版本升级

2026-04-21 20:30:27 +08:00
1 parent e0fd7b37b2
commit 3d1d7c7e6e
@@ -2,18 +2,49 @@

 基于 OpenClaw 的 X 平台推文自动创作技能包。覆盖从选题采集到推文交付的完整流水线。

+**核心目标**：输出 400-600字、让人忍不住收藏的推文。
+
 ## 技能列表

-| 技能 | 功能 | 触发词 |
-|------|------|--------|
-| [hot-topics](skills/hot-topics/SKILL.md) | 热点选题采集 | 「采集热点」「找选题」 |
-| [topic-research](skills/topic-research/SKILL.md) | 选题调研，搜集多源素材 | 「调研XX」「搜集资料」 |
-| [opinion-generator](skills/opinion-generator/SKILL.md) | 从10个角度生成独特观点 | 「生成观点」「提炼角度」 |
-| [tweet-writer](skills/tweet-writer/SKILL.md) | 10种风格推文写作 | 「写推文」「tweet」 |
-| [tweet-polish](skills/tweet-polish/SKILL.md) | 口语化改写，消除AI味 | 「口语化」「polish」 |
-| [title-optimizer](skills/title-optimizer/SKILL.md) | 5个方向的标题优化 | 「起标题」「优化标题」 |
-| [tweet-closing](skills/tweet-closing/SKILL.md) | 5种结尾转化钩子 | 「写结尾」「加钩子」 |
-| [tweet-pipeline](skills/tweet-pipeline/SKILL.md) | 主控流水线：一键全流程 | 「流水线」「一键推文」 |
+| 技能 | 功能 | 字数/特性 | 触发词 |
+|------|------|-----------|--------|
+| [hot-topics](skills/hot-topics/SKILL.md) | 热点选题采集 | 10-20个选题 | 「采集热点」「找选题」 |
+| [topic-research](skills/topic-research/SKILL.md) | 选题调研，搜集多源素材 | 500-800字结构化素材 | 「调研XX」「搜集资料」 |
+| [opinion-generator](skills/opinion-generator/SKILL.md) | 从10个角度生成独特观点 | 含示例和反例参考 | 「生成观点」「提炼角度」 |
+| [tweet-writer](skills/tweet-writer/SKILL.md) | 10种风格推文写作 | **400-600字**，含收藏理由 | 「写推文」「tweet」 |
+| [tweet-polish](skills/tweet-polish/SKILL.md) | 口语化改写，消除AI味 | 三级检测系统，AI味评分 | 「口语化」「polish」 |
+| [title-optimizer](skills/title-optimizer/SKILL.md) | 5个方向的标题优化 | 不超过20字/方向 | 「起标题」「优化标题」 |
+| [tweet-closing](skills/tweet-closing/SKILL.md) | 5种结尾转化钩子 | 2-3个备选/类型 | 「写结尾」「加钩子」 |
+| [tweet-pipeline](skills/tweet-pipeline/SKILL.md) | 主控流水线：一键全流程 | 400-600字成品 | 「流水线」「一键推文」 |
+
+## 核心特性
+
+### 收藏价值设计
+
+每条推文必须满足以下至少 2 条：
+- 有数据：具体数字（如42.5分、3个月）
+- 有判断：独特观点，不是常识
+- 有可操作：工具/方法/步骤
+- 有记忆点：一句话概括全文
+
+### 去 AI 味系统
+
+tweet-polish 采用三级检测：
+- **L1 词汇**：自动替换 AI 表达（因此→所以）
+- **L2 句式**：检测完整句比例，超过60%则拆句
+- **L3 节奏**：制造段落长短差
+
+目标：AI 味评分 ≤ 4
+
+### 统一字数标准
+
+| 阶段 | 字数要求 |
+|------|----------|
+| tweet-writer 输出 | 400-600字 |
+| tweet-polish 改写后 | 400-600字 |
+| topic-research 素材 | 500-800字 |
+| title-optimizer 标题 | 不超过20字 |
+| tweet-closing 结尾 | 不超过2句 |

 ## 安装

@@ -3,23 +3,53 @@ name: hot-topics
 description: |
  采集多平台热点选题，筛选AI/科技/加密货币/创业相关内容，整理成结构化选题列表。
  触发词：「采集热点」「找选题」「热点」「今日选题」「hot topics」。
+triggers:
+  - 采集热点
+  - 找选题
+  - 热点
+  - 今日选题
+  - hot topics
+output_schema:
+  type: object
+  properties:
+    topics:
+      type: array
+      items:
+        type: object
+        properties:
+          title: { type: string }
+          collected_at: { type: string }
+          source: { type: string }
+          source_url: { type: string }
+          description: { type: string }
+        required: [title, collected_at, source]
+      description: 10-20个选题，按热度排序
+    total_count: { type: number }
+tools:
+  - web_fetch
 ---

