@9000ai/cli 0.6.4 → 0.7.0

package/skills/9000AI-hub/init/templates/benchmarks/README.md

@@ -1,25 +1,70 @@
 # 对标文案库
 
-这个目录存放从对标账号转写的文案。
+这个目录存放从对标账号转写、拆解的文案素材。是你的内容弹药库，AI 做选题时会检索这里。
 
-## 用法
+## 工作流
 
-- 按分类建子目录（和 `claims/` 中的主张对应）
-- 转写文案用 `9000ai transcribe text --task-id <id> --dir <分类> --name <作者_标题>` 自动落盘到这里
-- AI 按需读取单个文件进行分析、改写
+```
+搜索/监控 → 发现好内容 → 转写 → 拆解分析 → 存到 benchmarks/主题/
+                                                ↓
+                                    自动更新 index.json
+                                                ↓
+                              下次做选题时 AI 按标签检索
+```
 
-## 目录结构示例
+## 目录结构
 
 ```
 benchmarks/
-├── AI+就业/
-│   ├── 一鸣财经_中国教育的三大魔幻现象.txt
-│   └── 张三说_AI替代了哪些工作.txt
+├── index.json                 ← AI 检索入口，存素材索引
+├── AI就业/
+│   ├── 一鸣财经_中国教育的三大魔幻现象.md
+│   └── 张三说_AI替代了哪些工作.md
 ├── 知识付费/
-│   └── 李四_如何做知识付费.txt
+│   └── 李四_如何做知识付费.md
 └── README.md
 ```
 
+## index.json 格式
+
+每次存入新素材时，AI 必须同步更新 index.json：
+
+```json
+[
+  {
+    "id": "bm001",
+    "topic": "AI就业",
+    "title": "一鸣财经讲中国教育的三大魔幻现象",
+    "type": "transcription",
+    "file": "AI就业/一鸣财经_中国教育的三大魔幻现象.md",
+    "tags": ["AI", "教育", "就业"],
+    "source_video_id": "7582142740935970054",
+    "author": "一鸣财经",
+    "created_at": "2026-04-03"
+  }
+]
+```
+
+| 字段 | 说明 |
+|------|------|
+| id | 递增编号 bm001, bm002... |
+| topic | 所属主题目录名 |
+| title | 素材标题 |
+| type | transcription(转写) / analysis(拆解) / collection(合集) |
+| file | 相对路径 |
+| tags | 关键词标签，用于检索匹配 |
+| source_video_id | 来源视频 ID（可选） |
+| author | 原作者（可选） |
+| created_at | 入库日期 |
+
+## AI 检索规则
+
+1. 做选题时，先读 `index.json` 看有没有相关素材
+2. 按 tags 或 topic 匹配，不要全量扫描目录
+3. 只读匹配到的具体文件，不读整个目录
+
 ## 和 claims 的关系
 
-`claims/` 定义你的核心主张，`benchmarks/` 存对标账号的表达方式。AI 可以对比两者，找到差异化的内容角度。
+- `claims/` 定义你的核心主张
+- `benchmarks/` 存对标账号的表达方式
+- AI 对比两者，找到差异化的内容角度

package/skills/9000AI-hub/init/templates/benchmarks/index.json

@@ -0,0 +1 @@
+[]

package/skills/9000AI-hub/init/templates/claims/README.md

@@ -49,7 +49,7 @@
 ### cases.jsonl（每行一条 JSON）
 
 ```json
-{"id":"c001","claim_id":"cl001","angle_id":null,"type":"event","title":"标题","summary":"摘要","source":"来源","direction":"negative","date":"2026-03-28"}
+{"id":"c001","claim_id":"cl001","angle_id":null,"type":"phenomenon","title":"标题","summary":"摘要","source":"来源","source_ip":"博主名","tags":["标签1","标签2"],"direction":"positive","date":"2026-03-28","reuse_count":0}
 ```
 
