⏳ This skill is pending AI review.

Scores will appear once the review pipeline completes.

v1.0.0

wemp-ops

lovensky1992-wk@lovensky1992-wk⭐ 1 stars· last commit 4mo ago· 0 open issues

>

Choose how to use this skill

You do not need every option. Choose the path your AI client supports. The stable page stays the same; versioned files are immutable.

1. Native installer

This listing has no registered native installer command. Use the complete package or source fallback below, depending on what your client supports.

Do not guess an installer command or replace an existing version without reviewing the diff.

2. Complete package recommended

Download the ZIP when available. It includes SKILL.md plus the references, security notes and version metadata.

No complete ProSkills package is published for this listing yet.

3. Prompt-only

Copy the prompt above when the agent can read the stable page or when you want to adopt the workflow without installing a skill.

Need only the instruction file?

Download SKILL.md only if your client requires a single file. The complete ZIP is safer for a full installation because it preserves the references and release context.

No path installs or executes anything by itself. Your agent still needs access to the project files. Before updating, compare the installed version and review the diff.

—/10

// RATINGS

⭐GitHub Stars
⭐ 1 on GitHubGitHub ↗

New / niche

🟢ProSkills Score
—
📍

Not yet listed on ClawHub or SkillsMP

// README

WeMP Ops

WeChat Official Account (公众号) full-stack operations skill for OpenClaw.

Features

  • 📝 Topic Selection: Auto-suggest topics from your topic pool
  • 🔍 Content Collection: Search web, fetch articles, gather materials
  • ✍️ AI Writing: Generate articles following style guides and templates
  • 🎨 Image Generation: Create cover images and illustrations
  • 📐 Layout Formatting: Convert Markdown to WeChat-compatible HTML
  • 📊 Analytics: Track article performance and engagement
  • 💬 Comment Management: Monitor and respond to reader comments

Prerequisites

  • OpenClaw agent environment
  • Node.js 16+ and Python 3.8+
  • WeChat Official Account API credentials (for publishing features)

Installation

Via ClawHub (Recommended)

clawhub install wemp-ops

Manual Installation

  1. Clone to ~/.openclaw/skills/wemp-ops
  2. Run setup:
    cd ~/.openclaw/skills/wemp-ops
    node scripts/setup.mjs
    

Usage

Talk to your OpenClaw agent:

写一篇关于 AI 产品设计的文章
帮我采集今日热点
查看公众号日报
检查新评论

The skill guides you through: topic selection → material collection → writing → layout → publishing.

Configuration

  • persona.md: Define your writing persona
  • references/: Style guides, templates, and techniques
  • config/: API credentials for WeChat and image generation services

License

MIT License - see LICENSE file

// HOW IT'S BUILT

// FILES

2 files shipped with this skill. Inline text is the catalog copy. The upstream link is the source repository.

  • SKILL.md15 KBupstream ↗
    ---
    name: wemp-ops
    version: 1.0.0
    description: >
      微信公众号全流程运营:选题→采集→写作→排版→发布→数据分析→评论管理。
      Use when: (1) 用户要写公众号文章或提供了选题方向,
      (2) 用户说"写一篇关于XXX的文章"/"帮我写篇推文"/"出一篇稿子",
      (3) 用户要求采集热点/素材/竞品分析,
      (4) 用户提到公众号日报/周报/数据分析/阅读量/粉丝,
      (5) 用户要求检查评论/回复评论/评论管理,
      (6) 用户说"发布"/"推送"/"推到公众号"/"发到草稿箱",
      (7) 用户讨论文章排版/封面图/标题优化。
      即使用户没有明确说"公众号",只要涉及微信文章写作、内容发布、
      公众号后台操作、文章数据查看、或读者互动管理,都应使用此技能。
      当用户给出选题方向时,自动完成素材采集→内容写作→封面生图→排版美化→推送草稿箱全流程。
      NOT for: 小红书运营(用 xiaohongshu-ops)、纯内部文档写作(用 internal-comms)、
      通用 Word 文档(用 docx)。
    ---
    