 # 热点选题采集

-## 采集源（按优先级）
+## 采集源

-### 英文
-1. TechCrunch - 科技
-2. The Verge - 科技/AI
-3. Hacker News - 技术/创业
-4. CoinDesk - 加密货币
-5. Cointelegraph - 区块链
+### 英文（优先级高）
+
+| 来源 | 类型 | URL |
+|------|------|-----|
+| TechCrunch | 科技 | techcrunch.com |
+| The Verge | 科技/AI | theverge.com |
+| Hacker News | 技术/创业 | news.ycombinator.com |
+| CoinDesk | 加密货币 | coindesk.com |
+| Cointelegraph | 区块链 | cointelegraph.com |

 ### 中文
-1. 36氪 (36kr.com) - 科技/创业
-2. 知乎热榜 - 综合
-3. 今日头条 - 热点
+
+| 来源 | 类型 | URL |
+|------|------|-----|
+| 36氪 | 科技/创业 | 36kr.com |
+| 知乎热榜 | 综合 | zhihu.com |
+| 今日头条 | 热点 | toutiao.com |

 ## 执行步骤

@@ -30,22 +60,60 @@ description: |

 ## 输出格式

-每个选题包含 5 项：
-1. **标题** - 选题名称
-2. **采集时间** - YYYY-MM-DD
-3. **来源** - 媒体名称
-4. **来源链接** - 原始URL
-5. **简单描述** - 一句话说明（20-50字）
+```json
+{
+  "topics": [
+    {
+      "title": "Muse Spark发布新版本",
+      "collected_at": "2026-04-21",
+      "source": "TechCrunch",
+      "source_url": "https://techcrunch.com/...",
+      "description": "Muse Spark发布v2版本，抽象推理能力提升40%"
+    }
+  ],
+  "total_count": 15
+}
+```

-## 发送格式
+## 发送格式（用户友好版）

 ```
 🔥 1. [标题]
- 时间：YYYY-MM-DD
- 来源：XXX
- 链接：URL
- 说明：一句话描述
+   时间：YYYY-MM-DD
+   来源：XXX
+   链接：URL
+   说明：一句话描述
+
+🔥 2. [标题]
+   ...
 ```

 ## 保存
+
 保存到：`~/.openclaw/workspace-self_media/topics/hot-topics-YYYY-MM-DD.md`
+
+## 示例
+
+### 输入
+
+```
+采集热点：AI编程工具相关
+```
+
+### 输出
+
+```
+🔥 1. GitHub Copilot X 发布新功能
+   时间：2026-04-21
+   来源：TechCrunch
+   链接：https://techcrunch.com/...
+   说明：AI编程工具进入工作流集成阶段
+
+🔥 2. AI编程工具使用率年增300%但中小企业采纳率不足20%
+   时间：2026-04-21
+   来源：Hacker News
+   链接：https://news.ycombinator.com/...
+   说明：工具爆发与采纳率低的矛盾数据
+
+...（共15个选题）
+```
@@ -3,11 +3,27 @@ name: opinion-generator
 description: |
  基于选题素材，生成多个独特观点角度。每个角度一句话观点+支撑论据。
  触发词：「生成观点」「提炼角度」「opinion」「观点」。
+triggers:
+  - 生成观点
+  - 提炼角度
+  - opinion
+  - 观点
+output_schema:
+  type: array
+  items:
+    type: object
+    properties:
+      angle: { type: string }
+      viewpoint: { type: string }
+      evidence: { type: array }
+    required: [angle, viewpoint, evidence]
+tools:
+  - web_fetch
 ---

 # 观点生成器

-基于调研素材，从以下 10 个角度各生成一个观点：
+基于调研素材，从以下 10 个角度各生成一个观点。

 ## 10 个角度

@@ -31,21 +47,75 @@ description: |
 - 10 个角度必须方向不同，不是同义改写
 - 观点要有传播力：要么新信息、要么新视角、要么强判断

-## 输出格式
-
-```
-1️⃣ **反常识** | [一句话观点]
-   支撑：[1-2个论据]
-
-2️⃣ **二阶效应** | [一句话观点]
-   支撑：[1-2个论据]
-
-...（10个）
-```
-
 ## 质量检查

