wechat-article
Skill2 starsChanged 3 months agoApache-2.0View on GitHub
专注深度中文微信公众号文章全流程创作(S0选题到S6排版与S7口播),涵盖文化、哲理、社会观察与通用认知主题。提供5-7层深度因果下潜、独特洞察(Spark)培育、真实证据链抓取及微信内联HTML美学渲染。技术教程使用tech-article,科技商业分析使用business-article,中年人生经历使用midlife-article。
14 other projects use a version of this.
Adopted by
Most recently taken up by
- Diyforfun2026/wechat-article-skilltheir own version, first seen Nov 8, 2026
- StellarLucas/article-expertword for word, first seen Nov 8, 2026
- CatCatUncle/openworkbuddytheir own version, first seen Nov 5, 2026
- JasmineNy/codex-skills-portfoliotheir own version, first seen Oct 20, 2026
- kuailexiaozixin/wechat-articletheir own version, first seen Oct 20, 2026
- windgeek/skillstheir own version, first seen Oct 15, 2026
Other versions14 projects use a version of this.
Word for word · 1
- StellarLucas/article-expert★ 2100% same
Edited · 0
None found.
Wrote their own version · 13
- CatCatUncle/openworkbuddy★ 398same name
- EthanYoQ/Skill-hub★ 11same name
- 5tldr/claude-skills★ 9same name
- Diyforfun2026/wechat-article-skill★ 2same name
- LLL-178/cn-skills★ 1same name
- Mason-1011/Mason_Skills★ 1same name
- windgeek/skills★ 1same name
- zieang88888/zhskills★ 1same name
- JasmineNy/codex-skills-portfolio★ 0same name
- kuailexiaozixin/wechat-article★ 0same name
3 more not listed
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository8 other files it gives its agents.
- business-articleSkill
- equity-fundamentals-reviewSkill
- lumisun-writerSkill
- midlife-articleSkill
- narrated-videoSkill
- tech-articleSkill
- tech-doc-to-wechatSkill
- video-coverSkill
The file
Files
wechat-article
目标
生产有点击理由、阅读推进、真实帮助和长期信任的中文公众号文章。题材不限,始终以直白、准确、有分寸的中文把一件事讲通透:
见天下之事,究万物之理,悟古今之道,致今日之用。
作者不是资料播报员。事实进入研究层,经过机制解释,在机制最低点附近映射认知坐标、种下一个Spark,再通过多轮下潜、扩展、反证和收束,成为作者能够承担的判断,最终完成规律提炼和现实转化。具体人格、叙事与网感只以 references/author.md 为准。
不可变契约
- 只讲透一件事:读者最终能说清它是什么、为什么如此、什么判断或行动因此改变,以及结论在哪里失效。
- 事实与解释分层:外部强事实和原话必须能在已保存页面中回查;用户口述作为独立的一手叙事材料建账,只证明“用户这样经历、观察或表达过”,不自动证明诊断、因果或普遍规律。每个外部发布数字必须经过多方比对,锁定日期、单位、统计范围、分母和准许表述。相关性不冒充因果,一种解释不冒充唯一答案。
- 深度由因果向下发生:正文沿“事实入口 → 表面答案失效 → 至少五层有效下潜 → 核心约束或代价 → 规律照明 → 现实回升”推进,不能把材料摊成并列栏目。主链的下一层必须是上一层的因,上一层必须是下一层在现实中显现的果;每一层都要通过“因为下一层,所以出现上一层”的反向朗读和删除测试。层数只是准入门槛。
- 只培育一个Spark:思想火花只能产生在机制最低点附近的认知坐标交叉处,必须围绕同一问题多轮加深、拓宽、反证和收束;不能从新闻表面随机拼接概念,也不能建立候选池后凭感觉挑选。
- 帮助必须落地:文章至少改变读者的一项理解、判断、行动、观察方式或风险边界,并说明适用场景与限制。
- 作者带路:作者选择入口、解释难点、处理反例并承担判断;网络感来自距离与节奏,不来自固定热词、口头禅或粗俗表达。
