 本地素材：用 ViewImage 逐张确认内容和段落对得上再用，不要只看文件名。素材不够就明确告诉用户缺几张。

<PY> <SKILL>/scripts/kw_pipeline.py media --plan plan.json --out out/<平台> --platform wechat

B7 · 按平台排版并交付

<PY> <SKILL>/scripts/kw_pipeline.py render --article draft.md --platform 公众号 \
  --plan out/wechat/plan.json --out "out/wechat/<名称>_公众号版.html"

多个平台就每个平台各跑一次 media + render（media 会在各自目录写平台专用的 plan.json，互不覆盖）。

render 的规则体检要看完：标题超长、正文字数越界、标签缺失都是必须处理的问题，把结论如实报给用户，不要只报「已生成」。

最后用 present_files 交付：HTML 会直接预览，md 作为文件给出。

回复用户的格式

工作流 H（热门话题）

1. 说明抓了哪几个平台的榜、什么时候抓的、共多少条。
2. 表格：编号、话题、平台、热度、可写角度（10 条）。
3. 一句「回复编号就行，也可以说要换方向」。
4. 用户选定后：这条热点对应哪些资料、证据缺口在哪，再问平台。

工作流 A（关键词）

1. 一句话结论：扫了多少文件、蒸出多少词、分了几类。
2. 蒸馏结果：markdown 表格，按类型分组，每组列代表词 + 优先级。
3. 排产计划：W1–W4 各自的篇数与首批话题标题（3–5 条样例）。
4. 需要用户决策的点：语料缺口（如「没有竞品资料，对比词只有 2 条」）、被跳过的文件。
5. 交付文件路径。

工作流 B（成稿）

1. 这个话题命中了哪几篇资料（文件名 + 命中次数），让用户知道文章的数据从哪来。
2. 证据缺口：哪些问点资料里没有，打算怎么处理。
3. 正文（或正文文件），标题与字数。
4. 配图清单：段落编号 → 图注 → 来源（本地/AI）。
5. 排版体检结论 + 各平台交付文件路径。

常见故障