Wjs Mining Articles

Q: Wjs Mining Articles用什么许可证？

许可证标注为 未说明（许可证不明确）。商用或二次分发前请到仓库确认条款原文。

SKILL内容创作

内容创作未标注权限许可证不明确

Use when the user has a video's SRT subtitle file — a 王建硕 monologue / 讲解, OR a 对谈 / 访谈 where 王建硕 is one of the speakers — and wants to mine it into multiple standalone 微信公众号 articles, one article per distinct topic. Triggers — "把这个视频写成文章", "从字幕里挖文章", "这个 SRT 能写几篇", "把对谈写成文章", "/wjs-mining-articles <srt>".

一句话选型结论

按资料字段整理

Wjs Mining Articles是内容创作类的 Agent Skill，安装方式：GitHub 仓库，权限级别未标注，许可证不明确，没有现成安装命令，需按说明手动放置 SKILL.md。技能本质是给模型读的说明书，效果取决于模型与客户端；装完先用一个小任务验证，再放进正式流程。

分类内容创作 安装方式GitHub 仓库 权限级别未标注权限 许可证许可证不明确

累计安装 未标注 本周未标注

GitHub 星标 未标注 仓库 claude-skills

下载量 未标注 技能市场下载数

权限级别 未标注权限 安装前请确认风险范围

许可证 许可证不明确 未说明

安装

GitHub 仓库

在支持 Skills 的客户端里执行，装完问一句「你有哪些技能」验证

1
确认客户端支持
确认你的客户端支持 Skills（Claude、Codex、Cursor 等），并升级到较新的版本。
2
拿到技能文件
按安装说明或仓库 README，把 SKILL.md 放到客户端的 skills 目录（一般一个技能一个文件夹）。
3
刷新技能列表
重新打开客户端，或刷新技能列表，让新放进来的技能被加载。
4
验证是否生效
问一句「你有哪些技能」，确认列表里出现它，再拿一个小任务试跑。

技能档案

内容创作

字段来自技能仓库与公开索引，中文说明由本站标注

作者 / 维护方jianshuo仓库 claude-skills · 版本未标注

宿主客户端未标注技能可被这些客户端加载

安装方式GitHub 仓库安装包 jianshuo/claude-skills

权限级别未标注权限安装前请确认风险范围

许可证未说明许可证不明确，商用前请自行确认条款

仓库可用性available技能仓库当前是否可访问

最近核验未标注上游最后核验时间 · 数据更新 2026-05-24

正文体量10.0 KBSKILL.md 原文大小，越大说明说明书写得越细

打开技能仓库 ↗ 查看 SKILL.md 原文 ↗ 仓库路径 wjs-mining-articles

典型使用场景

3 类

按分类整理的常见用法，具体以 SKILL.md 为准

写文章与脚本

按主题产出初稿与分镜脚本。

改稿与润色

把草稿改顺、统一语气。

多平台文案改写

同一内容按平台改成长短不同的版本。

选择建议

装之前先看这几条

按条目字段给出的判断，不替你决定用不用

值得选的地方

基础信息齐全，可以先按说明装一个试试。

先想清楚的地方

没有标注权限级别，实际能做什么要装好后确认。
许可证不明确，商用或二次分发前先到仓库确认条款。
没有现成安装命令，要按安装说明或仓库 README 手动放置。
没有做站内核验，内容以作者仓库为准。
技能只是说明书，实际效果取决于模型与客户端，装完先用小任务试一遍。

更适合

需要在内容创作场景里给模型补一套做法的人。
愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

对许可证要求很严、必须明确可商用的人。
只想装完就自动变强、不打算看说明书的人。

技能	权限级别	安装方式	累计安装	宿主客户端	安装命令
Wjs Mining Articles当前	未标注权限	GitHub 仓库	未标注	未标注	无
AI 视频生成	调用外部服务	GitHub 仓库	431.3 万	Codex、Claude、Cursor	有
视频帧	联网访问	ClawHub 市场	262.1 万	OpenClaw	有
Markdown 转换器	写入文件	ClawHub 市场	135.3 万	OpenClaw	有
哔哩哔哩全合一	接触敏感数据	ClawHub 市场	64.1 万	OpenClaw	有
Remotion video toolkit 命令行	浏览器控制	ClawHub 市场	63.9 万	OpenClaw	有

SKILL.md 全文

10.0 KB

模型实际读到的说明书原文，来自技能仓库

wjs-mining-articles

一个视频的 SRT(独白或对谈)→ 一桌选题 → 用户勾几个(长对谈可「全要」)→ 每个长成一篇可发布的公众号文章,自动建好微信草稿,可选再排期发到 X。

Core Principle

口语是矿,文章是提炼出来的金属。 一段王建硕的独白里通常讲了好几个各自独立、各自值得成文的点;每个点单独成一篇,比硬塞成一篇长文更符合公众号「800–1000 字、一篇一个核心」的节奏。

字幕只是原料,成文要彻底书面化——去掉「呃、那个、就是说、然后」这类口头碎屑,把口语逻辑理成书面段落;但保留作者的用词偏好、家常比喻和语气,绝不改成营销腔或书面八股。