 | 字段 | 类型 | 必填 | 说明 |
@@ -57,12 +57,15 @@
 | id | string | 是 | 格式 c{NNN} |
 | claim_id | string | 是 | 关联的主张 ID |
 | angle_id | string\|null | 否 | 关联角度 ID，初期可为 null |
-| type | string | 是 | event / opinion / story |
+| type | string | 是 | event(热点事件) / phenomenon(社会现象) / history(历史事件) / business(商业案例) / opinion(观点金句) / story(个人故事) |
 | title | string | 是 | 标题 |
 | summary | string | 是 | 摘要 |
 | source | string | 否 | 来源（平台@账号） |
+| source_ip | string | 否 | 来源 IP 名称（如"栋哥"、"曲曲大女人"），用于按对标 IP 检索 |
+| tags | string[] | 是 | 关键词标签（行业+情绪+场景），用于检索匹配 |
 | direction | string | 是 | positive（证实）/ negative（证伪） |
 | date | string | 否 | 日期 |
+| reuse_count | int | 是 | 被引用次数，初始 0，每次成文引用 +1，避免过度复用 |
 
 ### outputs.jsonl（每行一条 JSON）
 

package/skills/9000AI-hub/init/templates/guide.md

@@ -6,10 +6,15 @@
 ./
 ├── agents/content-agent.md    # AI 助手的角色定义
 ├── profile/                   # 你的画像（身份、风格、领域、产品）
+├── claims/                    # 主张库（主张定义、角度、产出记录）
+├── assets/                    # 内容弹药库（所有素材统一存放）
+│   ├── catalog.json               仓库总览
+│   ├── _index/                    每个主题的素材索引
+│   ├── _自己的/                    你自己的好内容
+│   └── _待分类/                    还没归类的素材
+├── workflows/                 # 工作流（会在使用中不断进化）
 ├── inbox/                     # 素材投喂入口
-├── claims/                    # 主张库（你的核心资产）
 ├── projects/                  # 选题项目
-├── CLAUDE.md                  # Claude Code 自动载入文件
 └── guide.md                   # 就是这份指南
 ```
 
@@ -18,17 +23,17 @@
 ## 全流程概览
 
 ```
-发现热点 → 匹配主张 → 找角度 → 补素材 → 转写视频 → 产出内容
-   ↑            ↑          ↑         ↑          ↑
- 热榜/搜索   claims.json  angles   cases     视频转文字
+发现热点 → 匹配主张 → 找角度 → 从弹药库找素材 → 不够就搜+转写+入库 → 产出内容
+   ↑            ↑          ↑           ↑                ↑                ↑
+ 热榜/搜索   claims.json  angles    assets/          自动补充         outputs
 ```
 
 1. **发现**：用热榜或搜索找到值得追的热点
 2. **匹配**：看这个热点能挂到你的哪个主张上
 3. **切角度**：从角度库找已有角度，或基于主张推新角度
-4. **补素材**：从案例库拉历史素材，或搜索新素材
-5. **转写**：对标视频转成文字稿，分析学习
-6. **产出**：录制/撰写内容，记录到 outputs.jsonl
+4. **找素材**：AI 从弹药库按标签检索相关案例和对标文案
+5. **补素材**：弹药库里不够就自动搜索、转写、拆解、入库
+6. **产出**：组合成文，记录到 outputs.jsonl
 
 ---
 
@@ -75,6 +80,21 @@
 
 ---
 
+## 第三步：积累内容弹药
+
+`assets/` 是你的内容弹药库。所有素材——对标博主的文案、你自己的金句、搜索到的案例——全部存在这里。
+
+AI 通过三层检索找素材：
+1. 先看 `catalog.json`（仓库总览）判断翻哪个主题
+2. 再看 `_index/{主题}.jsonl` 按标签筛出相关条目
+3. 只读命中的具体文件
+
+你自己的好内容存在 `assets/_自己的/`，AI 取用时会优先用你验证过的素材。
+
+详见 `assets/README.md`。
+
+---
+
 ## 各能力快速入门
 
 ### 热榜 — 看当前什么话题热
@@ -93,29 +113,24 @@
 9000ai search keyword "知识付费" --sort 0 --time 7
 ```
 
