Skip to content
Back to search

self-media-content-base

自媒体素材收集 → 选题、改写稿与飞书素材库。面向持续更新账号的创作者、内容运营和小团队,把日常链接、对标博主视频与行业资讯提取、分类,按人设改写并写入飞书。内置八平台视频采集流程;用于搭建或执行个人素材库、对标研究和资讯整理工作流,首次需配置人设、赛道、信源及飞书授权与字段映射。

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked today
Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/caodoris471--self-media-content-base/badge.svg)](/listings/caodoris471--self-media-content-base)

HTML

<a href="/listings/caodoris471--self-media-content-base"><img src="/api/listings/caodoris471--self-media-content-base/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

SKILL.md · Manifest · 234 lines · 1 finding marked
  1. ---
  2. name: self-media-content-base
  3. description: 自媒体素材收集 → 选题、改写稿与飞书素材库。面向持续更新账号的创作者、内容运营和小团队,把日常链接、对标博主视频与行业资讯提取、分类,按人设改写并写入飞书。内置八平台视频采集流程;用于搭建或执行个人素材库、对标研究和资讯整理工作流,首次需配置人设、赛道、信源及飞书授权与字段映射。
  4. ---
  5. # 自媒体素材库自动化底座
  6. 面向需要持续收集、研究和写稿的自媒体创作者与内容团队,串联「链接整理」「对标博主视频研究」「行业资讯整理」三条工作流,交付保留来源的素材、逐字稿、按人设改写的稿件与飞书处理记录。功能、安装示例和两项目的选择关系见 [README.md](README.md)。
  7. 视频采集由内置 `扒取/` 引擎提供八平台操作流程,按当前可达性与实际返回字段执行;完整采集与所有指标并非始终可用。飞书目标为已配置的电子表格 Sheets、文档与知识库;现有入口与自动化部署说明以 WorkBuddy 为基础,其他宿主需适配并验收。
  8. 这是供 Agent 执行的编排 skill,需要可用的采集工具、转写环境和飞书读写工具;本包不是独立机器人服务,也不会自行创建定时任务。首次部署读 [接入与验收](references/deployment.md)。
  9. > 🧩 **本包是「底座」,不是成品。** 所有与具体人/账号绑定的东西都标注为 `⚙️可变量`,复制一份改掉即可变成你自己的 skill。原版({作者}定制)保留在 `C:\Users\<你的用户名>\.workbuddy\skills\自媒体选题-{作者}\`,不要动它。
  10. ## ⚙️ 可变量清单(部署时逐项替换,改完在表格里打勾)
  11. | # | 可变量 | 底座默认值(占位) | 你要改成什么 | ✅ |
  12. |---|---|---|---|---|
  13. | 1 | **作者人设 / 账号归属** | `{作者}`(示例:{作者}) | 你的人设与语气,见 `references/roles.md` | ☐ |
  14. | 2 | **内容栏目分类** | `Ai工具 / Ai知识科普 / 亚马逊 / TK / 独立站` | 你自己的栏目词表 | ☐ |
  15. | 3 | **选题黑白名单** | AI+办公/提效(示例) | 你要收什么、剔除什么主题 | ☐ |
  16. | 4 | **稿件格式** | 文章三节式 / 视频·图文两段式;**品牌剖析 = 普通文章改写**(底座已初始化) | 需要专属模板就自己加 | ☐ |
  17. | 5 | **热度阈值 / 时间窗** | 点赞 >150、近 30 天 | 你的阈值 | ☐ |
  18. | 6 | **信源清单** | 量子位 / AIbase / Anthropic / 雨果跨境… | 你的信源 | ☐ |
  19. | 7 | **飞书坐标** | spreadsheet_token、各 sheet_id、知识库父节点 | 你自己的表与节点 | ☐ |
  20. | 8 | **定时任务 ID / 时间** | 每周五 08:30 / 08:35 / 09:00(三条统一周五) | 你的自动化 | ☐ |
  21. | 9 | **脚本目录** | 已内置 `scripts/`(本包自带) | 需要额外脚本时再指定 | ☐ |
  22. | 10 | **完成情况标签** | 「已改写待审核」等 4 个 | 你的标签与颜色 | ☐ |
  23. **改法**:全局搜索 `⚙️` 或 `{作者}` 定位所有变量点;SOP 页里所有变量都用橙色虚线框高亮(见 [SOP流程说明-底座版.html](SOP流程说明-底座版.html) 顶部「可变量地图」)。
  24. ## 🔴 第一闸门:先问后做(部署必须从这里开始,不许跳过)
  25. **本 skill 是模板。** 拿去用的每个人情况都不一样,所以**任何采集 / 改写 / 入库动作之前,必须先问、等填完、确认无误,才允许进入 Step 2 往后走。**
  26. 执行方式(三条硬规则):
  27. 1. **一次性把表发全,不许挤牙膏。** 把下面这张「待确认清单」一次性发给用户,让用户一次性填完;不要一条一条追问。
  28. 2. **区分「硬门槛」与「可用默认值」**:
  29. - **硬门槛(没填 = 不许继续)**:① 作者人设 / 账号归属 ② 内容赛道 / 主题方向。这两项决定人设、黑白名单、信源、栏目词表,缺了写出来的稿必然是别人的口气。
  30. - **可用默认值的项**:时间窗、热度阈值、信源清单、定时时间、脚本目录、完成情况标签 —— 用户说「用示例值」就先按示例跑,并在文档里标 ⚙️ 待替换。
  31. 3. **填完复述一遍再动手。** 用一段话复述:作者人设是谁、赛道是什么、黑白名单收什么剔什么、什么时候跑、写到哪张表。用户确认后才开始执行。
  32. **待确认清单(复制发给用户填)**:
  33. | # | 项 | 怎么填 | 不填时 |
  34. |---|---|---|---|