When This Skill Fires

用户给一个 SRT 路径,说「把这个视频写成文章」/「从字幕里挖文章」/「能写几篇」
用户跑 /wjs-mining-articles <srt-path>

支持两种源:独白/讲解(你一个人说)和对谈/访谈(你和别人对话)。两种走不同的识别路径(见 Step 1),但成文标准一致。

When NOT to use

没有 SRT,只有视频/音频——先用 wjs-transcribing-audio 出 SRT,再回来
对谈里王建硕根本没怎么说话(纯主持、对方独角戏)——挖不出他第一人称的文章,别硬写
已有一篇成稿要发——直接用 wjs-publishing-wechat

Workflow

Step 1 · 读 SRT,判断源类型,识别选题

脚本在本 skill 目录下,从 skill 根目录跑(或写全 ~/.claude/skills/wjs-mining-articles/scripts/parse-srt.sh):

scripts/parse-srt.sh &lt;srt-path&gt;          # 句子合并、每块前缀 [起–止] 时间区间
scripts/parse-srt.sh &lt;srt-path&gt; --raw    # 一行一 cue: HH:MM:SS&lt;TAB&gt;text(需要细看时)

先判断这是独白还是对谈。 SRT 没有说话人标记,从内容判断:有一问一答、现场寒暄/调设备、「你/我」互相称呼、有人反驳——就是对谈;从头到尾一个人连续讲就是独白。文件名/目录名带别人名字(如「汤维维」)是强信号。

跳过非正片的口水段:录制前的寒暄、调麦克风、「咱们聊啥」「这是播客还是视频」,以及中途「我去个洗手间」「换点水」这类——都不是内容,识别选题时直接略过(这次那条对谈开头约 5 分钟、中间几处都是这种)。

ASR 人名几乎一定有错:逐字稿里的人名先存疑,派 agent 写之前跟用户核对(这次「黄一孟」被听成「黄一梦」)。

独白路径:读输出全文,识别出 N 个独立的、各自值得成文的话题(典型 2–6 个)。每块前的 [HH:MM:SS–HH:MM:SS] 区间拿来标选题时间段——话题跨多块时取第一块起到最后一块止。没有「几个才算独立」的死规则:看作者是否真的换了一个能独立成文的点(他常自己数「第一个/第二个」,顺着切)。

对谈路径(多两步,顺序不能省):

先确认谁是王建硕 ⟵ 不许猜,也不许默认主讲人/说得最多的人就是王建硕。把开头一段对话原样贴给用户,标出你推断的两个角色(谁在问、谁在答),用 AskUserQuestion 让用户确认哪一方是王建硕。用户没确认前,不进入识别选题。
只挖王建硕真正展开了观点的话题。对谈里的选题 = 王建硕给出了成段的、能独立成文的看法之处;对方纯提问、纯背景、纯附和的地方不算选题。读上下文判断每个点是谁说的——拿不准某句是不是王建硕说的,就标「存疑」交给用户判,绝不替他认领。
选题清单照常出(Step 2),但每条额外标一句「这个点里王建硕的核心主张是 X」,方便用户判断值不值得写。

Step 2 · 出选题清单,等用户勾选 ⟵ 唯一的人工闸

每个候选给三样:拟定标题 / 一句话梳理这个话题在讲什么 / 对应 SRT 时间段(如 03:12–06:40)。对谈每条再加一句「这个点里王建硕的核心主张是 X」。

清单怎么呈现,按候选数分两种:

≤4 篇:用 AskUserQuestion(multiSelect: true),勾选框最干净。
>4 篇(长对谈常见,一场 1–2 小时能挖 10–16 篇):AskUserQuestion 一题最多 4 个选项,塞不下。改用文字表格(序号 | 标题 | 核心主张 | 时间段),按「多强 + 多像王建硕招牌观点」排序、标出 ⭐ 推荐,让用户直接报序号(「1 3 4」/「先写 ⭐ 那几篇」/「全要」)。

只有选中的进入 Step 3。用户说「全要」就全写。

Step 3 · 每个选中话题写成 article.md + meta.json

写正文前载入 wangjianshuo-perspective 保证语气是本人。按 wjs-publishing-wechat 的硬约束写(那是单一事实源,这里只复述要点):

默认 800–1000 字,超 1200 回去再砍
红色加粗 **...** 2–4 处,打在点睛句/关键结论/核心概念词。一处都没有 = 没写完
不加 AI 连接词(首先/其次/综上所述/值得注意的是)、不加 emoji、不把口语强行八股化
默认不写 ## 后注,正文最后落点收束

写完每篇 article.md 后,跑一遍盘古之白(中英文之间补空格,机械活、不靠自己记):

python3 ~/.claude/skills/wjs-publishing-wechat/scripts/pangu.py &lt;folder&gt;/article.md   # 幂等

对谈成文额外规则(归属红线):文章是王建硕第一人称,主体是他的观点和思考。对方(如汤维维)的话只作引子/背景——「有人问我…」「聊到 X 的时候」——绝不把对方的独到观点写成王建硕自己的主张。对方提了一个王建硕没正面回应的点,就别写进这篇。source.srt.md 里要注明本篇基于对谈、对方是谁、引用了对方哪几句作引子。