-结果自动存到 `output/` 目录
-
 ### 对标监控 — 盯住你的对标账号
 
 ```bash
 # 查看已有监控目标
 9000ai monitor list-creators
 
+# 直接看某人主页视频
+9000ai monitor fetch --sec-user <sec_user_id> --fields desc,likes,shares,create_time
+
 # 提交监控任务
 9000ai monitor submit --json-file <配置文件>
-
-# 查看执行历史
-9000ai monitor list-runs
 ```
 
 ### 视频转文字
 
 ```bash
-# 提交转写任务
-9000ai transcribe submit --json-file <视频列表>
-
-# 查看任务状态
-9000ai task status --task-id <id>
+# 按 video_id 转写（推荐）
+9000ai transcribe submit --video-ids <id1,id2,...>
 
 # 获取转写结果
 9000ai transcribe text --task-id <id>
@@ -136,35 +151,45 @@
 
 1. `9000ai search hot` 拉热榜
 2. 看到热点，问 agent：「这个热点能挂到我的哪个主张上？」
-3. Agent 提取关键词 → 匹配 angles.jsonl 的 tags
-4. 命中角度 → 推荐角度 + 拉历史案例
-5. 没命中 → 基于主张推 2-3 个新角度，你选一个，写回 angles.jsonl
+3. Agent 匹配主张 → 从弹药库检索相关素材 → 推荐角度
+4. 素材不够 → 自动搜索补充 → 转写 → 入库
+5. 组合成文
 6. 录制完成 → 记录到 outputs.jsonl
 
 ### 场景 B：投喂素材，积累弹药
 
 1. 把会议记录、文章、视频链接丢进 `inbox/`
 2. 告诉 agent：「处理 inbox」
-3. Agent 自动提取案例和观点 → 写入 `claims/cases.jsonl`
+3. Agent 自动分类 → 素材存入 assets/ 对应主题 → 更新索引
 4. 原始文件归档到 `inbox/processed/`
 
 ### 场景 C：围绕主题做批量选题调研
 
 1. `9000ai search keyword "关键词"` 搜索目标内容
-2. 结果落到 output 文件
-3. 挑出值得学的视频 → `9000ai transcribe submit` 转文字稿
-4. 分析文字稿 → 提取案例写入 cases.jsonl
-5. 基于积累的案例 → 规划一周选题
+2. 挑出值得学的视频 → `9000ai transcribe submit` 转文字稿
+3. 转写结果存到 `assets/{主题}/`，拆解报告存旁边
+4. AI 自动更新索引，素材进入弹药库
+5. 基于积累的弹药 → 规划一周选题
 
 ### 场景 D：对标监控 + 持续素材积累
 
 1. `9000ai monitor create-creator` 添加对标账号
 2. 定期监控，获取最新内容
-3. 值得学的视频 → 转写 → 提取角度和案例
+3. 值得学的视频 → 转写 → 拆解 → 存到 `assets/` → 案例入库
 4. 找对标做了但你没做的角度 → 新选题
 
 ---
 
+## 工作流进化
+
+`workflows/` 目录下的工作流文件会在使用中不断进化。你每次纠正 AI 的判断，AI 会把验证过的标准追加进去。
+
+比如你说"点赞低于500的案例不要"，AI 就把这条规则追加到对应工作流里。下次自动按这个标准筛，不再问你。
+
+用得越多，规则越多，AI 越来越不需要问你。
+
+---
+
 ## 常见问题
 
 **怎么重新初始化？**
@@ -183,3 +208,6 @@
 
 **inbox 里的文件处理完去哪了？**
 归档到 `inbox/processed/`，不会被删除。
+
+**弹药库素材怎么找？**
+不需要手动找。告诉 AI 你要做什么，AI 会自动从 assets/ 检索。你也可以按主题文件夹自己翻。

package/skills/9000AI-hub/init/templates/workflows/README.md

@@ -0,0 +1,26 @@
+# 工作流
+
+这里存放内容生产的工作流定义。
+
+## 核心特性
+
+工作流不是写死的。你和 AI 一起用的过程中，AI 会把验证过的标准追加到对应工作流文件里。用得越多，AI 自主空间越大，需要问你的越少。
+
+## 每个工作流文件的结构
+
+```markdown
+# 工作流名称
+
+## 步骤
+（具体步骤）
+
+## 已验证规则
+（在使用中逐步积累，AI 追加，用户确认）
+```
+
+## 规则追加原则
+
+- 只记真正的规律，单次偶发纠正不写入
+- 记标准不记操作
+- 记原因，方便判断边界情况