 生成后自检：
 - [ ] 有没有观点是"正确的废话"？删掉重写
 - [ ] 有没有两个角度说的是同一件事？合并或替换
 - [ ] 每个观点是否都有具体论据支撑？
+
+## 输出格式
+
+```json
+[
+  {
+    "angle": "反常识",
+    "viewpoint": "AI编程工具爆发反而让效率差距变大了",
+    "evidence": ["有工具的团队效率提升300%，没工具的还是老样子"]
+  }
+]
+```
+
+## 示例
+
+### 输入
+
+```
+素材：AI编程工具爆发，年增300%，但采纳率只有20%
+```
+
+### 输出
+
+```json
+[
+  {
+    "angle": "反常识",
+    "viewpoint": "工具爆发不等于大家都受益，恰恰相反，差距在拉大",
+    "evidence": ["有工具的团队效率300%，没工具的还是老样子", "20%采纳率意味着80%的人在被拉开差距"]
+  },
+  {
+    "angle": "二阶效应",
+    "viewpoint": "AI编程工具普及后，第一个被冲击的是技术管理者",
+    "evidence": ["当工具比团队强时，管理者需要重新定义价值", "纯执行层面的价值在下降"]
+  },
+  {
+    "angle": "利益分析",
+    "viewpoint": "卖工具的比用工具的更赚",
+    "evidence": ["GitHub Copilot年收入数十亿", "大部分团队效率提升远低于预期"]
+  },
+  {
+    "angle": "历史类比",
+    "viewpoint": "就像Excel普及后，财务工作变多了而不是变少了",
+    "evidence": ["工具提升效率→更多需求→更大工作量", "编程工具普及→更多代码需求"]
+  },
+  {
+    "angle": "技术本质",
+    "viewpoint": "现在的AI编程工具本质是高级补全，不是真正的编程",
+    "evidence": ["抽象推理能力只有头部模型的56%", "复杂系统设计还是靠人"]
+  }
+]
+```
+
+## 各角度好案例参考
+
+### 反常识
+- 好："不是工具不行，是团队的工作流改不动"
+- 差："AI编程工具很重要"（正确的废话）
+
+### 二阶效应
+- 好："工具爆发后，第一个被冲击的是技术管理者的价值"
+- 差："工具会提升效率"（大家都知道）
+
+### 利益分析
+- 好："卖工具的比用工具的更赚"
+- 差："对大家都好"
@@ -3,6 +3,21 @@ name: title-optimizer
 description: |
  为推文生成多个方向的标题。5个方向：结果感、冲突感、身份感、场景感、悬念感。
  触发词：「起标题」「优化标题」「标题」。
+triggers:
+  - 起标题
+  - 优化标题
+  - 标题
+output_schema:
+  type: array
+  items:
+    type: object
+    properties:
+      direction: { type: string }
+      title: { type: string }
+      word_count: { type: number }
+    required: [direction, title]
+tools:
+  - web_fetch
 ---

 # 标题优化器
@@ -21,19 +36,41 @@ description: |

 ## 规则

- 每个标题不超过 20 字
+- 每个标题**不超过 20 字**
 - 优先具体，不要空泛
 - 不用陈词滥调：震惊、重磅、牛逼、炸裂
 - 不做标题党，标题必须与内容一致
- 5 个标题必须是不同方向，不是同义改写
+- 5 个标题必须是**不同方向**，不是同义改写
 - 标题党不可作为默认选项

 ## 输出格式

+```json
+[
+  { "direction": "结果感", "title": "AI编程工具300%增长背后：采纳率只有20%", "word_count": 18 },
+  { "direction": "冲突感", "title": "工具爆发不等于效率提升", "word_count": 11 },
+  { "direction": "身份感", "title": "如果你在做AI产品，这个数据别忽略", "word_count": 15 },
+  { "direction": "场景感", "title": "当所有人都在追新工具的时候", "word_count": 13 },
+  { "direction": "悬念感", "title": "Muse Spark排名第三，但有个问题", "word_count": 14 }
+]
 ```
-1️⃣ 结果感：[标题]
-2️⃣ 冲突感：[标题]
-3️⃣ 身份感：[标题]
-4️⃣ 场景感：[标题]
-5️⃣ 悬念感：[标题]
+
+## 示例
+
+### 输入
+
+```
+推文核心观点：AI编程工具爆发，但团队采纳率只有20%，工具爆发不等于效率提升
+```
+
+### 输出
+
+```json
+[
+  { "direction": "结果感", "title": "AI编程工具300%增长背后：采纳率只有20%", "word_count": 18 },
+  { "direction": "冲突感", "title": "工具爆发不等于效率提升", "word_count": 11 },
+  { "direction": "身份感", "title": "做AI产品的，这个数据别忽略", "word_count": 12 },
+  { "direction": "场景感", "title": "当所有人都在追新工具的时候", "word_count": 13 },
+  { "direction": "悬念感", "title": "工具爆发，但为什么团队不用？", "word_count": 12 }
+]
 ```
@@ -3,11 +3,28 @@ name: topic-research
 description: |
  给定一个选题，自动搜集多源信息，整理成结构化素材。
  触发词：「调研XX」「搜集XX的资料」「research XX」「调研选题」。
+triggers:
+  - 调研
+  - 搜集资料
+  - research
+  - 调研选题
+output_schema:
+  type: object
+  properties:
+    topic: { type: string }
+    core_facts: { type: array }
+   各方观点: { type: object }
+    key_data: { type: array }
+   争议点: { type: array }
+    background: { type: string }
+    sources: { type: array }
+tools:
+  - web_fetch
 ---

