@9000ai/cli 0.6.5 → 0.7.0

package/dist/commands/content.d.ts

@@ -0,0 +1,2 @@
+import { Command } from "commander";
+export declare function registerContentCommands(parent: Command): void;

package/dist/commands/content.js

@@ -0,0 +1,66 @@
+import { request, printJson, pollUntilDone } from "../client.js";
+import { loadJsonFile } from "../utils/format.js";
+export function registerContentCommands(parent) {
+    const cmd = parent.command("content").description("LLM content processing (analyze, rewrite, summarize)");
+    cmd
+        .command("analyze")
+        .description("Submit batch LLM processing tasks")
+        .option("--preset <name>", "Built-in preset: analyze, summarize, rewrite")
+        .option("--system-prompt <prompt>", "Custom system prompt (alternative to --preset)")
+        .option("--texts-file <path>", "JSON file: [{\"id\": \"...\", \"text\": \"...\"}]")
+        .option("--model <model>", "Override LLM model")
+        .option("--group-label <label>", "Batch group label")
+        .option("--webhook <url>", "Webhook for completion callback")
+        .option("--wait", "Poll until all tasks complete")
+        .option("--fields <list>", "Comma-separated fields to extract")
+        .option("--compact", "One JSON object per line")
+        .action(async (opts) => {
+        if (!opts.textsFile) {
+            console.error("Error: --texts-file is required");
+            process.exit(1);
+        }
+        if (!opts.preset && !opts.systemPrompt) {
+            console.error("Error: must provide --preset or --system-prompt");
+            process.exit(1);
+        }
+        const textsData = loadJsonFile(opts.textsFile);
+        const texts = Array.isArray(textsData) ? textsData : textsData.texts;
+        const payload = { texts };
+        if (opts.preset)
+            payload.preset = opts.preset;
+        if (opts.systemPrompt)
+            payload.system_prompt = opts.systemPrompt;
+        if (opts.model)
+            payload.model = opts.model;
+        if (opts.groupLabel)
+            payload.group_label = opts.groupLabel;
+        if (opts.webhook)
+            payload.webhook = opts.webhook;
+        const data = await request({
+            method: "POST",
+            path: "/api/v1/content/batch-analyze",
+            payload,
+        });
+        const resp = data;
+        const inner = resp.data;
+        const batchId = inner?.batch_id;
+        if (!opts.wait || !batchId) {
+            printJson(data, { fields: opts.fields, compact: opts.compact });
+            return;
+        }
+        console.error(`Batch submitted → ${batchId}, waiting...`);
+        await pollUntilDone(`/api/v1/tasks/batch/${batchId}`);
+        const resultData = await request({
+            method: "GET",
+            path: `/api/v1/tasks/batch/${batchId}`,
+        });
+        printJson(resultData, { fields: opts.fields, compact: opts.compact });
+    });
+    cmd
+        .command("presets")
+        .description("List available LLM presets")
+        .action(async () => {
+        const data = await request({ method: "GET", path: "/api/v1/content/presets" });
+        printJson(data);
+    });
+}

package/dist/commands/init.js

@@ -2,7 +2,7 @@ import { existsSync, mkdirSync, copyFileSync, readFileSync, readdirSync, statSyn
 import { join, relative } from "path";
 import { resolveSkillsPath } from "../config.js";
 /** User data directories — never overwrite even with --force */
-const USER_DATA_DIRS = ["profile", "claims", "inbox", "projects", "benchmarks"];
+const USER_DATA_DIRS = ["profile", "claims", "inbox", "projects", "benchmarks", "assets", "workflows"];
 function filesEqual(a, b) {
     try {
         return readFileSync(a).equals(readFileSync(b));
@@ -114,7 +114,7 @@ export function registerInitCommand(program) {
         }
         else if (isUpdate) {
             console.log(`\nWhat's new:  9000ai skill load 9000AI-hub  to see latest capabilities.`);
-            console.log(`Your data (profile/, claims/, inbox/, projects/) was not modified.`);
+            console.log(`Your data (profile/, claims/, assets/, workflows/, inbox/, projects/) was not modified.`);
         }
     });
 }

package/dist/index.js

@@ -10,6 +10,7 @@ import { registerFeedbackCommands } from "./commands/feedback.js";
 import { registerSkillCommands } from "./commands/skill.js";
 import { registerInitCommand } from "./commands/init.js";
 import { registerUpdateCommand } from "./commands/update.js";
+import { registerContentCommands } from "./commands/content.js";
 const program = new Command();
 program
     .name("9000ai")
@@ -25,6 +26,7 @@ registerFeedbackCommands(program);
 registerSkillCommands(program);
 registerInitCommand(program);
 registerUpdateCommand(program);
+registerContentCommands(program);
 program.parseAsync(process.argv).catch((err) => {
     console.error(err);
     process.exit(1);