+- 用户确认后才追加

package/skills/content-processing/SKILL.md

@@ -0,0 +1,119 @@
+---
+name: content-processing
+description: 当用户要批量拆解文案、改写文案、提取摘要、或用自定义 prompt 批量处理文本时使用。后台异步执行，提交后通过 task status 回查结果。
+triggers:
+  - 文案拆解
+  - 文案改写
+  - 文案分析
+  - 批量拆解
+  - 批量改写
+  - 内容摘要
+  - 批量处理文案
+role: operator
+scope: execution
+output-format: task-oriented
+---
+
+# 内容处理 Skill
+
+批量 LLM 文案处理：拆解、改写、摘要，或自定义 prompt。
+
+## 适用范围
+
+- 批量文案拆解（提取 hook、论点、金句、节奏等）
+- 批量文案改写
+- 批量提取摘要
+- 自定义 prompt 批量处理任意文本
+
+## 内置 Preset
+
+| Preset | 说明 |
+|--------|------|
+| `analyze` | 结构化拆解：hook/主题/论点/金句/CTA/节奏 |
+| `summarize` | 100 字以内核心摘要 |
+| `rewrite` | 保留观点换表达 |
+
+查看可用 preset：
+
+```bash
+9000ai content presets
+```
+
+## 工作方式
+
+内容处理是异步任务：
+1. 准备文本文件（JSON 格式）
+2. 提交批量任务
+3. 拿到 batch_id
+4. 回查结果
+
+## 文本文件格式
+
+```json
+[
+  {"id": "bm001", "text": "文案内容..."},
+  {"id": "bm002", "text": "另一段文案..."}
+]
+```
+
+`id` 用于标识每段文案，建议用有意义的名称（如视频 ID、标题缩写等）。
+
+## 命令
+
+```bash
+# 用内置 preset 拆解
+9000ai content analyze --preset analyze --texts-file texts.json --group-label "AI就业-拆解"
+
+# 用内置 preset 改写
+9000ai content analyze --preset rewrite --texts-file texts.json
+
+# 用自定义 prompt
+9000ai content analyze --system-prompt "请提取文案中的数据和论据" --texts-file texts.json
+
+# 提交并等待结果
+9000ai content analyze --preset analyze --texts-file texts.json --wait
+
+# 查询结果
+9000ai task status --batch-id <batch_id>
+9000ai task results --task-id <task_id> --fields output
+```
+
+## 典型串联流程
+
+监控 → 转写 → 拆解：
+
+```bash
+# 1. 转写视频
+9000ai transcribe submit --video-ids <id1>,<id2> --group-label "竞品分析"
+
+# 2. 提取文案到本地
+9000ai transcribe text --task-id <task_id1> --dir "竞品分析"
+9000ai transcribe text --task-id <task_id2> --dir "竞品分析"
+
+# 3. 准备 texts.json（从转写文案组装）
+# 4. 批量拆解
+9000ai content analyze --preset analyze --texts-file texts.json --group-label "竞品分析-拆解" --wait
+```
+
+## 性能准则（必须遵守）
+
+### 数据精简
+
+查询结果时用 `--fields` 只取需要的字段。
+
+```bash
+# 只取 LLM 输出
+9000ai task results --task-id <id> --fields output
+```
+
+### 并行执行
+
+独立操作必须并行，不要串行等待。
+
+### 不暴露中间过程
+
+拿到结果后直接呈现分析结论，不要展示原始 JSON。
+
+## 参考
+
+接口细节见 `references/endpoints.md`。

package/skills/content-processing/references/endpoints.md

@@ -0,0 +1,72 @@
+# Content Processing API Endpoints
+