 # 选题调研

-收到选题后，按以下步骤执行：
+收到选题后，按以下步骤执行。

 ## Step 1: 多源搜索

@@ -30,32 +47,85 @@ description: |

 保存到 `~/.openclaw/workspace-self_media/research/YYYY-MM-DD-选题名.md`

-输出格式：
-```markdown
-# [选题名] 调研素材
+## 输出格式

-## 核心事实
- 事实1
- 事实2
-
-## 各方观点
-### 支持方
- 观点1
-### 反对方
- 观点1
-
-## 关键数据
- 数据1
-
-## 争议点
- 争议1
-
-## 信息来源
- [来源1](URL)
- [来源2](URL)
+```json
+{
+  "topic": "AI编程工具爆发",
+  "core_facts": [
+    "GitHub数据显示AI编程工具年增300%",
+    "中小企业采纳率不足20%"
+  ],
+  "各方观点": {
+    "支持方": ["工具提升效率", "开发者工作方式改变"],
+    "反对方": ["学习成本高", "团队工作流难改"]
+  },
+  "key_data": [
+    "300%年增",
+    "20%采纳率",
+    "42.5分抽象推理（vs 头部76分）"
+  ],
+  "争议点": [
+    "工具爆发≠团队升级",
+    "技术采纳率低于预期"
+  ],
+  "background": "AI编程工具从2023年开始爆发...",
+  "sources": [
+    {"name": "GitHub年报", "url": "https://github.blog/..."},
+    {"name": "TechCrunch文章", "url": "https://techcrunch.com/..."}
+  ]
+}
 ```

 ## 注意
+
 - 信息需要交叉验证，不采用单一来源
 - 区分事实和观点
 - 标注信息来源
+- 字数控制在 500-800字
+
+## 示例
+
+### 输入
+
+```
+调研：AI编程工具爆发但团队采纳率低
+```
+
+### 输出
+
+```json
+{
+  "topic": "AI编程工具爆发但团队采纳率低",
+  "core_facts": [
+    "GitHub数据显示AI编程工具使用率年增300%",
+    "中小企业采纳率不足20%",
+    "Arena评测Muse Spark排第三但抽象推理仅42.5分"
+  ],
+  "各方观点": {
+    "支持方": [
+      "工具是未来，不接受会被淘汰",
+      "已经采纳的团队效率提升显著"
+    ],
+    "反对方": [
+      "学习曲线太陡，团队不愿意改",
+      "现有工作流稳定，没必要换"
+    ]
+  },
+  "key_data": [
+    "300%年增",
+    "20%采纳率",
+    "头部模型抽象推理76分",
+    "Muse Spark 42.5分"
+  ],
+  "争议点": [
+    "排名vs具体能力",
+    "工具爆发vs组织采纳"
+  ],
+  "background": "AI编程工具从2023年开始爆发，GitHub Copilot引领...",
+  "sources": [
+    {"name": "GitHub年报2025", "url": "https://github.blog/ai-report-2025"},
+    {"name": "Arena评测报告", "url": "https://arena.com/q1-2026"}
+  ]
+}
+```
@@ -3,6 +3,23 @@ name: tweet-closing
 description: |
  为推文生成不同类型的结尾转化钩子。5种类型对应5种目标动作。
  触发词：「写结尾」「加钩子」「结尾」。
+triggers:
+  - 写结尾
+  - 加钩子
+  - 结尾
+output_schema:
+  type: array
+  items:
+    type: object
+    properties:
+      type: { type: string }
+      options:
+        type: array
+        items: { type: string }
+      goal: { type: string }
+    required: [type, options, goal]
+tools:
+  - web_fetch
 ---

 # 结尾转化器
@@ -21,23 +38,82 @@ description: |

 ## 规则

- 结尾不超过 2 句
+- 结尾**不超过 2 句**
 - 不硬推，像自然收束
 - 和正文风格一致（老程序员风格就用老程序员口吻结尾）
- 不加"关注我获取更多"这种话
- 不加emoji堆砌
- 每种类型给 2-3 个备选
+- **不加**"关注我获取更多"这种话
+- **不加**emoji堆砌
+- 每种类型给 **2-3 个备选**

 ## 输出格式

+```json
+[
+  {
+    "type": "提问型",
+    "goal": "reply",
+    "options": ["你身边有这种例子吗？", "你用AI编程工具多久了？效果怎么样？"]
+  },
+  {
+    "type": "开放型",
+    "goal": "discussion",
+    "options": ["但问题是，工作流改不动是技术问题还是管理问题？", "工具爆发之后，接下来会发生什么？"]
+  },
+  {
+    "type": "转发型",
+    "goal": "retweet",
+    "options": ["转给做AI产品的朋友，这个数据有用", "你团队也在用老方法？转给需要的人"]
+  },
+  {
+    "type": "关注型",
+    "goal": "follow",
+    "options": ["AI编程工具这个话题我会持续跟踪", "后续会发更多关于工具采纳率的实际案例"]
+  },
+  {
+    "type": "行动型",
+    "goal": "click",
+    "options": ["想提升团队采纳率？先从一个人开始，给他2周时间", "我整理了一个工具清单，想要的私信"]
+  }
+]
 ```
-1️⃣ 提问型（目标：回复）
-  - [选项A]
-  - [选项B]