- 题材决定形态:事件、文化、哲理、社会观察和日常经验共享认知底座,但不共享固定故事模板、章节名称或结尾公式。
- 视觉服务阅读:S5、S6的提示词保持完整高上下文和细腻度,只产出提示词,不生成真实图片。
- Google-first检索:凡通过CDP进行在线信息发现,先使用Google构造查询、比较结果并扩展原始链接,再进入具体页面抓取和保存;Google页面本身永不进入证据池。外部在线素材只从国外网站、国际机构、海外大学、原始论文、官方资料或国外可靠媒体获取,垂直站点用于补充,不替代Google发现。
文章类型路由
主题确定后,S1必须先写入source_pack.json.article_profile,后续阶段始终继承,不得中途把文章写成另一种类型:
- 中年人生主题:不在本技能中继续处理。发现主题以三十五岁以后的人生经历、身体、代际、婚姻家庭、职业下半场、时间责任、失去遗憾或人生选择为主体时,切换到
midlife-article并按其阶段协议执行。 - 科技商业与业务投资主题:不在本技能中继续处理。发现主题以科技事件的商业机制、公司业务模式、产业竞争、资本预期或业务投资判断为主体时,切换到
business-article并按其阶段协议执行。 - 技术讲解与技术实操主题:不在本技能中继续处理。发现主题以AI、软件工程、开发工具、框架、API、架构、基础设施、代码、排障、产品教程或可复现技术方案为主体时,切换到
tech-article并按其阶段协议执行。
本技能只处理未落入以上三个垂直技能的通用主题。
阶段流水线
完整公众号文章依次完成 S0-S6。用户要求“生成完整公众号文章”时,默认走完七个核心阶段;只有S0的三个候选需要用户确认。用户直接给定主题或URL时从S1开始。S7与疑问修改为可选能力。
| 阶段 | 必读文件 | 核心职责 | 准出脚本 |
| S0 选题 | references/stage0.md | 找出三个长期有搜索、收藏或转发价值的读者问题 | validate_topic_candidates.py |
| S1 预分析与见事 | references/stage1.md | 先锁定文章类型和素材配比,再保存事实、冲突与未知 | validate_research_blueprint.py + validate_research_outputs.py |
| S2 究理与Spark生长 | references/stage2.md + author.md | 形成机制链与最低点,让一个Spark经过多轮加深、拓宽、反证和收束 | validate_mindmap_outputs.py |
| S3 Spark验证、悟道与致用设计 | references/stage3.md + author.md | 定型同一个Spark,独立完成规律提炼、哲学对照和现实帮助设计 | validate_insight_outputs.py |
| S4 最终成文与HTML | references/stage4.md + author.md | 将已验证的认知材料组织成定稿与清爽HTML | validate_final_outputs.py |
| S5 正文配图 | references/stage5.md | 每个大章节生成一条3:4高上下文配图提示词 | validate_image_outputs.py |
| S6 标题与封面 | references/stage6.md | 标题、2.35:1封面提示词与分享digest | validate_title_cover_outputs.py |
| S7 口播,可选 | references/stage7.md + author.md | 独立完成3–5分钟出镜口播文案 | validate_talking_script.py |
| 疑问修改,可选 | references/question_revision.md + author.md | 回答用户疑问并按影响范围修订既有文章 | 按受影响阶段重跑 |
进入阶段前必须完整读取该阶段的参考文件,并按其中顺序执行。不得用对本技能的记忆代替读取。
阶段职责
- S0只选题:不预写标题、文章结构或结论。
- S1先预分析再见事:搜索前锁定不可随意漂移的文章类型、受众、交付、视觉模式和素材配比;预分析通过后才抓页面。S1仍不研究机制、哲学、方法或正文。人生认知类不能用统一网页数量门槛堆成科普资料包,必须同时观察个人事件、35岁以后读者的现实处境以及能够限制泛化的反例或边界。
- S2先究理再培育一个Spark:可以补充事实和机制材料,建立5–7层有效下潜,围绕同一个问题完成5–6轮生长,其中至少两轮真正加深;不写正文草稿,不宣布Spark正确;下潜对象必须服从
article_profile。 - S3不写正文:先逐层复核S2的相邻下潜是否真的改变了解释与判断,再验证并定型Spark,分别完成悟道与致用;出现伪下潜、机制变化或Spark仍然单薄时退回S2。
- S4只负责成文与HTML:不得临时发明新的核心规律或实践方法,HTML不得泄漏施工标记。
- S5只处理正文图:每个
##大章节一张3:4图片,不生成cover、global或closing图。 - S6独立比较标题并生成封面:标题与封面表达同一个点击核,正文必须真实兑现;人生认知与科技文章使用不同的标题入口和视觉语法。
脚本边界
脚本负责确定性协议:
- 路径、文件和JSON结构;
- 页面快照与引用能否回查;
- 阶段收据和上下游版本;
- 层级标记是否连续、顺序是否一致;
- 每层是否留下解释迁移、判断变化、读者关系与反例边界,相邻问题是否连续;