+## POST /api/v1/content/batch-analyze
+
+批量提交 LLM 处理任务。
+
+**Request:**
+
+```json
+{
+  "preset": "analyze",
+  "texts": [
+    {"id": "bm001", "text": "文案内容..."},
+    {"id": "bm002", "text": "另一段..."}
+  ],
+  "model": "gemini-2.5-pro",
+  "group_label": "AI就业-拆解",
+  "webhook": "https://..."
+}
+```
+
+| 字段 | 必填 | 说明 |
+|------|------|------|
+| preset | 二选一 | 内置模板名：analyze / summarize / rewrite |
+| system_prompt | 二选一 | 自定义 system prompt |
+| texts | 是 | 文本列表，每项含 id 和 text |
+| model | 否 | 覆盖默认模型 |
+| group_label | 否 | 分组标签 |
+| webhook | 否 | 回调地址 |
+
+**Response:**
+
+```json
+{
+  "code": 0,
+  "data": {
+    "batch_id": "uuid",
+    "total_tasks": 2,
+    "tasks": [
+      {"task_id": "uuid", "third_party_task_id": "bm001", "status": "pending"},
+      {"task_id": "uuid", "third_party_task_id": "bm002", "status": "pending"}
+    ]
+  },
+  "message": "已提交 2 个 LLM 任务"
+}
+```
+
+## GET /api/v1/content/presets
+
+列出可用的内置 preset。
+
+**Response:**
+
+```json
+{
+  "code": 0,
+  "data": {
+    "presets": ["analyze", "rewrite", "summarize"]
+  }
+}
+```
+
+## 结果查询
+
+使用通用任务接口：
+
+```
+GET /api/v1/tasks/{task_id}
+GET /api/v1/tasks/batch/{batch_id}
+```
+
+每个 task 的 `output` 字段包含 LLM 返回的处理结果。

package/skills/douyin-topic-discovery/SKILL.md

@@ -19,39 +19,33 @@ output-format: file-oriented
 
 # 抖音选题发现 Skill
 
-这个 skill 对应一个能力：`douyin_topic_discovery`。
+这个 skill 对应一个能力：`douyin_topic_discovery`。用于拉取抖音热点榜和按关键词搜索视频。
 
-## 先看变量名
-
-不要去别的文档里猜变量名。这个 skill 固定只认中台统一变量：
+## 命令
 
-```text
-9000AI_BASE_URL
-9000AI_API_KEY
-```
+```bash
+# 热榜
+9000ai search hot --type society --count 20
+9000ai search hot --type all --count 20
 
-请求头里的 key 名固定是：
+# 关键词搜索（异步，返回 batch_id）
+9000ai search keyword “AI创业” “副业” --sort 0 --time 7 --min-likes 200
 
-```text
-X-API-Key
-```
+# 搜索并等待结果
+9000ai search keyword “知识付费” --wait --fields desc,author_name,likes
 
-读取优先级固定是：
+# 查询批次结果
+9000ai search batch-result --batch-id <batch_id> --fields desc,author_name,likes
 
-```text
-1. 命令行参数
-2. 9000AI_BASE_URL / 9000AI_API_KEY
-3. douyin-topic-discovery-9000AI/local/config.json
+# 查看结果文件
+9000ai search list-output
+9000ai search show-result --input latest_search --row 3
+9000ai search export-media --input latest_search --row 3
 ```
 