-2️⃣ 开放型（目标：讨论）
-  - [选项A]
-  - [选项B]
+## 示例
+
+### 输入

-...（5种）
+```
+推文主题：AI编程工具爆发但团队采纳率低
+正文风格：震撼型
+```
+
+### 输出
+
+```json
+[
+  {
+    "type": "提问型",
+    "goal": "reply",
+    "options": ["你身边有这种例子吗？", "你用AI编程工具多久了？效果怎么样？"]
+  },
+  {
+    "type": "开放型",
+    "goal": "discussion",
+    "options": ["但问题是，工作流改不动是技术问题还是管理问题？", "工具爆发之后，接下来会发生什么？"]
+  },
+  {
+    "type": "转发型",
+    "goal": "retweet",
+    "options": ["转给做AI产品的朋友，这个数据有用", "你团队也在用老方法？转给需要的人"]
+  },
+  {
+    "type": "关注型",
+    "goal": "follow",
+    "options": ["AI编程工具这个话题我会持续跟踪", "后续会发更多关于工具采纳率的实际案例"]
+  },
+  {
+    "type": "行动型",
+    "goal": "click",
+    "options": ["想提升团队采纳率？先从一个人开始，给他2周时间", "我整理了一个工具清单，想要的私信"]
+  }
+]
 ```
@@ -2,13 +2,50 @@
 name: tweet-pipeline
 description: |
  推文创作主控流水线：选题→调研→观点→推文→优化→交付。
-  一键完成从选题到可发布推文的全流程。
+  一键完成从选题到400-600字可发布推文的全流程，强调收藏价值。
  触发词：「流水线」「一键推文」「pipeline」「完整推文」。
+triggers:
+  - 流水线
+  - 一键推文
+  - pipeline
+  - 完整推文
+output_schema:
+  type: object
+  properties:
+    title_options:
+      type: array
+      items: { type: string }
+      description: 3个标题备选
+      maxItems: 3
+    tweet_versions:
+      type: array
+      items:
+        type: object
+        properties:
+          style: { type: string }
+          content: { type: string }
+          word_count: { type: number }
+          collection_point: { type: string }
+        required: [style, content, word_count]
+      description: 3个最优版本（默认模式）或10个版本（完整模式）
+    closing_hooks:
+      type: array
+      items: { type: object }
+      description: 5种结尾钩子
+    publish_suggestion:
+      type: object
+      properties:
+        best_time: { type: string }
+        hashtags: { type: array }
+        image_suggestion: { type: string }
+  required: [title_options, tweet_versions, closing_hooks, publish_suggestion]
+tools:
+  - web_fetch
 ---

 # 推文创作流水线

-收到用户输入的选题后，按顺序执行以下流程：
+收到用户输入的选题后，按顺序执行以下流程。

 ## Phase 1: 调研

@@ -28,31 +65,104 @@ description: |

 调用 tweet-writer skill 的逻辑：
 - 根据用户选择的角度，生成10个风格版本
- 每个版本280字以内
- 口语化、有判断、像真人
+- **字数严格控制在 400-600字**
+- 每个版本必须有收藏理由（实用/独特/有增量）

 ## Phase 4: 优化

- 调用 title-optimizer 逻辑生成 5 个标题
- 调用 tweet-polish 逻辑进行口语化检查
+- 调用 title-optimizer 逻辑生成 5 个标题，从中选择最好的 3 个
+- 调用 tweet-polish 逻辑进行口语化检查，确保 AI 味评分 ≤ 4
 - 调用 tweet-closing 逻辑生成 5 种结尾钩子

 ## Phase 5: 交付

 最终输出包含：
- 📌 3 个标题备选（从5个中选最好的3个）
- 📝 10 个风格版本的推文正文
- 🎣 5 种结尾钩子
- 📅 发布建议（时间、配图、标签建议）
+
+| 项目 | 说明 |
+|------|------|
+| 📌 标题 | 3 个备选（从5个中选最好的3个） |
+| 📝 推文正文 | 默认 3 个最优版本（完整模式输出 10 个） |
+| 🎣 结尾钩子 | 5 种类型 |
+| 📅 发布建议 | 时间、配图、标签建议 |
+
+**所有推文字数严格控制在 400-600字**

 ## 保存

 保存到：`~/.openclaw/workspace-self_media/tweets/YYYY-MM-DD-选题名.md`

-## 快捷模式
+## 快速模式

 如果用户说「快速版」或「只要成品」：
 - 跳过 Phase 2 的选择环节
 - 直接选最有传播力的 3 个角度
 - 只输出 3 个最优版本
 - 不展示中间过程
+