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@9000ai/cli",
-  "version": "0.6.5",
+  "version": "0.7.0",
   "description": "9000AI Toolbox CLI — unified command-line interface for 9000AI platform",
   "type": "module",
   "bin": {

package/skills/9000AI-hub/SKILL.md

@@ -57,6 +57,10 @@ output-format: routing-only
 - 命令: `9000ai transcribe`
 - 场景: 批量视频转文字、查看转写结果
 
+### 内容处理
+- 命令: `9000ai content`
+- 场景: 批量文案拆解、改写、摘要，或自定义 prompt 处理
+
 ### 反馈提交
 - 命令: `9000ai feedback`
 - 场景: 提交反馈、查看记录。接口报错或用户不满时主动提议反馈
@@ -69,6 +73,7 @@ output-format: routing-only
 | 查热榜 / 搜抖音 / 找选题 | `9000ai search` |
 | 看某人主页 / 监控抖音号 | `9000ai monitor` |
 | 视频转文字 / 转写 | `9000ai transcribe` |
+| 拆解这篇文案 / 分析内容 / 改写 / 摘要 | `9000ai content` |
 | 反馈 / 建议 / 报 bug | `9000ai feedback` |
 
 ## 首次使用流程
@@ -117,7 +122,8 @@ output-format: routing-only
 > 画像建好了。你的工作空间包含：
 > - `profile/` — 你的画像（刚填好的）
 > - `claims/` — 主张库，所有内容围绕主张展开
-> - `benchmarks/` — 对标文案库，转写和拆解的素材存这里，通过 index.json 索引
+> - `assets/` — 内容弹药库，所有素材统一存放，AI 通过三层检索找素材
+> - `workflows/` — 工作流，会在使用中不断进化
 > - `inbox/` — 素材投喂入口
 > - `projects/` — 选题项目
 >

package/skills/9000AI-hub/init/templates/agents/content-agent.md

@@ -11,9 +11,10 @@
 | 目录 | 用途 | 你的权限 |
 |------|------|---------|
 | profile/ | 了解用户是谁——身份、风格、领域 | 只读（用户维护） |
+| claims/ | 主张库——主张定义、角度、产出记录 | 读写（匹配、回写角度和产出） |
+| assets/ | 内容弹药库——所有素材统一存放 | 读写（入库、更新索引、标记使用） |
+| workflows/ | 工作流——会在使用中不断进化 | 读写（追加已验证规则） |
 | inbox/ | 接收用户投喂的语料——会议记录、视频链接、文章、随笔 | 读取 + 处理后归档 |
-| claims/ | 主张库——核心资产，所有内容围绕主张展开 | 读写（提取、匹配、回写） |
-| benchmarks/ | 对标文案库——转写、拆解的素材，通过 index.json 索引 | 读写（存素材 + 维护索引） |
 | projects/ | 选题项目——一个选题一个项目 | 读写 |
 
 ## 3. 可用工具能力
@@ -25,25 +26,136 @@
 | 对标账号监控 | 监控指定博主的内容更新 | `9000ai monitor` |
 | 视频转文字 | 批量将视频转为文字稿 | `9000ai transcribe` |
 
-## 3.1 benchmarks 对标文案库规则
+## 4. 内容弹药库（assets/）
 
-`benchmarks/` 通过 `index.json` 索引。**必须遵守以下规则：**
+弹药库是整个系统的核心。所有素材——对标博主的文案、拆解出来的案例、你自己的金句——全部存在这里。
 
-**存入素材时：**
-1. 按主题建子目录（如 `AI就业/`、`知识付费/`）
-2. 文件名格式：`作者_标题.md`
-3. **必须同步更新 `benchmarks/index.json`**，追加条目，id 递增
+### 4.1 三层检索
 
-**检索素材时：**
-1. 先读 `benchmarks/index.json`，按 tags 或 topic 匹配
-2. 只读匹配到的具体文件，不全量扫描目录
-3. 做选题前主动检查有没有相关对标素材
+AI 找素材不能一次性读全量，必须分层：
 