    # wemp-ops - 微信公众号运营技能
    
    ## 环境检查
    
    首次使用前执行:
    ```bash
    node scripts/setup.mjs
    ```
    
    检查 Node.js 版本、Python3、微信公众号 API 配置。
    
    ## 工作流路由
    
    根据用户意图选择对应流程:
    
    | 意图 | 流程 |
    |------|------|
    | "写一篇关于 X 的文章" | → **全流程**(下方详述) |
    | "采集 X 热点" | → 仅采集 |
    | "公众号日报/周报" | → 数据分析 |
    | "检查/回复评论" | → 互动管理 |
    | "发布文章" | → 仅发布 |
    | "选题/有什么可以写的" | → 选题管理(检查 topic-pool.md) |
    
    ## 全流程:选题到草稿箱
    
    当用户给出选题方向时,执行以下完整流程。先读 `persona.md` 确定写作人设。
    
    ### Step 0: 选题准备
    
    **如果老板没有指定具体选题**,先检查选题池:
    1. 读取 `<WORKSPACE>/collections/topics/topic-pool.md`
    2. 列出当前高优选题,每个附带角度和素材情况
    3. 让老板选择,或老板提出新选题
    4. 选定后进入 Step 1
    
    **如果老板已有明确选题**,直接进入 Step 1。
    
    ### Step 1: 理解选题
    
    读 `references/article-templates.md` 判断内容类型:
    
    - **AI 产品拆解** - 具体产品名 + 分析/拆解
    - **场景解决方案** - "怎么用 AI 做 XXX"
    - **效率提升实战** - 工具 + 技巧/心得
    - **产品方法论** - 抽象话题 + 思考
    - **行业观察** - 新闻/趋势 + 观点
    
    选题模糊时给 2-3 个具体方向让用户选(最多 1 轮澄清)。
    
    ### Step 2: 素材采集
    
    **2pre. 交接文件检查**
    先检查 `<WORKSPACE>/temp/handoffs/collector-to-writing.md` 是否存在:
    - 有 → 读取,筛选与当前选题相关的素材条目,纳入写作参考
    - 消费后删除已使用的条目(如果文件清空则删除文件)
    - 没有 → 跳过,正常流程
    
    **2a. 收藏库检索(优先)**
    先从个人收藏库中检索相关素材--这是让文章有"人味"的关键(详见 writing-techniques.md §五):
    1. 标签匹配:`grep -i "关键词" <WORKSPACE>/collections/tags.md`
    2. 全文搜索:`grep -ril "关键词" <WORKSPACE>/collections/`
    3. 有匹配时,读取对应文件的核心观点、要点摘录、个人笔记
    4. 标记可用素材的使用场景:开头引入?观点支撑?案例展示?反面论据?
    5. 收藏素材用自己的话重新表述,自然融入文章,不是学术式引用
    
    **2b. 外部采集(补充)**
    收藏库素材不足时,从外部补充:
    1. 根据选题扩展 3-5 个搜索关键词
    2. `web_search` 搜索 2-3 轮(官方信息→深度分析→对比评测)
    3. `web_fetch` 抓取 2-4 篇高质量参考文章
    4. 可选:`node scripts/smart_collect.mjs` 从 20+ 数据源采集相关热点
    5. 提取关键事实、数据、观点备用
    
    **⚠️ 中间存盘规则**:每 2-3 轮 web_search/web_fetch 后,立刻把已获得的关键发现写到 `<WORKSPACE>/temp/wemp-findings-{slug}.md`(选题 slug),防止连续采集时前面的信息在 context 中被挤掉。采集完成后此文件可删除。
    
    **2c. 素材整理**
    合并收藏库 + 外部素材,按相关度排序,标注来源
    
    **2d. 对标账号分析(可选,首次写某领域时推荐)**
    
    找 2-3 个同领域做得好的公众号,填写对标颗粒度检查表:
    
    | 维度 | 对标账号 | 我们 | 差异说明 |
    |------|---------|------|---------|
    | 文章长度 | | | |
    | 标题风格 | | | |
    | 开头结构(故事/数据/问题/金句) | | | |
    | 配图风格和数量 | | | |
    | 排版密度(段落长度/留白) | | | |
    | 结尾 CTA(关注/转发/留言) | | | |
    | 发布频率 | | | |
    