选中很多篇时(长对谈)用并行 agent 批量写:每个 agent 载入 wangjianshuo-perspective、拿到对应的逐字稿行区间和上面全部硬约束,各写 2–3 篇,落 article.md+meta.json+source.srt.md。一条 1–2 小时的对谈一次写 10+ 篇,串行太慢,并行又快又互不干扰(每篇独立)。派 agent 前先把全片通读一遍、把归属和事实更正都定下来(比如这次「黄一孟」被 ASR 听成「黄一梦」,得在派单时就写明),否则每个 agent 各猜一遍容易出错。

每篇落到一个新文件夹 <workspace>/articles/YYYY-MM-DD-{slug}/,写两个文件:

文件	内容
`article.md`	正文
`meta.json`	`{ "title", "summary", "author": "王建硕", "date", "slug" }` — 三个复用脚本都靠它
`source.srt.md`	原料备份:SRT 来源路径 + 本篇对应时间段 + 抽出的原始口语片段(可追溯)

<workspace> 默认 ~/Library/Mobile Documents/com~apple~CloudDocs/my/我的项目/我的创作/wechat-publish/,与 publishing 一致。

Step 4 · 直接建草稿(全自动)

对每个选中文件夹依次调 publishing 的现成脚本(不重写),路径 ~/.claude/skills/wjs-publishing-wechat/scripts/:

gen-cover-ai.sh   &lt;folder&gt;   # 题图 cover.png(读 meta.json 的 title 当目标字词)
gen-illustration.sh &lt;folder&gt; # 解释图 illustration.png + 确保 article.md 引用 ![](./illustration.png)
upload-draft.sh   &lt;folder&gt;   # 上传到微信后台建草稿(只建草稿,不群发)

交付:每篇都是「微信后台已有草稿、可一键发布」状态。群发由用户在后台手动点——本 skill 到草稿为止。

配图/建草稿是重活,长对谈十几篇要跑很久:gen-cover / gen-illustration 都走 codex 出图,每篇约 1–3 分钟。串成一个后台批处理脚本一次跑完(逐篇记成功/失败、出错不影响其他篇),别一篇篇手动等。脚本里给 gen-cover / gen-illustration 加「图已存在就跳过」,这样中途失败重跑不浪费已生成的图。

Step 5 · (可选)排期发到 X

用户要把这些文章也发成 tweet 时,交给 wjs-tweeting-from-articles:

发 1 条 → 它的默认流程(挑一篇、起 A/B/C 候选、用户选、xurl 发)。
一次要发很多篇(长对谈挖出的十几篇)→ 它的批量排期模式:每篇抠一条 ≤120 字的 tweet 排进队列,post-next-from-queue.sh + 每小时 cron(脚本自己节流)按「每 N 小时一条」自动发,避免一次连发被 X 判刷屏。详见该 skill。

复用边界

复用	用法
`wjs-publishing-wechat` 三个脚本	题图/解释图/建草稿,直接调,不重写
`wjs-publishing-wechat` 字数/加粗/无 AI 味规则	单一事实源,本 skill 不另立标准
`wjs-publishing-wechat/scripts/pangu.py`	盘古之白,每篇 article.md 写完跑一遍
`wangjianshuo-perspective`	写正文时载入,保语气
`wjs-tweeting-from-articles`	(可选)Step 5 把文章排期发到 X

本 skill 唯一新增代码:scripts/parse-srt.sh。

Common Mistakes

把多个话题硬塞成一篇长文 —— 违背「一篇一个核心」。识别出几个独立话题就出几个候选,让用户挑
照搬口语,留着「呃/然后/就是说」 —— 字幕是原料不是成稿,必须彻底书面化
忘了写 meta.json —— 三个复用脚本全靠它,缺了题图和草稿都建不出来
忘了红色加粗 —— 一处都没有就是没写完
自动跑去群发 —— 本 skill 只建草稿,真正发布是用户的手动决定
对谈里默认「说得最多的就是王建硕」 —— 大错。必须让用户确认身份;说不定主讲人是嘉宾,王建硕才是提问的一方
把对方的观点写成王建硕的主张 —— 归属红线。对方的话只能作引子,拿不准是谁说的就标存疑

常见问题

5 问

答案由本站依据条目字段整理

Wjs Mining Articles怎么安装？

没有现成安装命令：按安装说明或仓库 README，把 SKILL.md 放进客户端的 skills 目录（一般一个技能一个文件夹）。

Wjs Mining Articles支持哪些客户端？

资料没有标注宿主客户端，但只要客户端支持 Skills（Claude、Codex、Cursor 等），一般都能加载。

Wjs Mining Articles权限高吗，安全吗？

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

Wjs Mining Articles收费吗？

本站不代收费用，也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端，正式使用前按作者说明确认。

Wjs Mining Articles用什么许可证？

许可证标注为未说明（许可证不明确）。商用或二次分发前请到仓库确认条款原文。

安装