Aws Wechat Article Writing Free

公众号长文基础 AI 写作 —— 从选题卡或话题生成完整初稿,支持改写、润色.

输入格式

能力披露

本 skill 调用 write.py 生成文章初稿,会把文章内容发送给用户配置的 LLM 端点。使用前请阅读:

• 凭证读取:write.py 读取仓库根 aws.env 的 WRITING_MODEL_API_KEY
• 凭证外发:API key 以 Authorization: Bearer <key> 头发送到 config.yaml.writing_model.base_url 配置的外部端点(常见为 DeepSeek / OpenAI / Anthropic 等 Chat Completions 兼容 API)。请使用专用 key 并配置可信端点
• 内容外发:Prompt 内包含本篇 article.yaml / topic-card.md / 合并配置,整体 POST 给上述端点
• 文件读:.aws-article/config.yaml、本篇 article.yaml、topic-card.md
• 文件写:仅本篇目录下 draft.md
• shell:仅 python3 {baseDir}/（请参考skill目录中的脚本文件）

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

export API_KEY="your_api_key_here"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

核心能力

• 从选题卡 / 口述话题生成公众号长文初稿,产出 draft.md
• 改写(rewrite)、润色两种写作模式
• 写作约束叠加:全局 .aws-article/config.yaml + 本篇 article.yaml,同键以本篇为准
• 文风字段驱动:target_reader 控深度与用词,tone 控语气,writing_style 控结构表达
• 多模型切换:writing_model 段配 provider / base_url / model,兼容 Chat Completions 协议
• 降级机制:模型未配置(退出码 2)自动取 prompt 由 Agent 代写

使用流程

1. 环境确认: 确认Agent平台已加载本skill，检查依赖说明中的环境要求
2. 指令输入: 向Agent描述需要执行的任务，引用aws-wechat-article-writing-free的相关能力
3. 执行处理: Agent按照核心能力章节的指令执行任务
4. 结果验证: 检查输出结果是否符合预期，参考错误处理章节处理异常

配置检查

任何操作执行前,必须检查 .aws-article/config.yaml 中 article_category、target_reader、default_author 三键(trim 后均非空)。任一项缺失须逐项询问用户,取得明确答复后写回文件,再进入写作流程。禁止从 article.yaml 等其它文件静默推断并写盘;禁止仅在对话里确认却不落盘. 写作模型:writing_model(provider、base_url、model)在 .aws-article/config.yaml;WRITING_MODEL_API_KEY 在仓库根 aws.env.

工作流

• 第1步:全局账号三键(article_category、target_reader、default_author)落盘
• 第2步:确认新开一篇或续写,确定本篇 drafts/... 目录
• 第3步:读取本篇约束与写作规范
• 第4步:确定输入与写作方式
• 第5步:写作
• 第6步:自检与修正(仅粗扫)
• 第7步:展示并等待用户确认

新开一篇时目录名必须为 YYYYMMDD-标题slug(如 drafts/20260406-wechat-article-skills/)。YYYYMMDD 为当日日期,slug 为小写、连字符分隔的标题缩写。禁止省略日期前缀.

关键字段不得空跑

调用 write.py 或让 Agent 代写之前,确认合并后的 article_category、target_reader 均为非空字符串(trim 后);default_author 非空或本篇 article.yaml 的 author 非空。若任一项不满足,须暂停写稿,引导用户补全 .aws-article/config.yaml(及/或本篇 article.yaml),并实际写入文件. 约束来源:write.py 先读全局 .aws-article/config.yaml,再读本篇目录下 article.yaml,把两边键叠成一张表用于生成写作提示 —— 同一键在两份文件里都有时以本篇 article.yaml 为准.

写作方式优先级

1. 优先调用第三方模型(write.py draft/rewrite)—— 依赖 config.yaml 的 writing_model 加 aws.env 的 WRITING_MODEL_API_KEY
2. 自动降级:模型未配置(退出码 2)—— 先 write.py prompt <mode> <input> 获取提示词 JSON,再由 Agent 按相同提示词直接写,无须本次例外确认

必须告知用户当前使用的方式:已配置且调用脚本告知使用的模型;模型未配置自动降级告知由当前对话模型直接写稿.

write.py 退出码处理

• 未配置(退出码 2):stderr 含 [NO_MODEL] —— 自动降级,运行 write.py prompt <mode> <input> 取提示词 JSON,Agent 按该 system_prompt 和 user_prompt 写文章输出到 -o 指定路径。无须用户确认
• 网络类(退出码 1):超时、连接失败、URLError —— 必须自动再试 1 次并告知正在重试;第二次仍失败则改用 write.py prompt 取提示词后由 Agent 按相同约束代写,并明确告知第三方 API 网络不可用本次由对话模型代写
• 配置/凭证类(退出码 1):401/403、Key 无效、YAML 解析失败 —— 不要自动降级掩盖问题,列出须检查项(config.yaml 的 writing_model、aws.env 的 WRITING_MODEL_API_KEY、本篇目录是否有 article.yaml),请用户修正后重跑

写作

写作时必须遵循读取的 target_reader、tone、writing_style:深度与用词贴合读者,语气贴合调性,结构与表达方式贴合文章风格. 文章结构按优先级加载:用户指定、本篇 article.yaml 的 default_structure、.aws-article/presets/structures/ 下的文件、内置默认。文末区块按优先级加载:本篇 article.yaml 的 default_closing_block、合并约束中 closing_block 非空字符串、fallback 内置默认(分割线加一句关注引导).

