agentleFS
mguozhenmguozhen/multi-platform-publisher/skills/self-media-ops/SKILL.md

self-media-ops

Skill10 starsChanged 52 days agoMITView on GitHub

Hunter「Hunter在跑」公众号与自媒体矩阵的完整运营流水线:X趋势/YouTube/播客/公众号文章选题 → 事实交叉核对 → 三套实测排版(晚点/量子位/深思圈)写作渲染 → deslop 机检 → 配图与封面生成 → 一键推公众号草稿箱。触发词:写一篇文章、写公众号、X trending 链接、用XX排版写、推草稿箱、自媒体发布。

  • Reads credentials

The file

Files
SKILL.md

自媒体运营 Skill(Hunter 在跑)

铁律(违反任何一条=返工)

  1. 只进草稿箱,绝不群发。发布=push 到 draft box,群发永远由 Hunter 手动。
  2. 标题用「事实钩子式直陈」:仍是新闻直陈句、仍禁悬念/对比/转折,但要把这篇最猛的事实或数字放进标题(「三个人,一个月,100 万美元 ARR」式)。基于某篇文章/视频写作时,标题逐字用原文标题。
  3. deslop 机检必须通过(scripts/deslop_check.py)。高频踩雷:破折号——≤5 处;黑名单词:闭环、对齐、打法、解锁、体感、中文圈(注意"封闭环境"含"闭环"的子串误报,重写绕开)。
  4. 文末必有两节:「参考来源」(分级标注:官方原文 / 三方报道交叉 / X 单一来源 / 未核实,如实写"未看完整节目""未核对仓库")+「利益相关」(AI 客服按结果计费 + LLM 网关 Flatkey,与主题相关就写)。
  5. 每张图发前必须 Read 目检。配图语言随正文语言(中文文章配中文图),figs/ 按 zh|en|ja 分目录。
  6. 文末关注钩子:渲染器已自动加「关注 Agent101」行(主号 2026-09 定为 Agent101),不要删。
  7. 对自己不利的事实照写(BlockRun 体):自家产品的短板、实测失败、来源拿不到,都如实交代,这是信用资产。

排版分工(三套复刻器,全部实测参数)

场景排版渲染器Playbook
新闻/发布/融资(默认)晚点 LatePost:黄荧光系统,金句前置,克制白描长段落scripts/build_wechat_latepost.pyplaybooks/wechat-latepost-playbook.md
强节奏爆点新闻(指定时用)量子位:绿色系统,短段落钩子,一键三连尾块scripts/build_wechat_qbit.pyplaybooks/wechat-qbit-playbook.md
观点文/组织文深思圈:Optima 字体,编号小节,零装饰scripts/build_wechat_sisiquan.py参数注释在脚本头部

Markdown 约定(晚点):%% 导语|==x==黄底引语|> 引用块|## 黄底居中H2|图片下一行*…*=分析型图注|---后=灰色小字来源。 量子位:**x**=绿色加粗结论句|## =绿左条H2|图注用*…*。

标准流水线(一篇文章 ≈ 30-50 分钟)

  1. 选题输入
    • X trend:curl -A "<iPhone UA>" https://x.com/i/trending/<id>,og:title/og:description 直接给出主题;trend id 是 snowflake,(id>>22)+1288834974657 得毫秒时间戳。
    • X 搜索素材:OAuth1 签名调 /2/tweets/search/recent(密钥 ~/.secrets/x.env,注意 set -a && source 才能导出)。
    • YouTube/播客:yt-dlp 或 curl 下 mp3 → ~/Library/Python/3.9/bin/mlx_whisper <f> --model mlx-community/whisper-large-v3-turbo(80 分钟音频约 8-10 分钟)。
    • 公众号文章:curl + iPhone UA 可拿全文;正文在 id="js_content"。
    • 播客雷达:~/content-radar/radar.py --days 7 --min 45。
  2. 事实核对:官方原文优先(WebFetch),三方报道交叉(Engadget/The Register/LawSites 这类),引语必须在转写稿里 grep 到原句才算核实。厂商口径一律标注"自家数字,无第三方复测"。
  3. 写作:新建 ~/<slug>-<style>/(article.md + figs/zh/)。写完跑 deslop,改到过;然后按 lieflat/SKILL.md 的 11 条白名单规则做去 AI 味 pass(翻案腔/顿号罗列/相邻句同款/破折号/冒号提示语/序数小标题/拟人喻体/概括盖数据/起手式/五种翻译腔/段首零主语),信息守恒:未命中规则的句子逐字保留。
  4. 配图:新闻用真实截图(headless Chrome --screenshot 官方公告页/报道页,sips 转 1080 jpeg);观点文用单线编辑插画(gpt-image-2 走 router.flatkey.ai/v1/images/generations,key=~/.secrets/flatkey-cc.env 的 FLATKEY_CC_KEY;基础 prompt 见 references/editorial-line-prompt.txt;挂了换 gemini-3-pro-image 走 chat)。
  5. 封面:scripts/build_cover_songti.py --kicker "硅谷前沿 AI 观察 · Agent101" --title "<标题>" --bg <线稿底图> --layout band(底图=单线画、内容压在下三分之一的横构图)。封面文案必须与最终标题一致。
  6. 推草稿:改 scripts/push_to_wechat.template.py 顶部 TITLE/DIGEST。DIGEST 当第二标题写(订阅号消息里显示这两行,决定打开率),要给钩子而不是内容概述。→ set -a && source ~/.secrets/wechat.env && set +a && python3 push_to_wechat.py。需要换封面重推时:先推新草稿,再 draft/delete 旧 media_id。
  7. 交付:open 封面给 Hunter;汇报只说结论+骨架;提醒"只进草稿箱"。

一天只发一次(个人主体订阅号硬限制)

账号是个人主体未认证订阅号:每天只能群发 1 次,且不能做微信认证(需企业主体)、菜单与数据接口均被 48001 拦。 所以不要一天推多篇独立草稿(除头条外全部只是"发布"、零推送,这正是阅读量几十的机制原因)。 正确做法:scripts/bundle_drafts.py <头条目录> <次条目录>... 把当天内容合成一条多图文(1 头条 + 最多 7 次条),一次群发全部触达。

全平台(仅 Hunter 说「全平台」时)

文本→音频→视频三阶段。X=hunterguo101 Premium 单条英文长文(绝不发 thread),X Article 无 API 只能手贴;LinkedIn 英文+配图(em-dash 会被 slop 门拦);Bluesky/Mastodon 先起 Tailscale 出口 mini1;发布器 ~/self-media/tools/allplatform.py。

依赖的密钥(只列名字,值在本机)

~/.secrets/wechat.env(WECHAT_APPID/SECRET)· ~/.secrets/x.env(X_API_KEY/SECRET, X_ACCESS_TOKEN/SECRET)· ~/.secrets/flatkey-cc.env(FLATKEY_CC_KEY)

Download now (ZIP)

Does 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
What did you use it for? e.g. Reviewing pull requests in a Rails app

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.