    **每个不一致都要有理由,否则改成一致。** 0 到 1 阶段模仿是正确答案。
    
    **2e. 素材丰富度门禁(写作前必检)**
    
    写作前过一遍素材储备,5 维中至少 3 个有料才开始写。不够就回 Step 2 补采集,不要硬写。
    
    | 维度 | 有没有 | 具体内容 |
    |------|--------|---------|
    | 冲击力数据(大数字/百分比/对比) | ✅/❌ | |
    | 转变故事(之前 vs 之后,反差越大越好) | ✅/❌ | |
    | 金句(能独立传播的一句话观点) | ✅/❌ | |
    | 权威背书(人物/机构/论文/官方数据) | ✅/❌ | |
    | 痛点共鸣(目标读者的焦虑/常见错误) | ✅/❌ | |
    
    - **0-2/5** → ⛔ 停止,回 Step 2 补充。素材不够硬写 = 进入「内容差→没流量→以量取胜→内容更差」的死亡螺旋
    - **3-4/5** → ⚠️ 可以写,但开头冲击力受限。标注薄弱维度,写作中刻意补强
    - **5/5** → ✅ 素材充足,放心写
    
    ### Step 3: 写作
    
    读 `references/writing-sop.md`、`references/style-guide.md` 和 `references/writing-techniques.md`,按以下流程写作:
    
    **3a. 创意排水(正式动笔前必做)**
    花 2-3 分钟快速列出这个选题的"废水"--套路想法、陈词滥调、第一反应。标记为禁用列表,正式写作中刻意避开。(详见 writing-techniques.md §一)
    
    **3b. 正式写作**
    - 遵循 `persona.md` 人设(AI 产品经理第一人称)
    - 按 `references/article-templates.md` 对应类型的结构模板
    - 2000-3000 字,短句为主
    - 链接用纯文本格式
    - 输出为 Markdown 文件,保存到工作目录(文件名格式:`draft-v1.md`,放在当前文章的工作目录下,如 `wemp-article-NN/draft-v1.md`)
    - **不要在文中出现 H1 标题**(公众号自带标题,正文从 H2 开始)
    - 融入收藏库素材(Step 2 中检索到的真实经历/观点/案例)
    
    写作中运用五大技巧(详见 writing-techniques.md §二):
    - **微幽默**:每 200 字至少 1 个嘴角上扬的小细节
    - **强开头**:禁止"在当今时代..."等套话。开头公式 = **话题(讲什么)+ Hook(为什么看)+ 可信度(为什么信你)**,三要素缺一不可。Hook 优先级:晒结果+反转⭐⭐⭐⭐⭐ > 数据冲击⭐⭐⭐⭐ > 反差/转变⭐⭐⭐⭐ > 金句⭐⭐⭐ > 权威+观点⭐⭐⭐ > 痛点+悬念⭐⭐⭐
    - **概念把手**:为复杂概念创造 3-6 字记忆短语,每篇至少 1-2 个
    - **句子节奏**:短/中/长句交替,不允许连续 3 句同长度
    - **多巴胺密度**:每段至少 1 个"有意思"的点,连续 3 段没有 = 危险区域
    
    **3c. 标题生成(双轨制)**
    按 writing-techniques.md §四 生成标题候选:
    1. 爆款标题 3-5 个(金钱数字/暴力隐喻/悬念等要素)
    2. 自然风格标题 3-5 个(经验分享/观点输出/对比评测等)
    3. 可选:组合优化(自然标题 + 注入 1-2 个爆款要素)
    4. 推荐 Top 3 给老板选择
    
    **悬念制造铁律**:标题和开头制造悬念,不给答案。用「为什么」不用「证明」。
    - ❌ 「Computer Use 效率低,证明 API 才是正路」(给了答案,读者不想看了)
    - ✅ 「Claude 能操控微信了,为什么我说这不是未来?」(留悬念,想知道为什么)
    - ❌ 「Agent 的 3 个核心能力」(平铺直叙,无冲突)
    - ✅ 「为什么 90% 的 Agent 产品会在 6 个月内死掉?」(制造好奇)
    