  35. | 1 | 作者人设 / 账号归属 | 你的名字或人设名(如「小王」「跨境老张」) | 🔴 硬门槛,缺则不继续 |
  36. | 2 | 内容赛道 / 主题方向 | 一句话(如「AI 办公提效」「跨境出海」「美妆个护」) | 🔴 硬门槛,缺则不继续 |
  37. | 3 | 选题白名单 | 你要收的主题词,5 类一组 | 用占位示例,标 ⬜ 待替换 |
  38. | 4 | 选题黑名单 | 你要剔除的主题词 | 用占位示例,标 ⬜ 待替换 |
  39. | 5 | 内容栏目词表 | 你的栏目列表 | 用占位示例,标 ⬜ 待替换 |
  40. | 6 | 时间窗 / 热度阈值 | 例:近 30 天 · 点赞 >100 | 用示例值,标 ⬜ 待定 |
  41. | 7 | 信源清单 | 常看的媒体 / 官方源 | 用示例值,需实测可达 |
  42. | 8 | 飞书坐标 | 表 token、各 sheet_id、知识库父节点 | 部署时现场新建并回填 |
  43. | 9 | 定时任务时间 | 三条流水线各定几点 | 默认每周五 08:30 / 08:35 / 09:00 |
  44. | 10 | 完成情况标签 | 标签词 + 颜色 | 默认 4 个(含橙色「已改写待审核」) |
  45. > ⚠️ **不许用文档里的示例值开跑**——示例值只是告诉你"这里要填什么",不是默认值。用户没答之前,任何采集 / 改写 / 入库都不许启动。
  46. ## 角色(⚙️ 可变量 #1)
  47. - ⚙️ 本 skill 服务 **一个** 作者账号,部署时把 `角色配置`(`references/roles.md`)里的 `{作者}` 换成 `{作者}`:姓名、行业、语气、口癖、禁忌、CTA 习惯全部替换。
  48. - 所有任务的「账号归属」字段固定写 ⚙️`{作者}`,口播改写一律按该人设处理,不询问归属、不猜角色。
  49. - 多角色请各自复制一份本底座,不要混写:绝不把别人的经历或语气写进本账号的稿。
  50. - 角色的详细配置见 [角色配置](references/roles.md)(⚙️ 需整份重写)。
  51. ---------------------------------------------------------------------------
  52. ⏱ **执行前必读**:
  53. 0. **[SOP流程说明-底座版.html](SOP流程说明-底座版.html) 开头「🚀 部署安装」** —— 🆕 **首次在新机器部署必须先看**:先看懂这套东西在干嘛 → **Step 0 检查内置 `扒取/` 采集引擎及其依赖** → Step 1 装本 skill → Step 2 本地环境五项 → Step 3 飞书授权 → Step 4 建表格表头 → Step 5 建知识库节点 → Step 6 设下拉 → Step 7 微信助理 → Step 8 最小闭环 + 挂定时任务;每步含「为什么 / 复制给 Agent 的话 / 怎么确认」,也有一段可整段复制的懒人版部署 prompt;
  54. 1. 同页其余部分 —— 流程图 + 每条链路「怎么用 / 怎么做 / 做到什么程度」,**可变量地图**,**新任务先看这个**;
  55. 2. [SOP 总览](references/sop.md) —— 定时任务、已固化参数、飞书坐标、踩坑清单,不要每次重建认知。与 SKILL.md 冲突时以 SKILL.md 为准,SOP 缺失的细节以 SOP 为准。
  56. ---------------------------------------------------------------------------
  57. ## 现有能力
  58. - 视频采集调用**本包已内置**的 `博主视频全量扒取` skill(位于 `扒取/` 子目录,含 SKILL.md / README.md / scripts / references,无需另外 clone)。读取 `扒取/SKILL.md` 和目标平台参考;迁移时保留 scripts 与 references,不只复制 SKILL.md。
  59. - 视频号入口仍是 `扒取/scripts/wx_pipeline.py`;其 `step_rewrite()` 只是骨架,不能把它产生的文件直接当成口播稿。必须由当前 Agent 逐篇读取实际逐字稿完成新文案。
  60. - 视频下载、音频提取和 Whisper 转写保留原 skill 的平台约束,浏览器使用专用 profile。依赖、登录态、代理从运行环境检测,不硬编码另一台机器的绝对路径。
  61. - 飞书使用已安装的 lark-sheets / lark-doc 或等效工具。缺依赖时报出具体缺项,不声称已入库。
  62. - 文字网页及 RSS 可选接入 Read Buddy;只有实际安装并检查过的工具才能执行。GitHub 候选不是默认已安装依赖。
  63. ## 收录链接
  64. **入口**:微信助理 Bot(用户转发/粘贴链接)+ WorkBuddy 对话内直接发链接。微信接入方式见 [接入与验收](references/deployment.md)。
  65. 🔴🔴 **取源优先级:抖音 > 小红书 > 视频号**(2026-10-15 用户定,长期有效)。助理收到**小红书链接**时,**先拿标题 / 话题关键词去该博主的抖音号找一模一样的同条视频**,找到了就抓抖音;抖音没有才降级抓小红书;再没有才视频号。
  66. - 链接是 `douyin.com` → 直接用,取 `modal_id=`(**它就是 aweme_id**),走抖音链路,不用抓博主主页。
  67. - **🔴 强提醒:助理收录优先采用抖音链接**——抖音源更完整、带音轨、详情页风控少;小红书详情页常被 300011 账号安全限制拦住。
  68. - 小红书报 **300011 账号异常** → **挂起,回报用户补抖音链接,不反复重试**(反复刷会升级风控)。
  69. 0. **自动分类规则**(用户要求“自行分类”,按下表判定,不询问):
  70. | 字段 | 判定规则 |
  71. |---|---|
  72. | 账号归属 | 固定 ⚙️`{作者}`。多账号各复制一份本底座分别部署,不在同一 skill 里混写多个账号 |
  73. | 平台 | 按域名:`mp.weixin.qq.com`→公众号;`xiaohongshu.com`→小红书;`douyin.com`→抖音;`bilibili.com`→B站;`sph`/视频号→视频号。下拉里没有的平台,先按实际填文本并在备注说明,不伪填成公众号 |