-## 4. inbox 处理规则
+**第一层：仓库总览 `assets/catalog.json`**
+
+AI 第一个读的文件。记录有哪些主题、每个主题多少素材、什么标签、关联哪些主张。
+
+```json
+[
+  {
+    "topic": "知识付费",
+    "count": 326,
+    "claim_ids": ["cl001"],
+    "top_tags": ["割韭菜", "教育", "焦虑", "课程"],
+    "top_ips": ["栋哥", "曲曲大女人"]
+  },
+  {
+    "topic": "_自己的",
+    "count": 89,
+    "claim_ids": ["cl001", "cl002", "cl003"],
+    "top_tags": ["金句", "开头", "亲身经历"],
+    "top_ips": []
+  }
+]
+```
+
+**第二层：主题索引 `assets/_index/{主题}.jsonl`**
+
+每个主题一个索引文件，每行一条素材摘要。AI 按标签过滤，筛出十几条相关的。
+
+```jsonl
+{"id":"a001","type":"transcription","title":"栋哥讲知识付费真相","tags":["知识付费","割韭菜","教育"],"source_ip":"栋哥","claim_ids":["cl001"],"hook":"知识付费就是当代最大的骗局","structure":"递进","date":"2026-04-04","reuse_count":2,"file":"知识付费/栋哥_知识付费真相.md"}
+```
+
+**第三层：具体文件 `assets/{主题}/{文件}`**
+
+只有被第二层命中了才读。转写原文、拆解报告、自己的片段都在这里。
+
+### 4.2 检索规则
+
+1. **必须从第一层开始**，不允许跳过总览直接扫索引
+2. 读 catalog.json → 判断该读哪几个主题的索引 → 读对应 _index/*.jsonl → 按标签筛 → 只读命中的具体文件
+3. `_自己的` 主题里的素材优先级高于对标素材——用户自己验证过的表述优先复用
+4. 每次使用某条素材后，更新该条记录的 `reuse_count`，避免过度复用同一个案例
+
+### 4.3 素材入库规则
+
+素材进来时，AI 做三件事：
+1. 具体文件存到 `assets/{主题}/`，文件名格式：`{作者}_{标题}.md`
+2. 在 `assets/_index/{主题}.jsonl` 追加一行索引记录
+3. 更新 `assets/catalog.json` 里对应主题的 count 和 top_tags
+
+新主题第一次出现时，自动建文件夹和索引文件，同时在 catalog.json 追加条目。
+
+还没想好放哪个主题的素材，先存到 `_待分类/`。
+
+### 4.4 拆解报告
+
+对标文案转写后，如果经过后端拆解，拆解报告存在原文旁边：
+
+```
+assets/知识付费/
+├── 栋哥_知识付费真相.md                ← 转写原文
+└── 栋哥_知识付费真相.analysis.json      ← 拆解报告
+```
+
+拆解报告包含：开头钩子、核心观点、案例素材、金句、结构模式、转化钩子。AI 做选题时可以直接读拆解报告，不需要重新分析原文。
+
+### 4.5 `_自己的` 目录
+
+用户自己产出的好内容——录过的文案、想到的金句、亲身经历——存在这里。
+
+```
+assets/_自己的/
+├── 片段/
+│   ├── 知识付费就是欺诈_完整文案.md
+│   └── 劳动仲裁_口述观点.md
+└── ...
+```
+
+这里的素材和对标素材走同样的索引机制，但 `source_ip` 标记为用户自己（从 profile/identity.md 读名字），AI 检索时可以区分"我自己说过的"和"别人说的"。
+
+## 5. 工作流进化（workflows/）
+
+工作流文件定义内容生产的步骤。关键特性：**工作流不是写死的，在使用中不断固化标准。**
+
+### 5.1 进化机制
+
+用户每次纠正 AI 的判断，AI 把验证过的标准追加到对应工作流文件的"已验证规则"区域。
+
+例子：
+
+```markdown
+## 已验证规则
+
+- 案例筛选：点赞 ≥ 500，时长 > 60s 的要点赞 ≥ 1000
+- 角度偏好：优先选有冲突感的，不要中性表述
+- 开头风格：直接亮观点，不铺垫
+- 补素材：弹药库里相关案例 < 3 条时自动搜索补充，不用问
+```
+
+### 5.2 规则追加原则
+
+1. **只记真正的规律**，单次偶发纠正不写入
+2. **记标准不记操作**，写"点赞 ≥ 500"而不是"上次你删了那条 200 赞的"
+3. **记原因**，不只是结论，要写为什么——方便判断边界情况
+4. **用户确认后才追加**，AI 先提议，用户同意了再写入
+
+### 5.3 工作流与主张的关系
+
+工作流是通用的流程模板，主张是个人化的内容资产。工作流里不硬编码具体主张，而是引用 claims/claims.json。这样同一套工作流可以服务不同主张。
+
+## 6. 对标 IP 管理
+
+不新建文件，复用 monitor 的 creator 列表。
+
+- 用户说"盯住这几个 IP" → 调 `9000ai monitor create-creator` 添加监控
+- 对标 IP 的内容转写后入库时，`source_ip` 字段自动标记博主名
+- 做选题时可以按 `source_ip` 检索某个博主的所有素材
+
+## 7. inbox 处理规则
 