+## 输出格式
+
+```json
+{
+  "title_options": [
+    "工具爆发≠团队升级，这个判断3年后依然有效",
+    "AI编程工具300%增长背后：采纳率卡在20%",
+    "为什么90%的团队用不好AI编程工具"
+  ],
+  "tweet_versions": [
+    {
+      "style": "震撼型",
+      "content": "推文正文...",
+      "word_count": 523,
+      "collection_point": "存下这个判断，3个月后验证"
+    }
+  ],
+  "closing_hooks": [
+    { "type": "提问型", "content": "你怎么看？" },
+    { "type": "开放型", "content": "你身边有这种例子吗？" }
+  ],
+  "publish_suggestion": {
+    "best_time": "工作日早上9-10点",
+    "hashtags": ["#AI编程", "#效率工具"],
+    "image_suggestion": "数据图表：300% vs 20% 对比"
+  }
+}
+```
+
+## 示例
+
+### 输入
+
+```
+选题：AI编程工具爆发但团队采纳率低
+模式：快速模式
+```
+
+### 输出
+
+```json
+{
+  "title_options": [
+    "工具爆发≠团队升级，这个判断3年后依然有效",
+    "AI编程工具300%增长背后：采纳率卡在20%",
+    "为什么90%的团队用不好AI编程工具"
+  ],
+  "tweet_versions": [
+    {
+      "style": "震撼型",
+      "content": "AI编程工具爆发了。GitHub数据显示年增300%。但我调研了20家中型公司，18家还在用老方法。\n\n300%和20%，这两个数字放在一起很奇怪。原因很简单：不是工具不行，是团队的工作流改不动。\n\n很多公司买AI编程工具的方式是——买一个license，给所有人用，然后等着效率提升。结果发现没人用。\n\n真正跑起来的团队只有一种模式：找一个懂工具的人，给他2周时间，把工作流改一遍，然后其他人自然跟上来。\n\n工具爆发，但采纳率卡在20%。不是技术问题，是组织问题。\n\n这个数字值得收藏。3年后回头看。",
+      "word_count": 198,
+      "collection_point": "工具爆发≠团队升级，这个判断3年后依然有效"
+    }
+  ],
+  "closing_hooks": [
+    { "type": "提问型", "content": "你身边有这种例子吗？", "goal": "reply" },
+    { "type": "转发型", "content": "转给需要提升团队效率的朋友", "goal": "retweet" },
+    { "type": "关注型", "content": "这个话题我会持续跟踪", "goal": "follow" }
+  ],
+  "publish_suggestion": {
+    "best_time": "工作日早上9-10点",
+    "hashtags": ["#AI编程", "#效率工具", "#团队管理"],
+    "image_suggestion": "对比图：300% 增长 vs 20% 采纳率"
+  }
+}
+```
@@ -1,48 +1,152 @@
 ---
 name: tweet-polish
 description: |
-  将推文改写为口语化、真人感的风格。消除AI味和书面语。
+  将推文改写为口语化、真人感风格。400-600字，消除AI味，让人忍不住收藏。
  触发词：「口语化」「改自然点」「polish」「润色」。
+triggers:
+  - 口语化
+  - 改自然点
+  - polish
+  - 润色
+output_schema:
+  type: object
+  properties:
+    original:
+      type: string
+      description: 原始推文
+    polished:
+      type: string
+      description: 改写后推文，400-600字
+    ai_score:
+      type: number
+      description: AI味评分，1-10，越低越好
+    collection_check:
+      type: object
+      properties:
+        has_data: { type: boolean }
+        has_judgment: { type: boolean }
+        has_actionable: { type: boolean }
+        has_memory_point: { type: boolean }
+      required: [has_data, has_judgment, has_actionable, has_memory_point]
+    word_count:
+      type: number
+tools:
+  - web_fetch
 ---

 # 推文口语化改写

-## 必须消除
+## 目标

-| 原表达 | 替换为 |
+- 字数：**400-600字**
+- 消除AI味：读起来像真人写的，有性格，有判断
+- 让人**忍不住收藏**：实用、有增量、独特
+
+## AI 味特征与对策
+
+AI味有5大特征，按检测级别从 L1 到 L3：
+
+### L1 词汇替换（自动检测）
+
+| AI 表达 | 替换为 |
 |--------|--------|
 | 总的来说 / 综上所述 | 直接删 |
 | 值得注意的是 | 但你可能没注意到 |
-| 不可否认 | （直接删，用事实说话） |
+| 不可否认 | 直接删，用事实说话 |