  74. | 类型 | **必须自己判定,不留空、不写"待核实"**。判定依据取抓取回来的媒体字段(MediaCrawler 返回的 `type`:`normal`=图文 / `video`=视频);公众号 `/s/` 长文→文章。网页端抓不到时用 MediaCrawler detail 模式补抓,不得凭标题猜 |
  75. | 内容栏目 | AI 工具用法/测评/教程→`Ai工具`;AI 原理/概念/科普→`Ai知识科普`;亚马逊→`亚马逊`;TikTok→`TK`;独立站/DTC→`独立站`;品牌案例拆解→`品牌剖析`;都不是→留空并在备注写实际主题 |
  76. | 是否符合改写 | 🔴 **助理收录的条目一律自动打「符合」**,不做内容筛选、不判「不符合」(用户 2026-10-10 定稿)。只有用户自己手动录入并明确说「不改写」时才可留非「符合」 |
  77. | 迫切程度 | 🔴 **永远留空,由用户自己打**(用户 2026-10-08 首次要求,2026-10-10 再次确认)。**禁止自动写 P00/P0/P1/P2**,也不要改动用户已填的值 |
  78. | 完成情况 | 稿件生成后**统一打「已改写待审核」**——这是该列下拉选项之一,显示为**橙色标签**(`#ff8800`)。**不要填「纯文字稿」**(不在选项内、无颜色)。只生成稿件不算已制作视频/图文/文章 |
  79. | 发布情况 | **不自动填**。只生成了稿件不算已发布 |
  80. 1. 提取用户消息中的真实 URL。文本链接优先;转发卡片如果只有标题、没有可取的链接或内容,标记待补链接,不凭标题生成“逐字稿”。
  81. **1.5 收到链接 ≠ 只登记链接(用户 2026-10-08 明确要求,必做)**:
  82. 登记链接后必须**当场完成**这一步,不能只放个链接就交差:
  83. 1. **抓全内容**:视频 → 下载 + ffmpeg 抽 m4a + Whisper 转写完整逐字稿(不是只取开头);图文/文章 → 提取正文全文。网页端抓不全时走 MediaCrawler detail 模式补抓。
  84. 2. **改写**:按 ⚙️`{作者}` 人设(`references/roles.md`)生成完整口播稿(新标题、新开头、可朗读正文、自然结尾),重构叙述顺序,不只替换同义词。
  85. - **公众号类素材必须双产物**(用户 2026-10-08 明确要求):除口播稿(活泼稿)外,另给一篇**公众号文章改写**,成文、书面体、带小标题和数据表格,可直接进公众号编辑器。
  86. - 文章稿以 **Markdown 代码块**交付(文档内用四反引号围栏包裹 ````markdown ... ````,避免内部三级代码块撞栏),本地不留底,只进飞书文档。
  87. - 两个产物互相独立:不许把口播稿换个排版当文章稿,也不许把原文删几段当改写。
  88. 3. **存文档(只建一个文档)**:逐字稿 + 改写稿合并进**同一个飞书文档**,链接**只贴在文档列(⚙️ 上游定制版是 H 列)**,相邻列留空。单元格不放大段正文。
  89. - 文档必须建在 ⚙️ 知识库父节点下:`lark-cli docs +create --parent-token {父节点token}`(⚙️ space_id `{space_id}`),不要落到 my_library。
  90. - **文档标题 = 笔记/公众号的原标题**,不加「【{作者}素材】」之类前缀。
  91. - 已存在但标题带前缀的,用 `lark-cli drive +update-title --token <docx_token> --type docx --title <原标题>` 改掉。
  92. - 表格里贴**知识库形态链接** `https://<你的飞书域名>.feishu.cn/wiki/<node_token>`,不是 `/docx/<token>`。取 node_token:`lark-cli wiki +node-list --space-id {space_id} --parent-node-token {父节点token}`。
  93. 4. **回读确认**:文档链接点得开、内容完整才算入库完成。
  94. 5. 源内容确实不足(例如网页端只暴露一句话且补抓失败)→ 标为**受阻**并写明原因,**不许用空稿或瞎编稿充数**。
  95. 2. 保留原始分享链接;规范化链接仅用于判重。小红书 xsec_token 等访问参数在获取内容时保留。飞书富文本链接取 link 字段,避免把单元格里邻接的文本拼到 URL 后面。
  96. 3. 获取正文或视频,识别平台、类型、标题、作者、栏目。没有读到全文时不得假装读完。
  97. 4. 视频提取完整逐字稿,再进入全量改写流程;文章提取原文并生成文章稿 + 口播稿,不能伪称音频转写;图文提取正文出「说明文字 + 口播稿」。见下方「类型分流铁律」。
  98. ### 🔴 类型分流铁律(2026-10-10 用户最终定稿,优先级最高,覆盖此前所有版本)
  99. ⚙️ **「类型」列(上游定制版是 D 列;列名按你自己的表头定位,不要硬记字母)**决定这一行怎么产出,不看平台、不看栏目:
  100. | 类型 | 怎么产出 | 逐字稿 | 长文稿 | 口播稿 | 说明文字 |
  101. |---|---|---|---|---|---|
  102. | **图文** | 说明文字 + 口播稿 | — | ❌ 不做 | ✅ | ✅ |
  103. | **视频**(全部) | 只做口播稿 | ❌ 不做 | ❌ 不做 | ✅ | — |
  104. > 🔴 **轻量稿(图文/视频)只要两段:说明文字 + 口播稿**,不许列「原文要点 / 原文文字稿 / 逐字稿」。
  105. > ⚙️ 字数档(可改):**图文** 说明 ≤200 字 + 口播 200-300 字(约 50 秒);**视频** 说明 ≤120 字 + 口播 100-200 字(约 30-40 秒)。改档要同步改 `qa_check.py` 阈值与闸门配置。
  106. | **文章**(非访谈) | 完整改写:长文稿 + 短稿(口播稿) | — | ✅ | ✅ | — |
  107. | **访谈**(不论类型) | **不动,直接跳过** —— 🔴 **但必须用户确认,不许自动判** | — | — | — | — |
  108. | ⚙️ 文章 + 栏目=品牌案例/剖析类 | **底座默认=普通文章改写**(原文文字稿 + 改写长文稿 + 口播稿,与「文章」同格式) | — | ✅ | ✅ | — |