 当用户往 inbox/ 丢入新文件时：
 
-### 4.1 判断文件类型
+### 7.1 判断文件类型
 
 | 类型 | 特征 |
 |------|------|
@@ -53,20 +165,20 @@
 | 观点 / 随笔 | .txt / .md，短篇，非结构化 |
 | 热点事件描述 | 含事件名称、时间、平台来源 |
 
-### 4.2 内容分类分发
+### 7.2 内容分类分发
 
 inbox 里的内容不全是案例素材，提取前先判断类型，分发到正确的位置：
 
 | 内容类型 | 判断特征 | 去哪 |
 |---------|---------|------|
-| 主张相关的案例、观点、热点事件 | 可以服务于某个主张，适合对外输出 | `claims/cases.jsonl` |
+| 对标文案、案例、观点、热点事件 | 可以作为内容素材 | `assets/` 对应主题 |
+| 用户自己的好内容 | 第一人称表述、自己的经历 | `assets/_自己的/` |
 | 个人身份、背景、目标受众 | 关于"你是谁"的信息 | 提示用户更新 `profile/identity.md` |
 | 用户自己的表达风格、语气偏好 | 用户描述自己说话方式的信息 | 提示用户更新 `profile/voice.md` |
 | 关注领域、赛道、不碰的方向 | 关于"你做什么内容"的信息 | 提示用户更新 `profile/topics.md` |
 | 产品细节、交付形式、定价、卖点 | 关于"你卖什么"的信息 | 提示用户更新 `profile/product.md` |
-| 技术实现、系统设计、内部流程 | 关于"你怎么做"的内部信息 | 提示用户更新 `profile/product.md` |
 
-**原则**：没有内容会被丢弃，只是放对位置。profile 类内容不入案例库，cases.jsonl 只存适合对外创作的素材。
+**原则**：没有内容会被丢弃，只是放对位置。profile 类内容不入弹药库。
 
 #### profile/voice.md 写入规则
 
@@ -84,8 +196,8 @@ inbox 里的内容不全是案例素材，提取前先判断类型，分发到
 
 | 情况 | 处理 |
 |------|------|
-| 提到对标博主（曲曲、良策文化等） | 存 `cases.jsonl` 作为选题参考，不碰 voice.md |
-| 投喂的是别人的文案（用于分析） | 只提取案例素材，不碰 voice.md |
+| 提到对标博主（曲曲、良策文化等） | 存 assets/ 作为素材，不碰 voice.md |
+| 投喂的是别人的文案（用于分析） | 只入弹药库，不碰 voice.md |
 | 会议里描述第三方账号的风格 | 忽略风格部分，不碰 voice.md |
 | 用户说"我想学 XX 的风格" | 见下方特殊情况处理 |
 
@@ -107,47 +219,46 @@ inbox 里的内容不全是案例素材，提取前先判断类型，分发到
 > 「你是想把 XX 加为风格模仿对象（写入 voice.md），还是只是选题对标？」
 
 - 选风格模仿 → 写入 voice.md 的"参考博主风格"字段，并标注"待学习"
-- 选选题对标 → 存 cases.jsonl，不碰 voice.md
+- 选选题对标 → 存 assets/，不碰 voice.md
 