 | 一方面...另一方面 | 拆成两个短句 |
-| 被动语态 | 改主动 |
 | 因此 / 故而 | 所以 / 这意味着 |
 | 鉴于 / 基于此 | 因为 / 说白了就是 |
 | 不难发现 | 你会发现 |
 | 深入分析 | 看看数据 |
 | 业内人士认为 | 有人觉得 |
+| 我认为 / 我觉得 | 直接删（用判断替代） |
+| 重要 / 关键 / 核心 | 删掉或改为具体词 |
+| 其实实际上 | 其实 |
+| 然而但是 | 但是 |

-## 必须加入
+### L2 句式检测（结构检测）
+
+**检测完整句比例**：如果超过 60% 的句子都是"主语+动词+宾语"的完整句，AI味重。
+
+**对策**：
+- 允许省略主语（尤其口语句）
+- 允许独词句（"结果呢？""没想到。"）
+- 允许断句（不用完整连词）
+
+**坏案例（AI味重）**：
+> 这款工具的安装过程非常简单。用户只需要在官网下载安装包，然后按照提示步骤完成安装即可。整个过程只需要大约5分钟。
+
+**好案例（口语化）**：
+> 装这个工具？官网下个安装包，点几下，5分钟搞定。
+
+### L3 节奏检测（段落检测）
+
+**检测段落均匀度**：如果每段都是3-4句，说明AI味重。
+
+**对策**：
+- 制造节奏差：一段1句，一段5句
+- 短段落增加紧迫感
+- 长段落制造沉浸感
+
+## 口语化规则
+
+### 必须做到

- 口语连接词（适量）：其实、说白了、问题是、换句话说、关键是
- 短句为主（10-15字一句），偶尔一个长句制造节奏感
 - 用「你」而不是「用户」「读者」「大家」
- 可以有语气词（少量）：啊、呢、吧、嘛
+- 用口语连接词：其实、说白了、问题是、换句话说、关键是
+- 短句为主（10-15字一句）
+- 允许少量语气词：啊、呢、吧、嘛
+- 用具体词替代抽象词

-## 风格检查清单
+### 禁止

-改写完成后逐项检查：
+- 禁止"总的来说"
+- 禁止四平八稳的判断（如"凡事都有两面性"）
+- 禁止无意义的开头（如"在这个时代"）

- [ ] **大声朗读测试**：读出来像在跟朋友聊天吗？
- [ ] **删减测试**：有没有可以删掉还不影响意思的词？
- [ ] **判断测试**：有明确的个人判断吗？还是四平八稳？
- [ ] **真人测试**：看起来像真人写的吗？不像AI生成物？
- [ ] **结尾测试**：结尾让人想做点什么吗（回复/转发/思考）？
+## 收藏价值自检
+
+改写完成后逐项检查，必须满足至少 2 条：
+
+| 检查项 | 说明 |
+|--------|------|
+| [ ] 有数据 | 至少一个具体数字（如42.5分、3个月） |
+| [ ] 有判断 | 一个明确的观点，不是骑墙 |
+| [ ] 有可操作 | 一个工具/方法/步骤，收藏了能用 |
+| [ ] 有记忆点 | 一句话可以概括全文 |
+
+## 三级评分标准
+
+| 分数 | AI味程度 | 表现 |
+|------|----------|------|
+| 8-10 | 重 | 通篇完整句，无情绪词，像官方公告 |
+| 5-7 | 中 | 有口语词但句式规整，段落均匀 |
+| 3-4 | 轻 | 有省略、有节奏差、有判断 |
+| 1-2 | 几乎无 | 像真人写的，有性格 |
+
+目标：分数 ≤ 4

 ## 改写示例

-**原文（AI味）：**
-> 不可否认，Muse Spark在Arena排行榜上取得第三名的成绩确实值得关注。然而，深入分析其各项评测数据后不难发现，该模型在抽象推理等方面仍存在明显不足。
+**原文（AI味重，186字）**：
+> 不可否认，Muse Spark在Arena排行榜上取得第三名的成绩确实值得关注。然而，深入分析其各项评测数据后不难发现，该模型在抽象推理等方面仍存在明显不足。事实上，42.5分的抽象推理成绩与头部模型76分相比差距显著。排名会迷惑人，但分数不会骗人。总体而言，在选择AI模型时不应仅关注排名，更应关注具体能力。

-**改写后（真人味）：**
-> Muse Spark 排 Arena 第三，听着很猛。但你看它抽象推理才42.5分，头部模型76分。排名会骗人，分数不会。
+**改写后（真人味，245字）**：
+> Muse Spark 排 Arena 第三，听着很猛。但你看它抽象推理才42.5分，头部模型76分。差了一截。\n\n排名这东西很容易迷惑人。尤其是看绝对值——第三名听起来不错，但和第一名的差距是34.5分。这个差距不小。\n\n问题是，很多人在选模型的时候就看排名。不看细分能力。结果选了一个排名好看但具体任务不行的。\n\n我的建议是：选模型之前先看你要做什么。编程？文案？还是推理？按任务选，别按排名选。\n\n记住：分数不会骗人，排名会。
+
+## 输出格式
+
+```json
+{
+  "original": "原文...",
+  "polished": "改写后...",
+  "ai_score": 3,
+  "collection_check": {
+    "has_data": true,
+    "has_judgment": true,
+    "has_actionable": true,
+    "has_memory_point": true
+  },
+  "word_count": 245
+}
+```
@@ -1,55 +1,119 @@
 ---
 name: tweet-writer
 description: |
-  根据观点和风格要求，写出可直接发布的推文。支持10种风格。
+  根据观点和风格要求，写出400-600字的可发布推文。10种风格，强调信息增量、独特判断、让人忍不住收藏。
  触发词：「写推文」「tweet」「推文」。
+triggers:
+  - 写推文
+  - tweet
+  - 推文
+output_schema:
+  type: object
+  properties:
+    style_name:
+      type: string
+      description: 风格名称
+    content:
+      type: string
+      description: 推文正文，400-600字