  109. > 🧩 **底座已初始化**:品牌剖析在上游定制版里是「五维品牌营销全景拆解模板」(五维调研 + 融合长文 + 可抄清单),那是**个人定制**,本底座**不保留**——默认就是普通文章改写。需要专属模板的人,在 `SOP流程说明-底座版.html` 的「③B 稿件章节模板」里自己加一节。
  110. ### 🔴 稿件自动审稿闭环(2026-10-10 起,所有链路强制走)
  111. **生成 → 规则闸门 → LLM 自动改 → 入库**,用户不再逐篇盯。完整规范见 [references/qa-gate.md](references/qa-gate.md):
  112. 1. 先按上面「类型分流」确定产出形态,再动笔;
  113. 2. 初稿写完后**必须**跑闸门:
  114. `"C:/Users/<你的用户名>/AppData/Local/Programs/Python/Python312/python.exe" "scripts/qa_check.py" <md> --type article|koubo|brand`
    • Dismissed after review: Contains a long base64-looking blob — not necessarily malicious, but worth inspecting what it decodes to
    • Line 151 on GitHub
  115. 3. 退出码 1 = 有阻塞项 → 按报告自动改,最多 2 轮;第 2 轮仍不过 → **不发布**,备注写「受阻:原因」,K 列不打标签;
  116. 4. 通过后才能 `publish_row.py` 推飞书并回写 H / K。
  117. 5. 按 [飞书字段映射](references/schema.md) 写入你的素材表,账号归属固定写 ⚙️`{作者}`,回读确认。
  118. 6. 人工转发的内容默认全部处理;每周采集的热度阈值不自动套用到手动收藏。
  119. ## 🧰 执行工具箱(⚙️ 可变量 #9:脚本目录)
  120. > ⚙️ 引擎脚本**已内置在本包 `scripts/` 目录**(qa_check / xhs_dl / fetch_wx_edge / transcribe_fw / news_* / publish_* / dump_rows / xhs_debug / xhs_search)。运行时工作目录(MediaCrawler、浏览器 profile、临时文件)仍是 ⚙️`{工作目录}`,脚本内相关占位路径部署时替换。脚本清单与作用见 [SOP流程说明-底座版.html](SOP流程说明-底座版.html)。
  121. | 阶段 | 命令 | 说明 |
  122. |---|---|---|
  123. | 表快照 | `dump_rows.py rq_snapshot.json` | 先 `sheets +cells-get --range A1:L70 --output-path` 落盘,再速览 D/F/G/H/I/J/K |
  124. | 小红书视频 | `xhs_dl.py <url> <outdir> <tag>` | Edge + `xhs_storage_state.json`;**取 `mediaV2.stream` 时每个档位是数组要取 `[0]`,只有 EF4 带音轨**;`firstNoteId` 是 Vue ref,要取 `_value` |
  125. | 公众号正文 | `fetch_wx_edge.py <url> <out.txt>` | Edge 取 `#js_content`,<250 字退 body |
  126. | 转写 | `transcribe_fw.py <mp4> <outdir> --model large-v3` | Python 3.12 + `HF_HUB_OFFLINE=1` + int8/cpu;133 秒视频约 3 分钟 |
  127. | 闸门 | `qa_check.py <md> --type article|koubo|brand [--sub img|video]` | 退出码 1 = 阻塞;`strip_code` 已修(按行首 ``` 成对过滤,不再错位删正文) |
  128. | 排障 | `xhs_debug.py` / `xhs_debug2.py` / `xhs_search.py <关键词>` | 判断笔记是否可抓、stream 结构、按标题搜新链接 |
  129. **发布链路**(没有 publish_row.py 时按这三步手工执行):
  130. 1. `lark-cli docs +create --parent-token {父节点token} --title <原标题> --doc-format markdown --content @<md>`
  131. 2. `lark-cli wiki +node-get --node-token <docx_token>` → 取 `node_token`
  132. 3. `lark-cli sheets +cells-set --spreadsheet-token {表token} --writes @writes.json`:文档列写 mention(`rich_text` 里**必须带 `link`** = `https://<你的域名>.feishu.cn/wiki/<node_token>`,否则报 `link is required for document mention`),完成情况列写 ⚙️`multiple_values:[{"value":"已改写待审核"}]`(标签值按你表里的下拉项替换)
  133. ## 每周对标采集
  134. **平台扒取优先级(用户指定 2026-09-22):抖音 > 小红书 > 视频号。** 同一博主优先扒抖音;抖音无号才扒小红书;再无才视频号。原因:视频号扒取麻烦、小红书扒多了易触发风险。公众号 `/s/` 是单篇文章链接,不在此优先级内。
  135. 1. 每次从在线“对标博主”表读取账号归属为 ⚙️`{作者}` 的有效行。不要把 display name 当唯一 ID。
  136. 2. 验证主页链接类型。公众号 `/s/` 是单篇文章,不是视频号主页;将它用于单篇内容读取,账号周更采集另需稳定账号来源。
  137. 3. **⚙️ 筛选参数(可变量 #5,样例值;定好后不再每次重问)**:
  138. - 时间窗:**近 30 天**
  139. - 热度阈值:**点赞 > 150**(三个对标等级统一用这个阈值)