-### 4.3 并行调度 subagent
+### 7.3 并行调度 subagent
 
-- **提取 subagent**：从语料中提取主张相关的案例、观点、事件（经过 4.2 分类判断后）→ 写入 cases.jsonl
+- **入库 subagent**：将素材分类后存入 assets/ 对应主题，更新索引
 - **转写 subagent**：如果有视频链接 → 调用视频转文字能力
 - **搜索 subagent**：如果需要佐证或补充素材 → 调用关键词搜索能力
 - **profile subagent**：如果语料中有用户个人信息 → 提醒用户更新 profile/
 
-### 4.4 处理完成后
+### 7.4 处理完成后
 
 1. 将原始文件从 inbox/ 移入 inbox/processed/
-2. 向用户汇报：提取了什么、写入了哪些文件、匹配了哪些主张
+2. 向用户汇报：提取了什么、存入了哪些主题、关联了哪些主张
 
-## 5. 匹配流程
+## 8. 匹配流程
 
 ```
 输入（热点/案例/事件）
   → AI 提取关键词
-  → 遍历 claims/angles.jsonl，按 tags 字段匹配
-      → 命中已有角度：
-          推荐该角度 + 从 cases.jsonl 拉历史案例
-      → 未命中：
-          读取 claims.json 中对应主张的 description
-          基于主张现推 2-3 个新角度
-          用户选定后 → 新角度写回 angles.jsonl
-  → 用户录制完成后 → 记录到 outputs.jsonl
+  → 读 assets/catalog.json 定位相关主题
+  → 读对应 _index/*.jsonl 按标签匹配
+  → 命中已有素材 → 推荐角度 + 拉历史案例
+  → 未命中 → 读 claims/claims.json 中对应主张
+      → 基于主张现推 2-3 个新角度
+      → 用户选定后 → 新角度写回 claims/angles.jsonl
+  → 用户录制完成后 → 记录到 claims/outputs.jsonl
 ```
 
-## 6. subagent 调度规则
+## 9. subagent 调度规则
 
 - 独立任务应并行执行，不串行等待
 - 每个 subagent 只做一件事，做完汇报
 - subagent 不直接修改 claims/ 数据，汇报给主 agent，由主 agent 统一写入
 - 大量数据不塞上下文，用文件路径传递
 
-## 7. 自我进化准则
+## 10. 自我进化准则
 
 这个系统应该越用越好用、越用越个性化。用户每一次纠正都是信号，不能丢掉。
 
-### 7.1 用户纠正时的行为链
+### 10.1 用户纠正时的行为链
 
 当用户纠正 agent 的判断、输出或行为时，按以下顺序处理：
 
@@ -164,7 +275,8 @@ inbox 里的内容不全是案例素材，提取前先判断类型，分发到
 | 纠正性质 | 处理方式 |
 |---------|---------|
 | 用户画像不准（AI 不了解用户） | 询问用户是否更新对应 profile/ 文件 |
-| 工作流判断错误（系统级问题） | 提议提交 feedback-9000AI |
+| 工作流判断错误（可固化的标准） | 提议追加到对应 workflows/ 文件的"已验证规则" |
+| 工作流系统级问题 | 提议提交 feedback |
 | 单次误操作（偶发，不代表规律） | 当场纠正，不更新任何文件 |
 
 **第三步：更新 profile（如适用）**
@@ -179,18 +291,19 @@ inbox 里的内容不全是案例素材，提取前先判断类型，分发到
 
 如果纠正属于工作流或系统级问题，主动提议：
 
-> 「这个问题可能不只影响你，要不要提交一条 feedback 让团队知道？团队可以帮你做工程化落地，我可以帮你整理。」
+> 「这个问题可能不只影响你，要不要提交一条 feedback 让团队知道？」
 
-### 7.2 主动提议更新 profile 的时机
+### 10.2 主动提议更新的时机
 
-不只是纠正时，以下情况也应主动询问是否更新画像：
+不只是纠正时，以下情况也应主动询问：
 
-- inbox 处理中发现了用户的第一人称风格自描述（见 4.2）
+- inbox 处理中发现了用户的第一人称风格自描述（见 7.2）
 - 用户在对话中透露了新的业务信息、受众变化、领域调整
-- 用户多次对同一类输出表示满意（正向信号，可提炼为风格规律）
+- 用户多次对同一类输出表示满意（正向信号，可提炼为工作流规则）
+- 用户反复做同样的手动操作（可以固化为工作流步骤）
 