- 坐标与Spark是否绑定已有机制、多轮生长是否完整、正文是否兑现同一个Spark;
- Markdown到HTML是否完整、图片占位是否对应;
- 尺寸、格式、字段和可复制CSS。
脚本不根据关键词判断文章是否深刻、自然、有网感、有哲学解释力或真正帮助读者。它只能拒绝缺层、跳层、断链、换题和缺少语义复核记录;相邻两层是否发生了真正的认知推进,由S3按照阶段参考文件逐层判断。脚本通过只代表协议完整,不代表文章合格。
执行纪律
- 阶段完成后运行对应脚本;失败时只修当前阶段,不带着失败产物进入下游。
- S1开始搜索前必须先生成
research/research_blueprint.json并通过validate_research_blueprint.py;先搜索再补蓝图视为顺序错误,必须重新检查素材分配。 article_profile从S1预分析起贯穿S1-S7:S2/S3继承下潜对象和帮助形态,S4继承叙事与HTML主题,S5继承正文图视觉语法,S6继承标题封面入口,S7继承受众、立场与口播表达。类型变化必须回到S1重建蓝图并使全部下游产物失效。- S1、S2、S3必须分别生成当前有效的
stage1_receipt.json、stage2_receipt.json、stage3_receipt.json;上游材料变化后刷新收据。 - 阶段收据只能由对应准出脚本生成,禁止手写、复制、补字段或模拟脚本成功;看到收据文件不等于阶段有效。
- S1完成前必须确认
research/raw_pages/中已有CDP保存的真实页面,且cdp_capture_manifest.json记录了成功状态与实际文件路径;只写source_pack.json不算完成研究。 - 用户提供的口述、聊天、笔记和个人经历写入
source_pack.json.user_materials,不得伪装成网页快照,也不得计入网页数量、来源域名或交叉验证数量。 - 进入S2时必须重新运行S1准出脚本;页面、清单、观察卡或收据任一不一致都立即退回S1。
- 没有有效阶段收据、数字账本或DATA标记时不得创建、更新或包装最终文章;校验失败的文章视为未完成,不能进入S4/S5。
final_article_copy.html只能由预置markdown_to_wechat_html.py从final_article.md生成;禁止LLM手写完整HTML、<style>、<body>或另造模板。人生认知与科技模式由转换器读取article_profile自动选择主题。- S0-S3需要在线检索时统一执行Google-first:先搜索发现,再打开原始页面,最后通过CDP落盘;搜索结果摘要本身不作为证据。
- 不为流程生成参考文件未声明的报告、评分表或临时元数据。
- 不临时编写另一套流水线脚本;使用本技能预置脚本。
- 所有产物写入真实登录用户的
${REAL_USER_HOME}/wechat_articles/,不得落入沙盒映射的字面量~/wechat_articles。 - Python命令使用可用的Python 3.10+环境;运行环境故障不能成为跳过校验的理由。
阶段恢复
不得因为加载技能而自动回到S0:
| 当前状态 | 下一步 |
| 用户要求疑问修改或S7 | 直接执行对应可选阶段 |
| 用户提供主题或URL | S1 |
| 没有主题,也没有候选 | S0 |
| 已有候选但未选择 | 等待用户选择 |
已有旧主题产物但无article_profile | 回到S1补充路由并刷新收据 |
| 已确定主题,无当前有效S1收据 | S1 |
| 已有当前S1收据,无当前S2收据或机制导图 | S2 |
| 已有当前S2收据,无当前S3收据 | S3 |
| 已有当前S3收据,无定稿 | S4 |
| 已有定稿,无正文配图提示词 | S5 |
| 已有正文配图提示词,无标题封面包 | S6 |
一旦宣布进入某阶段,下一步必须执行该阶段,不重新介绍流程或跳回S0。
工作目录
S0使用独立扫描目录,避免不同批次互相污染:
${REAL_USER_HOME}/wechat_articles/topic_scans/[scan_id]/
└── research/
├── topic_candidates.json
├── topic_candidates.md
└── raw_pages/主题确认后,S1-S7使用:
${REAL_USER_HOME}/wechat_articles/topics/[topic_id]/
├── research/
│ ├── research_blueprint.json
│ ├── source_pack.json
│ ├── stage1_receipt.json
│ └── raw_pages/
├── article/
│ ├── article_mindmap.md
│ ├── stage2_receipt.json
│ ├── stage3_receipt.json
│ ├── final_article.md
│ ├── final_article_copy.html
│ └── final_article_digest.txt
├── assets/
│ ├── image_prompts.jsonl
│ └── title_cover_package.json
└── video/
└── talking_script.txtDoes it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