  140. - 对标等级:**重点 / 一般 / 次要 三档都抓**,按等级分组依次处理,重点对标优先
  141. - 数值先转 int 再比较;缺失值为 unknown,不是 0;字符串单位(1.2万)先规范化
  142. **⚙️ 主题相关性过滤(可变量 #3,样例 =「AI + 办公/提效」,请整表替换成你的赛道)**:
  143. | 判定 | 关键词(⚙️ 示例:AI+办公提效,换成你自己的) |
  144. |---|---|
  145. | ✅ 要(白名单) | 建站/网页/网站/HTML/PPT/落地页/网页设计;Skill/Skills/插件/工作流/workflow;提效/效率/自动化/批量/省时间;AI工具/AI实操/Codex/Claude/ChatGPT/提示词/Prompt/Agent/智能体;文档/表格/汇报/会议纪要/数据处理 |
  146. | ❌ 不要(黑名单,命中即排除) | AI跳舞/舞蹈/换脸/唱歌/MV/音乐;模型训练/微调/炼丹/部署模型/跑分;做游戏/小游戏/游戏;AI绘画纯作品/壁纸/头像/Cosplay;纯特效炫技无工作流 |
  147. 判定顺序:先过点赞 >150 → 再过黑名单 → 再看是否命中白名单(两个都没命中也不收)。被过滤掉的条目**必须登记到「已排除」清单并写明原因**,不能静默丢弃。
  148. 4. 数值转换后比较,缺失值为 unknown,不是 0。AND 条件缺一个指标时登记待判定,不自动放宽成只看点赞。字符串单位如 1.2万需规范化,异常值不能直接参与比较。
  149. 5. 周任务保留最近成功水位与可配置回看窗口,重新检查近期未达标内容;同一素材达到阈值后只入库一次。首次历史全量另设明确任务,不在每周任务里重抓全历史。
  150. 6. 对所有命中且可获取的视频完成下载 → 完整转写 → 逐条口播改写 → 质检 → 飞书写入。允许分批续跑,不允许用 Top 10 或抽样改写冒充全量。
  151. 7. 某条失败不阻塞其它条目。最多重试 3 次暂时性网络错误;登录失效、权限不足、配置缺失记录具体原因并等待修复,不循环请求。
  152. ## 全量口播改写
  153. - 每个源视频一篇新稿(⚙️`{作者}` 语气),不得把全部视频拼成一篇汇总稿。
  154. - 转写保留时间戳版和连续文字版,听不清的部分标记。长视频分段转写后合并,核对音频时长与覆盖范围,禁止只取开头。
  155. - 阅读完整转写,提取事实和主张,再按 ⚙️`{作者}` 人设生成新标题、新开头、完整可朗读正文与自然结尾。重构叙述顺序、解释与例子,不只替换同义词。
  156. - 不把原作者经历改成“我亲身经历”,不编造实验结果、收益、客户案例或政策。必要的补充事实核验来源,不确定项独立列出。
  157. - ⚙️ 输出语言以作者要求为准(默认中文);未配置时先确认,不自动继承源平台语言。
  158. - “是否符合改写”可做适配评价,但不能成为跳过用户要求全量改写的隐藏筛选条件。源内容不足时标为受阻,不能用空白稿算完成。
  159. - 检查正文完整、无占位符、角色正确(是 ⚙️`{作者}`、不是素材中其他人物)、主要事实一致、无大段照抄。现有 verify_rewrite_distinct.py 仅为辅助检查,文件存在或相似度通过均不等于稿件质量合格;失败不得只告警后继续宣称完成。
  160. - 全部质检通过的口播稿仍为待人工审稿;本 skill 不自动发布到社交平台。
  161. ## 每周 AI / 跨境资讯(⚙️ 频率可变量:底座默认每周五)
  162. - 按配置读取官方公告、原生 RSS 或经检查的聚合源,再打开原文核验;AI 与跨境是主题,不是角色。
  163. - 新闻日期取来源实际发布时间;同时记录采集时间。日期未知写未知,不用今天替代旧新闻日期。
  164. - 按事件而非标题去重,保留首要来源链接;同一新闻多家转载合为一条,实质更新则更新/关联旧记录。
  165. - 写入对应热点表的新闻日期、新闻链接、新闻内容、选题方向。
  166. - 🔴 **入表不等于交付**:写完四列后同批在「是否改写」列做初判,**判「是」的必须当场按 ⚙️`{作者}` 人设改写出稿**(不是只入库不改写,不许只贴个链接不出稿)。判「否」的才不生成稿件;用户把「否」改成「是」后立刻补做。
  167. - ⚙️ **稿件格式(底座默认:两张表都用文章三节式)**:
  168. - 原文文字稿 + 改写长文稿(≥2200 汉字)+ 口播稿(220–280 字),闸门 `qa_check.py --type article`。
  169. - 建档入库:一个飞书文档(标题=原标题)→ 文档列贴卡片、完成情况列打「已改写待审核」。
  170. - 🧩 上游定制版里「跨境表用品牌剖析五段式」是**个人定制**,本底座**已初始化掉**——默认就是普通文章改写。想给不同主题表配不同模板,在 SOP 的「③B 稿件章节模板」里自己加,并同步改 `qa_check.py --type`。
  171. - ⚙️ 资讯写进 `{作者}` 自己这张表的热点 sheet(示例:Ai资讯热点 / 跨境资讯热点),表里无「账号归属」列。文字稿/口播稿按 ⚙️`{作者}` 语气。
  172. - ⚙️ 频率和条数来自配置(底座默认:每周五 08:30 / 08:35,采集窗口 = **最近 7 天**)。未搜到可信新消息就报告零条,不凑数量。
  173. - ⚙️ **周频体量闸门**:周频一次进来的候选远多于日频,判「是」的**每次最多改写 12 条**;超出的照常入表、E 列保持「是」、完成情况列留空,并在回报里单列「本周排队待改写」,下次优先处理。不许为了凑完而降低改写质量。
  174. ## 入库、恢复和验收
  175. - 按 schema 读取当前表头后定位,不仅凭固定列字母。新增管理字段是部署建议,未实际建成前不能假设存在。
  176. - 素材键使用平台+稳定内容 ID(取不到时才用规范化 URL);处理键增加角色和目标工作表,改写版本单独记录。状态按阶段维护:待抓取、已转写、待改写、待审稿、失败/待配置。
  177. - 同一工作簿串行写入。重试前重查在线唯一键/角色+链接;写入超时先回读,不盲目追加。行号是定位信息,不能当稳定主键。
  178. - 人工已有文案、优先级和发布状态不覆盖;模型生成状态与内容生产状态分开。只写获授权的目标库,不创建额外外部接收方。
  179. - 完整长稿超出单元格容量时存飞书文档并在原列放摘要和文档链接,不静默截断。原 mp4/m4a 默认作为本地处理缓存;上传原视频属于单独配置。
  180. - 每批保存进度;回读逐字稿/口播稿或其文档链接成功才算入库。电脑重启后从未完成阶段继续,不重复采集已完成条目。