自检与修正

仅做粗扫:禁用词、段落长度、开头吸睛度、小标题密度,发现明显问题自动修正。本 skill 产出只到 draft.md.

适用场景

新话题开篇写稿

用户提供选题卡或口述主题,从零生成一篇符合账号文风的公众号长文初稿。先落盘全局三键,再确认新开目录命名,按合并约束与结构预设产出 draft.md.

改写润色既有草稿

用户指明 drafts/ 下某篇草稿,按 rewrite 模式改写或润色,遵循本篇 article.yaml 的文风约束.

案例

从选题卡生成初稿

用户给出 topic-card.md,主题为 AI Agent 工具选型。Agent 检查 .aws-article/config.yaml 三键非空,确认新开目录 drafts/20260406-ai-agent-selection/。已配置 DeepSeek 端点,在仓库根执行 write.py draft topic-card.md -o drafts/20260406-ai-agent-selection/draft.md。脚本读取合并约束生成写作提示并调用 DeepSeek,产出 draft.md。粗扫禁用词与小标题密度后展示给用户确认.

模型未配置自动降级代写

用户未配置 writing_model,write.py draft 退出码 2 且 stderr 含 [NO_MODEL]。Agent 自动运行 write.py prompt draft topic-card.md 取回 system_prompt 与 user_prompt 的 JSON,按相同写作约束由当前对话模型直接写稿,输出到 -o 指定路径。完成后告知用户:写作模型未配置,本次由当前对话模型直接写稿(使用相同写作约束)。无须用户确认.

异常处理

write.py 退出码 2(模型未配置)

stderr 含 [NO_MODEL]。自动降级:运行 write.py prompt <mode> <input> 取提示词 JSON,Agent 按该 system_prompt 和 user_prompt 写文章输出到 -o 指定路径。无须用户确认.

write.py 退出码 1 网络类失败

stderr 含超时、连接失败、URLError。必须自动再试 1 次并告知正在检查网络连接和配置后重试;第二次仍失败则改用 write.py prompt 取提示词后由 Agent 按相同约束代写,必须明确告知第三方 API 网络不可用本次由对话模型代写.

write.py 退出码 1 配置/凭证类失败

stderr 含 401/403、Key 无效、YAML 解析失败。不要自动降级掩盖问题。列出须检查项(config.yaml 的 writing_model、aws.env 的 WRITING_MODEL_API_KEY、本篇目录是否有 article.yaml),请用户修正后重跑 write.py.

全局三键缺失

article_category、target_reader、default_author 中任一项 trim 后为空。须暂停写稿,逐项询问用户,取得明确答复后写回 .aws-article/config.yaml,再进入写作流程。禁止从 article.yaml 等其它文件静默推断并写盘.

目录命名不符合规范

新开一篇时目录名未采用 YYYYMMDD-标题slug 格式或省略日期前缀。须更正目录名为当日日期加小写连字符标题缩写后再进入写作.

常见问题

Q1:如何配置写作模型?

在 .aws-article/config.yaml 的 writing_model 段填 provider / base_url / model(base_url 指向 Chat Completions 兼容端点);在仓库根 aws.env 填 WRITING_MODEL_API_KEY。未配置时 write.py 退出码 2 自动降级.

Q2:draft.md 是什么?

draft.md 是本 skill 的产物,含配图标记与文末区块,是公众号长文初稿。本基础版产出只到 draft.md,后续审稿、排版、发布不在基础版范围内.

Q3:什么情况下会自动降级为对话模型代写?

模型未配置(退出码 2)时自动取 prompt 由 Agent 代写,无须确认;网络类失败(退出码 1)自动重试一次,第二次仍失败则取 prompt 由 Agent 代写并明确告知。配置/凭证类失败不会自动降级,须用户修正。降级前都先运行 write.py prompt 取相同 system_prompt 和 user_prompt,确保写作约束一致.

Q4:新开一篇目录怎么命名?

必须为 YYYYMMDD-标题slug(如 drafts/20260406-wechat-article-skills/)。YYYYMMDD 为当日日期,slug 为小写、连字符分隔的标题缩写。禁止省略日期前缀.

错误处理

已知限制

• 依赖外部 LLM 端点,网络不通时降级为对话模型代写,质量受对话模型能力影响
• write.py 会把 article.yaml / topic-card.md 全文 POST 给配置的端点,内容外发须用户知情并配置可信端点
• 本基础版不含业务资料库引用、多草稿管理、用户供图分支、配图占位密度自检、发布意图管理等高级能力
• 本基础版产出只到 draft.md,合规审、排版、发布均不在范围内
• 写作模型与 API key 须用户自行配置可信端点,本基础版不内置任何模型端点
• 新开目录命名须严格遵循 YYYYMMDD-标题slug,日期前缀缺失会导致后续 review/发布流程定位失败
• 需要人工判断的复杂决策场景不适用

升级提示

本基础版仅覆盖从话题生成初稿与改写润色。如需业务资料库引用(--reference 注入)、多草稿配图占位管理、用户供图分支(image_source: user 与 img_analysis.md)、发布意图管理(publish_method 三态)、续写模式、降级故障重试策略与跨 skill 一条龙套件联动,请升级至付费版 aws-wechat-article-writing.

输出格式

{
  "success": true,
  "data": {
    "result": "公众号写作基础版处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "aws-wechat-article-writing"
    }
  },
  "execution_log": [
    "解析输入参数",
    "执行核心处理",
    "格式化输出结果"
  ],
  "error": null
}