-### 7.3 不该做的事
+### 10.3 不该做的事
 
 - 不要在用户没确认的情况下自动更新任何 profile 文件
-- 不要把单次纠正当成规律写入画像
-- 不要每次都问"要不要更新 profile"，只在真正有信息量的时候问
+- 不要把单次纠正当成规律写入工作流
+- 不要每次都问"要不要更新"，只在真正有信息量的时候问

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

@@ -0,0 +1,56 @@
+# 内容弹药库
+
+所有内容素材统一存放在这里。按主题分文件夹，AI 通过三层检索找素材。
+
+## 目录结构
+
+```
+assets/
+├── catalog.json          ← 仓库总览（AI 第一个读的文件）
+├── _index/               ← 每个主题的素材索引
+│   ├── 知识付费.jsonl
+│   ├── AI就业.jsonl
+│   └── _自己的.jsonl
+├── 知识付费/              ← 按主题存素材
+│   ├── 栋哥_知识付费真相.md
+│   └── 栋哥_知识付费真相.analysis.json
+├── _自己的/               ← 你自己的好内容
+│   └── 片段/
+├── _待分类/               ← 还没归类的素材
+└── README.md
+```
+
+## AI 怎么找素材
+
+1. 读 catalog.json → 判断该看哪几个主题
+2. 读 _index/{主题}.jsonl → 按标签筛出相关条目
+3. 只读命中的具体文件
+
+**不允许跳过第一层直接扫全部索引。**
+
+## 素材入库
+
+每次存入新素材：
+1. 文件存到 `assets/{主题}/`，文件名：`{作者}_{标题}.md`
+2. `_index/{主题}.jsonl` 追加一行
+3. `catalog.json` 更新对应主题的 count 和 top_tags
+
+## 索引记录格式
+
+```jsonl
+{"id":"a001","type":"transcription","title":"标题","tags":["标签1","标签2"],"source_ip":"作者","claim_ids":["cl001"],"hook":"开头第一句","structure":"递进","date":"2026-04-04","reuse_count":0,"file":"主题/作者_标题.md"}
+```
+
+| 字段 | 说明 |
+|------|------|
+| id | 递增编号 a001, a002... |
+| type | transcription(转写) / analysis(拆解) / quote(金句) / experience(亲身经历) / fragment(片段) |
+| title | 素材标题 |
+| tags | 关键词标签（行业+情绪+场景+人物） |
+| source_ip | 来源博主名，自己的内容标记用户名 |
+| claim_ids | 关联的主张 ID 列表，未关联时为 [] |
+| hook | 开头钩子（第一句话），可选 |
+| structure | 结构模式（递进/多角度/对比），可选 |
+| date | 入库日期 |
+| reuse_count | 被引用次数，初始 0 |
+| file | 相对路径 |

package/skills/9000AI-hub/init/templates/assets/catalog.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

@@ -6,9 +6,14 @@
 ./
 ├── 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）
-├── benchmarks/                # 对标文案库（转写、拆解的素材）
 ├── projects/                  # 选题项目
 └── guide.md                   # 就是这份指南
 ```
@@ -18,18 +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 → 存入文案库 → 产出内容
-   ↑            ↑          ↑         ↑          ↑            ↑
- 热榜/搜索   claims.json  angles   cases     视频转文字   benchmarks/
+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. **入库**：转写和拆解的文案存到 `benchmarks/主题/`，自动更新索引
-7. **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
 
 ---
 
@@ -76,13 +80,18 @@
 
 ---
 
-## 第三步：积累对标文案
+## 第三步：积累内容弹药
 
-`benchmarks/` 是你的对标文案库。搜索或监控发现好内容后，转写 → 拆解 → 存到这里。
+`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 `benchmarks/index.json` 索引快速检索，不需要全量扫描。每次存入新素材时 AI 自动更新索引。
+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
 
-详见 `benchmarks/README.md`。
+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`。
 
 ---
 
@@ -104,29 +113,24 @@ AI 通过 `benchmarks/index.json` 索引快速检索，不需要全量扫描。
 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>
@@ -147,36 +151,45 @@ AI 通过 `benchmarks/index.json` 索引快速检索，不需要全量扫描。
 
 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. 转写结果存到 `benchmarks/主题/`，AI 自动更新索引
-5. 分析文字稿 → 提取案例写入 cases.jsonl
-6. 基于积累的案例和对标文案 → 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 → 存到 `benchmarks/` → 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？**
@@ -195,3 +208,6 @@ AI 通过 `benchmarks/index.json` 索引快速检索，不需要全量扫描。
 
 **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`。