  181. - 汇报候选数、阈值命中数、成功转写数、成功改写数、成功入库数,以及每一条未完成原因。成功+待处理+失败须覆盖所有命中素材;部分完成明确报部分完成。
README.md · README · 202 lines
  1. # 🔥 自媒体素材收集 → 选题、改写稿与飞书素材库
  2. <div align="center">
  3. **收集链接 · 采集视频 · 整理资讯 · 按人设改写 · 写入飞书 · 记录进度**
  4. 给持续更新账号的创作者、内容运营和小团队:配置好你的人设与素材表,再把链接、对标账号或资讯任务交给 AI Agent。
  5. ![执行环境](https://img.shields.io/badge/Agent-WorkBuddy-6f42c1)
  6. ![视频流程](https://img.shields.io/badge/Video_platforms-8-blue)
  7. ![素材库](https://img.shields.io/badge/Storage-Feishu_Sheets-green)
  8. ![本地转写](https://img.shields.io/badge/Transcription-local-orange)
  9. </div>
  10. > **免责声明:** 本项目仅供学习研究和获得授权的内容整理。请遵守平台规则、访问权限和版权要求,只借鉴选题与表达方法,不搬运原作者的文案与素材。AI 生成的稿件需人工核对事实、来源与表述,审核后再使用。
  11. ## 📖 项目简介
  12. 把收藏夹里的链接、对标博主的视频和行业资讯,整理成有来源、有人设、有处理状态的素材与稿件,统一写入飞书,方便继续选题、审核和制作。
  13. 这是一套可按账号配置的 **AI 工作流模板**,包含执行规则、角色配置、采集脚本和部署说明。现有部署文档以 **WorkBuddy + Windows + 飞书工具** 为基础;首次使用需要填写人设、赛道、信源和目标表格,完成授权及小样本验收。
  14. ### 能帮谁
  15. - **持续做内容的个人创作者**:收藏了很多好内容,真正写稿时却找不到;希望把日常收集变成自己的选题和口播草稿。
  16. - **负责多个栏目的内容运营**:每天要追资讯、研究对标、整理素材,手动登记表格和跟进稿件状态占用大量时间。
  17. - **有固定人设与审核流程的小团队**:需要让素材、逐字稿、改写稿和进度对应起来,减少不同成员之间重复整理和漏交付。
  18. ### 解决什么问题
  19. | 以前 | 现在 |
  20. |---|---|
  21. | 链接散在微信、收藏夹和聊天记录里 | 按规则提取内容、分类登记,保留原始来源 |
  22. | 研究对标要逐条听写,再重新写口播 | 内置采集与转写流程,由 AI 读原稿后按人设重新组织表达 |
  23. | 每次写稿都要重新解释账号定位 | 一次配置人设、栏目、选题规则与稿件格式,后续复用 |
  24. | 资讯只是标题堆积,不知道能做什么内容 | 核对原文与时间,整理选题方向,按已启用策略生成文字稿或口播稿 |
  25. | 表格里有记录,却不知道稿件做到了哪一步 | 关联素材、文稿和处理状态,写入后回读检查 |
  26. ### 🔧 原理
  27. 链接 / 博主名单 / 资讯信源 → Agent 读取规则与角色配置 → 提取正文或调用内置视频采集引擎 → 必要时用 faster-whisper 本地转写 → AI 按人设改写 → 质检 → 写入飞书电子表格与文档并回读。素材采集和转写依赖本机工具;模型写作使用宿主 Agent,不要求单独购买转写 API,但宿主模型、网络或第三方服务可能另有费用。
  28. ## ✨ 功能特性
  29. | 环节 | 功能 | 状态 |
  30. |---|---|---|
  31. | 日常收集 | 单篇链接 / 已提供正文 → 内容提取、分类、改写、素材表登记 | ✅ 按来源可访问性执行 |
  32. | 对标研究 | 博主名单 → 按时间与互动指标筛选 → 下载、逐字稿、改写稿 | ✅ 内置采集引擎 |
  33. | 资讯整理 | 配置信源 → 核对原文和发布时间 → 提炼选题与稿件 | ✅ 由 Agent 与脚本配合执行 |
  34. | 账号定制 | 配置人设、赛道、栏目、黑白名单、语气与稿件格式 | ✅ 首次部署需填写 |
  35. | 飞书入库 | 素材、逐字稿、改写稿、文档链接与处理状态对应登记 | ✅ 需授权和字段映射 |
  36. | 微信入口 / 定时运行 | 从微信助理接任务,或由宿主自动化按计划触发 | 🚧 需单独接入、配置与验收 |
  37. **三条工作流与交付结果:**
  38. | 你提供什么 | 它帮你完成什么 | 结果放哪里 |
  39. |---|---|---|
  40. | 一条内容链接或正文 | 原文提取、栏目分类、按人设改写 | 飞书素材表;长稿按配置关联文档 |
  41. | 对标博主主页或已配置名单 | 视频清单、源文件、带时间轴逐字稿、独立改写稿 | 本地任务目录 + 飞书对标结果表 |
  42. | 已配置的行业信源与时间范围 | 带来源的资讯、选题方向,以及按策略生成的文字稿 / 口播稿 | 飞书资讯表与关联文档 |
  43. **平台分工:**
  44. | 类型 | 范围 | 使用条件 |
  45. |---|---|---|
  46. | 视频采集来源 | 视频号、小红书、抖音、B站、快手、YouTube、TikTok、Instagram | 来自内置引擎的 8 平台流程,先检查当前登录、网络和可达性 |
  47. | 单篇素材 / 资讯来源 | 小红书笔记、公众号文章、可访问网页、已配置行业信源 | 按实际正文提取能力处理;不可读取时可提供正文 |
  48. | Agent 执行宿主 | 现有部署文档为 WorkBuddy;Codex / Claude Code 需适配工具 | 能读取 Skill、执行本地命令、调用浏览器和飞书工具 |
  49. | 输入入口与存储 | 宿主聊天;配置后的微信助理;飞书 Sheets、文档与知识库 | 微信接入和飞书授权分别配置 |
  50. 八平台验证记录来自内置引擎 **2026 年 9 月的历史案例**,不代表本次重新验证了全部链路,也不保证任意账号都能完整采集。筛选以平台实际返回的字段为准;缺失的播放量等指标不能当作 0。现有飞书字段方案使用 **电子表格 Sheets**,迁移到多维表格 Base 需要另做适配。
  51. ## 🚀 快速开始
  52. > 💡 如果这个项目对你有帮助,请给个 ⭐ Star 支持一下!