-本地配置文件的字段名固定是：
+搜索结果数量：每个关键词默认 30 条，后端自动翻页聚合。
 
-```json
-{
-  "base_url": "http://127.0.0.1:8025",
-  "api_key": "sk-xxx"
-}
-```
+常用榜单类型：`hot`（综合）、`society`（社会）、`entertainment`（娱乐）、`seeding`（种草）、`city`（城市）、`challenge`（挑战）
 
 ## 批量选题调研
 
@@ -61,104 +55,24 @@ X-API-Key
 
 按该文档的阶段逐步执行，不要跳步。
 
-## 当前范围
-
-用于：
-- 获取抖音热点榜
-- 按关键词搜索抖音搜索流
-- 把结果落到 `output/` 目录
-- 让后续脚本按文件继续消费
-- 批量选题调研（按工作流文档执行）
-
-不负责：
-- 自动生成推荐结论
-
-## 工作方式
-
-标准动作是：
-1. 调热榜或搜索流 API
-2. 把结果写到 `douyin-topic-discovery-9000AI/output/`
-3. 对话里只展示摘要和少量关键字段
-
-`search` 现在是真异步：
-1. 先提交 `batch`
-2. 立即返回 `batch_id`
-3. 需要结果时，再用 `batch-result` 查询
-4. 查询到结果后，再落 `latest_search.json/tsv`
-
-## 配置
-
-优先推荐直接配中台统一环境变量：
-
-```powershell
-$env:9000AI_BASE_URL = "http://127.0.0.1:8025"
-$env:9000AI_API_KEY = "sk-xxx"
-```
-
-或者通过 CLI 写入配置：
-
-```bash
-9000ai config set --base-url http://127.0.0.1:8025 --api-key <key>
-```
-
 ## 输出目录
 
-固定输出到：
-
-```text
-output/
-```
-
-常用文件：
-- `latest_hot.json`
-- `latest_hot.tsv`
-- `latest_search.json`
-- `latest_search.tsv`
-
-## 命令
-
-查看帮助：
-
-```bash
-9000ai search --help
-```
-
-常用命令：
-
-```bash
-9000ai config set --base-url http://127.0.0.1:8025 --api-key <key>
-9000ai auth whoami
-9000ai auth capabilities
-9000ai search hot --type society --count 20
-9000ai search keyword "AI创业" "副业" --sort 0 --time 7 --content-type 1 --filter-duration 0 --min-likes 200 --min-comments 20
-9000ai search batch-result --batch-id <batch_id>
-9000ai search list-output
-9000ai search show-result --input latest_search --row 3
-9000ai search export-media --input latest_search --row 3
-```
-
-搜索结果数量规则：
-- `search` 每个关键词默认抓取 `30` 条
-- 后端会基于 `search_general_v3` 自动翻页聚合，不需要额外传分页参数
+结果自动落盘到 `output/`：
+- `latest_hot.json` / `latest_hot.tsv`
+- `latest_search.json` / `latest_search.tsv`
 
 ## 性能准则（必须遵守）
 
 ### 数据精简
 
-搜索结果和任务结果都支持 `--fields`、`--compact` 和 `--format csv`。**默认必须用 `--fields` 只取需要的字段，禁止全量读取。**
+**默认必须用 `--fields` 只取需要的字段，禁止全量读取。**
 
 ```bash
-# 错误 — 返回全量 JSON，浪费上下文
+# 错误 — 全量返回
 9000ai search batch-result --batch-id <id>
 
-# 正确 — 只取选题需要的字段
+# 正确 — 只取需要的字段
 9000ai search batch-result --batch-id <id> --fields desc,author_name,likes,duration
-
-# CSV 格式 — 省 token，适合列表数据
-9000ai search keyword "美食探店" --wait --format csv --fields desc,author_name,author_sec_uid,likes
-
-# 更紧凑 — 每条一行 JSON
-9000ai search batch-result --batch-id <id> --fields desc,author_name,likes --compact
 ```
 
 常用字段组合：
@@ -168,24 +82,14 @@ output/
 
 ### 并行执行
 
-独立操作必须并行，不要串行等待。
-
-可以并行：
-- 多个 `batch-result` 查询（不同 batch_id）
-- 写输出文件 + 查询下一批结果
-- 多关键词搜索提交后，同时查询各自的 batch_id
-
-不能并行：
-- 提交搜索 → 等 batch_id 返回 → 查询结果（有依赖）
-
-### 减少中间文件
+独立操作必须并行。多个 batch_id 的结果查询、多关键词搜索提交后同时查询。
 
-简单的热榜或搜索请求直接用命令行参数，不要写 JSON 文件。
+不能并行：提交搜索 → 等 batch_id → 查结果（有依赖）。
 
 ### 不暴露中间过程
 
-拿到搜索结果后直接输出摘要或执行下一步，不要把原始 JSON 全量展示给用户。
+拿到结果后直接输出摘要或执行下一步，不要把原始 JSON 全量展示给用户。
 
-## 一句话总结
+## 参考
 
-这是一个”热榜 + search_general_v3 搜索流”的抖音选题发现 skill。
+接口细节和字段说明见 `references/endpoints.md`。