    **3d. 三遍审校**
    按 writing-techniques.md §三 结构化审校:
    - 第一遍:内容审校(事实/逻辑/结构)+ 段落迷你论点串联测试
    - 第二遍:风格审校(对照 24 条 AI 味特征清单降 AI 味 + 灵魂注入 + 5 维质量评分 ≥ 35 分才过)
    - 第三遍:细节打磨(句子节奏 + 多巴胺密度 + 微幽默 + 概念把手检查)
    - 第四遍:机械检查
      - **标点一致性**:全文不得出现英文逗号、英文冒号、英文问号、英文感叹号(英文原文/代码/链接内除外)。写完跑一遍 grep 排查。
      - **英文注释完整性**:所有英文人名首次出现必须加中文身份(如"Gary Marcus(纽约大学 AI 研究者)");所有非通识英文术语首次出现必须加括号中文释义(如"MVP(最小可行产品)")。通识词(AI、App、CEO)不需要注释。
    
    #### ⚠️ 写作红线
    
    - **不暴露 AI 参与写作**:不说"这篇文章是 AI 写的"、"让 AI 帮我写"等 - 读者对 AI 生成内容有抵触心理,暴露会显著降低阅读量和信任感
    - **讲故事,不讲论点**:用时间线、场景、情绪推进,不用"总结"、"核心观点"、编号式论点堆砌
    - **自然过渡**:不用中括号小标题、不用"以下是 N 条心得"式结构
    - **让读者感受到力量**:分享经历,不是教学。有踩坑有收获,有真实细节
    - **禁止废水开头**:不用"在当今 XX 的时代..."、"随着 XX 的不断发展..."等陈词滥调
    
    ### Step 4: 封面与配图
    
    封面图、正文配图规划与生成、产品截图获取的完整操作手册见 `references/image-generation-guide.md`。
    
    **快速参考:**
    - 封面生成优先级:idealab Chat API → Seedream 5.0 Lite → HTML 渲染截图
    - 正文配图密度:2000 字 3 张、3000 字 4-5 张,硬上限 5 张
    - 配图计划表输出到 `illustration-plan.md`,老板确认后再生图
    - 产品截图:公开页面直接截,需登录页面用 Browser Relay
    - 通用后处理:`beautify-screenshot.sh`(美化)
    - 🔴 **idealab 生图不去水印**:idealab 模型本身不带水印,执行去水印脚本反而会损坏图片右下角。仅对 Seedream/Gemini 等其他来源的图执行去水印。
    
    **🔴 生图后图内文字复核(事实类/含数据文章不可跳过,来源 ATA 实录)**:
    配图生成后、进入排版前,用 `image` 工具逐张核对:
    - 图内文字有没有被模型写坏/错字/漏字(尤其小字号标注、数据数字)
    - 图内信息与正文是否一致(图说的和文说的是同一件事)
    - 标题/封面数字与正文承诺是否吻合(呼应 Step 9 章节契约)
    - 发现写坏 → 重生该图;发现与正文冲突 → 修正后重生。图像模型渲染文字常自己加戏,不复核会把错字带到成品。
    
    ### Step 5: 排版美化
    
    ```bash
    # 基础排版
    python3 scripts/markdown_to_html.py --input article.md --theme tech --output article.html
    
    # 带图片自动上传(本地图片自动上传到微信素材库并替换 URL)
    python3 scripts/markdown_to_html.py --input article.md --theme tech --output article.html --upload
    ```
    
    主题选择:tech(科技风,默认)、minimal(简约风)、business(商务风)。
    排版约束详见 `references/weixin-constraints.md`。
    
    ### Step 6: 外链转底部引用(微信外链不可点击问题)
    
    微信公众号不支持外链点击跳转,文章中的外链对读者没有交互价值。排版时自动处理:
    
    **处理规则**:
    1. 普通外链 `[text](https://example.com)` → 文中显示为 `text1`(上标序号),链接收集到文末「引用链接」章节
    2. `https://mp.weixin.qq.com/...` 链接保留为直接链接(微信内部链接可点击)
    3. 裸链接(链接文本 = URL 本身)保留不动(已是展示型,读者可复制)
    4. 没有外链的文章跳过此步
    