  53. ### 方式一:一句话安装(推荐)
  54. 把下面这段发给你使用的 Agent。安装到 Codex / Claude Code 后,应先检查工具适配;现有 WorkBuddy 的微信助理与自动化配置不能直接当作其他宿主的现成功能。
  55. ```text
  56. 帮我从 GitHub 安装这个 Skill:
  57. https://github.com/caodoris471/self-media-content-base
  58. 按当前宿主克隆完整仓库:
  59. Codex:~/.codex/skills/self-media-content-base
  60. Claude Code:~/.claude/skills/self-media-content-base
  61. WorkBuddy:~/.workbuddy/skills/self-media-content-base
  62. 先检查目标目录是否已有修改,不覆盖现有定制版。
  63. 读取 SKILL.md、references/deployment.md 和 SOP流程说明-底座版.html。
  64. 确认 scripts/、references/、扒取/ 齐全,采集引擎已内置,不重复安装。
  65. 本仓库没有统一安装脚本,请按目标工作流检查依赖和宿主工具。
  66. 先一次性列出我需要填写的人设、赛道、信源、筛选规则和飞书配置,
  67. 填好并确认后,再完成授权与一条内容的提取、改写、入库和回读测试。
  68. ```
  69. 装完说的第一句话:
  70. ```text
  71. 使用 self-media-content-base,帮我配置一个自己的自媒体素材库。
  72. 先发完整配置清单,确认我的人设、内容赛道和飞书目标位置。
  73. 配置完成后,用我提供的一条链接验证“提取 → 改写 → 入库 → 回读”。
  74. ```
  75. 部署验收通过后,可以这样下任务:
  76. ```text
  77. 使用 self-media-content-base:整理这条链接 <内容链接>,
  78. 按已配置人设生成口播稿,登记到我的素材表,返回来源和稿件位置。
  79. ```
  80. ```text
  81. 使用 self-media-content-base:研究这个抖音博主 <主页链接>,
  82. 筛选最近 30 天点赞超过 1000 的视频,按干货拆解型改写,写入对标结果表。
  83. ```
  84. ```text
  85. 使用 self-media-content-base:更新已配置信源最近 7 天的行业资讯,
  86. 核对原文、日期和重复事件,提炼适合我账号的选题,按已启用策略入库。
  87. ```
  88. 开工前会核对人设、赛道、稿件要求、采集范围和飞书目标;已确认的配置可以复用,新增或缺失的关键项再补齐。
  89. ### 方式二:手动安装
  90. 以下为 Codex 的 PowerShell 示例;Claude Code 将 `.codex` 替换成 `.claude`,WorkBuddy 替换成 `.workbuddy`。目录已经存在时先检查,不覆盖定制内容。
  91. ```powershell
  92. $skillPath = Join-Path $env:USERPROFILE '.codex\skills\self-media-content-base'
  93. git clone https://github.com/caodoris471/self-media-content-base.git "$skillPath"
  94. Set-Location -LiteralPath $skillPath
  95. Get-Content -LiteralPath '.\SKILL.md' -Encoding UTF8
  96. # 没有统一安装脚本:让 Agent 按下表检查依赖,再配置人设与飞书。
  97. # 下载后可用浏览器打开 SOP流程说明-底座版.html 查看部署步骤。
  98. ```
  99. 连接 GitHub 失败时,先确认本机网络和实际代理配置。详细安装使用现有 [SOP 页面](SOP流程说明-底座版.html)、[接入与验收](references/deployment.md) 和 [使用说明](使用说明.md),本仓库目前没有单独的 `docs/` 目录。
  100. ## 📋 用到的软件和 Skill
  101. | 类别 | 名称 | 用途 | 安装方式 |
  102. |---|---|---|---|
  103. | Skill | [内置视频采集引擎](扒取/SKILL.md) | 8 平台视频采集、转写与改写验收 | 已包含在 `扒取/`,无需另装同名引擎 |
  104. | Skill | 飞书操作 Skill / [飞书开放平台工具](https://open.feishu.cn/) | 电子表格、文档、知识库读写 | 按宿主安装对应工具并完成用户授权 |
  105. | 运行环境 | [WorkBuddy](https://www.workbuddy.cn/) / 适配后的 Agent | 执行规则、浏览器操作与模型写作 | 安装宿主;Codex / Claude Code 先检查工具适配 |
  106. | 运行环境 | [Python](https://www.python.org/) · [Git](https://git-scm.com/) | 运行脚本、下载和更新仓库 | 现有流程使用 Python 3.12,依赖放入选定环境 |
  107. | 软件 | [FFmpeg](https://ffmpeg.org/) · [Edge](https://www.microsoft.com/edge) / Playwright 浏览器 | 音频提取、登录与页面读取 | 按目标平台部署并检查可执行路径 |
  108. | 软件 | [MediaCrawler](https://github.com/NanmiCoder/MediaCrawler) · [视频号工具](https://github.com/ltaoo/wx_channels_download) | 对应平台的视频采集 | 仅按需要的平台参考部署,不包含完整外部工具 |
  109. | 软件 | `lark-cli` 或对应飞书工具 | 授权、写入与回读 | 按所用工具官方说明安装,并验证目标表与文档权限 |