+    word_count:
+      type: number
+      description: 字数统计
+    collection_point:
+      type: string
+      description: 为什么值得收藏的一句话说明
+  required: [style_name, content, word_count]
+tools:
+  - web_fetch
 ---

 # 推文写作

+## 目标
+
+- 字数：**400-600字**
+- 让读者**忍不住收藏**：实用、独特、有增量
+- 消除AI味：口语化、有判断、像真人写的
+
 ## 10 种风格

-| # | 风格 | 特点 |
-|---|------|------|
-| 1 | 震撼型 | 强对比、强冲击、开头就炸 |
-| 2 | 老程序员碎碎念 | 极致口语化、情绪爆炸、感叹号狂用 |
-| 3 | 反直觉型 | 先说反话再翻转，制造认知冲突 |
-| 4 | 数据说话型 | 只列数据不评论，让数据自己说话 |
-| 5 | 简洁犀利型 | 一句话说透，不超过3句 |
-| 6 | 提问互动型 | 抛问题引讨论，留空间不堵死 |
-| 7 | 行业分析型 | 拆解逻辑链条，信息密度高 |
-| 8 | 对比反差型 | 过去vs现在 / A vs B / 表象vs真相 |
-| 9 | 预言型 | 大胆判断+理由，有风险但有传播力 |
-| 10 | 工具推荐型 | 实用导向，可操作 |
+| # | 风格 | 字数 | 核心机制 | 收藏点 |
+|---|------|------|----------|--------|
+| 1 | 震撼型 | 500-600 | 先炸后给答案 | 颠覆认知 |
+| 2 | 老程序员碎碎念 | 450-550 | 情绪+代码级细节 | 真实经历 |
+| 3 | 反直觉型 | 500-600 | 反话→数据→翻转 | 逻辑快感 |
+| 4 | 数据说话型 | 450-550 | 只列数据，让数据自己打脸 | 事实力量 |
+| 5 | 简洁犀利型 | 400-450 | 一句话说透 | 一句话就够 |
+| 6 | 提问互动型 | 400-500 | 抛问题引讨论 | 参与感 |
+| 7 | 行业分析型 | 550-600 | 拆解逻辑链，信息密度高 | 知识增量 |
+| 8 | 对比反差型 | 500-600 | 过去vs现在/表象vs真相 | 历史感 |
+| 9 | 预言型 | 500-600 | 大胆判断+理由 | 预判价值 |
+| 10 | 工具推荐型 | 400-500 | 实用导向，可操作 | 工具价值 |

 ## 写作规则

- 默认生成10个风格版本
- 每条推文控制在 400-500 字以内
- 开头3句内必须说明"为什么值得看"
- 结尾要有明确的互动引导或观点收束
- **不写**套话和AI味重的表达
- **不写**"总的来说""综上所述""不可否认"
- **不写**企业风格文案
- 每个自然段只表达一个重点
- 有明确的个人判断，不骑墙
+### 必须满足

-## 口语化要求
+- 默认生成 **10个风格版本**
+- 字数严格控制在 **400-600字**
+- 开头3句内必须制造**认知缺口**（让读者觉得"这我没想到"）
+- 每个自然段**不超过40字**
+- 必须有至少一个**数据点**或**具体细节**
+- 结尾要给读者一个**收藏理由**（如：存下来以后用/记住这个判断/学会这个工具）
+
+### 禁止表达
+
+- **不写**套话和AI味重的表达
+- **不写**"总的来说""综上所述""不可否认""值得注意的是"
+- **不写**企业风格文案
+- **不写**正确的废话（人人都知道的话）
+
+### 口语化要求

 - 读出来像在跟朋友聊天
 - 短句为主
- 用「你」而不是「用户」「读者」
- 可以用口语连接词：其实、说白了、问题是
- 避免书面语：因此、鉴于、基于此
+- 用「你」而不是「用户」「读者」「大家」
+- 可以用口语连接词：其实、说白了、问题是、换句话说
+- 避免书面语：因此、鉴于、基于此、然而
+
+## 收藏价值自检
+
+每条推文必须满足以下至少 **2 条**：
+
+- [ ] 有至少一个**具体数据**（如：42.5分、3个月、100万用户）
+- [ ] 有一个**独特判断**（不是常识，是你的观点）
+- [ ] 有一个**可操作建议**（工具/方法/步骤，收藏了能用）
+- [ ] 有一个**记忆点**（一句话可以概括全文）
+- [ ] 有**信息增量**（读者看完比看之前知道得更多）

 ## 输出格式

+```json
+{
+  "style_name": "震撼型",
+  "content": "推文正文...",
+  "word_count": 523,
+  "collection_point": "存下这个判断，3个月后验证"
+}
 ```
-1️⃣ **[风格名]**
-[推文正文]

-2️⃣ **[风格名]**
-[推文正文]
+## 示例
+
+### 输入

-...（10个）
+```
+观点：AI编程工具爆发，但90%的团队还在用老方法
+素材：GitHub数据显式AI编程工具使用率年增300%，但中小企业采纳率不足20%
+风格：震撼型
+```
+
+### 输出
+
+```json
+{
+  "style_name": "震撼型",
+  "content": "AI编程工具爆发了。GitHub数据显示年增300%。但我调研了20家中型公司，18家还在用老方法。\n\n300%和20%，这两个数字放在一起很奇怪。原因很简单：不是工具不行，是团队的工作流改不动。\n\n很多公司买 AI 编程工具的方式是——买一个 license，给所有人用，然后等着效率提升。结果发现没人用。\n\n真正跑起来的团队只有一种模式：找一个懂工具的人，给他2周时间，把工作流改一遍，然后其他人自然跟上来。\n\n工具爆发，但采纳率卡在20%。不是技术问题，是组织问题。\n\n这个数字值得收藏。3年后回头看。",
+  "word_count": 198,
+  "collection_point": "工具爆发≠团队升级，这个判断3年后依然有效"
+}
 ```