    **文末引用格式**:
    ```markdown
    ---
    ## 引用链接
    
    1. example.com: https://example.com/article
    2. GitHub: https://github.com/user/repo
    ```
    
    **执行时机**:Markdown 转 HTML 之前处理(在 Markdown 层面替换,不是 HTML 层面)。可在 `markdown_to_html.py` 中集成,或作为单独的预处理步骤。
    
    如果有额外配图需要手动插入(非 Markdown 内嵌图片),先上传再手动插入 HTML。
    
    ### Step 7: 推送草稿箱
    
    ```bash
    # 一键从 Markdown 到草稿(推荐,自动转 HTML + 上传图片 + 清理旧同名草稿)
    node scripts/publisher.mjs --markdown article.md --title "文章标题" --cover cover.png
    
    # 或手动分步:先转 HTML 再推送
    python3 scripts/markdown_to_html.py --input article.md --theme tech --output article.html --upload
    node scripts/publisher.mjs --title "文章标题" --content article.html --cover cover.png
    
    # 跳过自动清理旧草稿
    node scripts/publisher.mjs --markdown article.md --title "标题" --cover cover.png --no-cleanup
    
    # 列出草稿
    node scripts/publisher.mjs --list
    
    # 删除草稿
    node scripts/publisher.mjs --delete --media-id <id>
    
    # 发布草稿(用户确认后)
    node scripts/publisher.mjs --publish --media-id <草稿media_id>
    ```
    
    **默认停在草稿箱,不自动发布。** 告知用户草稿已创建,确认后再发布。
    推送新版本时自动清理同标题旧草稿(`--no-cleanup` 跳过)。
    
    ### Step 8: 发布数据回流(推送草稿箱后自动执行)
    
    推送草稿箱成功后,顺便采集历史文章数据,用于选题评分校准。
    
    ```
    1. browser(action=tabs, profile="user") 检查是否有 mp.weixin.qq.com tab
    2. 有 → browser(action=snapshot, targetId=<tab_id>) 读取发表记录页
    3. 从 snapshot 提取每篇文章的:标题、阅读量、点赞、分享、留言
    4. 自动更新 collections/topics/publish-feedback.md
    5. 没有 tab 或 snapshot 失败 → 跳过,不影响主流程
    ```
    
    注意:此步不影响主流程,失败就跳过。数据用于选题评分校准(见 eval-criteria.md + publish-feedback.md)。
    
    ### Step 9: 五维内容自检(交付前必做)
    
    排版完成后、交付前,逐维度自检。任何一项 ❌ 必须修改后再进入下一步。
    
    | 维度 | 检查问题 | 合格标准 | 判断 |
    |------|---------|---------|------|
    | **文字洁癖** | 有没有 AI 味?(空洞排比句、Emoji 堆叠、"让我们来看看") | 每句话都有信息量,没有填充语 | ✅/❌ |
    | **标题/封面** | 平铺直叙能不能吸引人?不看封面只看标题想不想点? | 有立场/反差/数据之一,不靠震惊体 | ✅/❌ |
    | **表达效率** | 能不能一句话说清核心观点?有没有 99% 时间包装 1% 内容? | 删掉任何一段,整篇不完整 = 没有冗余 | ✅/❌ |
    | **认知落差** | 读完后读者会不会觉得「这个我知道」?和同行比有增量吗? | 至少有 1 个「我之前没想到」的点 | ✅/❌ |
    | **数据支撑** | 核心判断有没有数据/事实/一手经验支撑? | 每个核心判断都有来源(数据/案例/亲身经历) | ✅/❌ |
    
    > 借鉴 dbs-content 五维诊断框架。第五维从「AI 辅助」改为「数据支撑」,更适合公众号写作场景。
    
    **🔴 章节契约检查(标题含数字时必过,来源 ATA 
  • README.mdupstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

Plain-text copy, no login: /skill-bundles/lovensky1992-wk-wemp-ops.md

// REPO STATS

1 stars
0 open issues
Last commit: 4mo ago