  110. | Python 包 | [faster-whisper](https://github.com/SYSTRAN/faster-whisper) · [yt-dlp](https://github.com/yt-dlp/yt-dlp) · [Playwright](https://playwright.dev/python/) | 转写、下载、浏览器操作 | 在实际运行的 Python 环境中按需安装,另准备模型与浏览器 |
  111. | 素材 | 自有或获授权的链接、视频与行业信源 | 素材提取与内容研究 | 部署时提供来源和访问条件 |
  112. | 可选项 | 微信助理、宿主自动化、专用登录态 | 移动端投递与周期触发 | 基础链路通过后再配置;需要本人扫码时由本人完成 |
  113. ## ⚙️ 需要换成你自己的
  114. 先保留一份模板,为自己的账号创建定制副本;不同账号分别绑定人设和目标表。仅修改本次工作流实际使用的配置与脚本。
  115. | 文件 | 字段 | 填什么 |
  116. |---|---|---|
  117. | `SKILL.md`、`references/roles.md` | 作者、账号归属、人设、语气与内容赛道 | 你是谁、为谁写、关注什么、如何表达 |
  118. | `SKILL.md`、`references/sop.md`、SOP 页面 | 栏目、信源、选题黑白名单、时间窗与热度阈值 | 自己的内容规则,不直接采用示例值 |
  119. | `references/schema.md`、入库脚本 | 表格、工作表、知识库位置、字段映射与工具路径 | 自己有权读写的飞书目标与工具;不要提交凭据 |
  120. | `scripts/publish_*.py` 等实际调用的脚本 | 工作目录、表格坐标、文档位置、目标域名等占位或示例常量 | 当前项目的真实配置;先检查再执行 |
  121. | `扒取/scripts/` 中实际调用的脚本 | 项目目录、源数据路径、模型与语言 | 本次任务目录、可用模型和视频实际语言 |
  122. | 宿主的入口与自动化配置(按需) | 微信绑定、执行时间、时区、配置与账本路径 | 自己的接入和计划;复制 Skill 不会自动创建任务 |
  123. ## 🗺️ 完整流程
  124. | # | 节点 | 工具 |
  125. |---|---|---|
  126. | 1 | 确认作者、赛道、信源、稿件要求和目标表 | Agent + 配置清单 |
  127. | 2 | 检查依赖,完成登录与飞书授权 | 本机环境 + 采集 / 飞书工具 |
  128. | 3 | 用一条实际内容验证提取、改写、入库和回读 | Agent + 对应工作流 |
  129. | 4 | 接收链接、读取对标名单或执行资讯任务 | 宿主聊天 / 已配置入口 |
  130. | 5 | 提取正文,或采集视频并完整转写 | 浏览器 / 内置引擎 + Whisper |
  131. | 6 | 保留来源,分类并按人设生成稿件 | Agent + 角色与稿件规则 |
  132. | 7 | 检查格式、完整性、事实与改写差异 | 质检规则 + 对应检查脚本 |
  133. | 8 | 写飞书并回读,记录各条状态与失败原因 | 飞书工具 + 任务账本 |
  134. | 9 | 基础链路通过后,按需配置微信入口或自动化 | 宿主提供的接入与调度能力 |
  135. 详细 SOP 见 [SOP 页面](SOP流程说明-底座版.html)、[全流程说明](00-SOP-自媒体素材库全流程.md) 和 [接入与验收](references/deployment.md)。视频任务应单独验证实际视频链路;文章测试通过不代表全部平台均已通过。生成稿件后标记待审核,制作与发布状态按真实进度登记。
  136. ## ❓ 常见问题
  137. - **装完为什么没有自动开始收素材?** 先完成人设、赛道、飞书配置和一条内容的闭环验证;微信助理和定时任务还需在宿主中接入。
  138. - **Codex / Claude Code 能直接照搬微信和定时配置吗?** 现有接入说明针对 WorkBuddy。其他宿主需要映射命令、浏览器、飞书权限和调度能力,并重新验收。
  139. - **公众号或某个平台链接读不到?** 检查登录与访问条件,无法取得正文时提供原文;不要根据标题编造完整内容。八平台视频流程也受权限、网络和限流影响。
  140. - **飞书能读却不能写,或者长稿不完整?** 分别检查写权限、工作表字段和文档位置;用一条内容做写入回读,长稿按配置关联可打开的文档。
  141. - **为什么改写稿只是原文换词,或者任务中途停止?** 前者需由 AI 重新组织并通过相应质检;后者应查看账本中的实际阶段,核对远端结果后续跑,避免重复入库。
  142. - **与 blogger-video-pipeline 怎么选?** 只需要一次对标研究和本地视频 / 逐字稿,选 [blogger-video-pipeline](https://github.com/caodoris471/blogger-video-pipeline)。需要持续收集、按人设改写和飞书协作,选本仓库;采集引擎已内置。视频剪辑与社交平台发布需另用对应工具。
  143. ## ⭐ 支持项目
  144. 觉得有帮助,可以给 [本仓库](https://github.com/caodoris471/self-media-content-base) 点 ⭐ Star。问题和建议请提交 [Issue](https://github.com/caodoris471/self-media-content-base/issues),附上脱敏后的环境、任务步骤与错误信息。
  145. ## 🙏 致谢
  146. [blogger-video-pipeline](https://github.com/caodoris471/blogger-video-pipeline) · [MediaCrawler](https://github.com/NanmiCoder/MediaCrawler) · [faster-whisper](https://github.com/SYSTRAN/faster-whisper) · [yt-dlp](https://github.com/yt-dlp/yt-dlp) · [FFmpeg](https://ffmpeg.org/) · [Playwright](https://playwright.dev/) · [飞书开放平台](https://open.feishu.cn/)
  147. ## 📄 许可
  148. 本仓库当前没有单独的 `LICENSE` 文件;使用、修改或再分发的授权范围请向作者确认。第三方软件和依赖遵循各自许可证。素材、文章、视频和转写涉及原作者权利,采集或改写不等于取得再分发授权。

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.