@ai-welopc/opc-content-factory 0.1.0

package/skill/references/mp-extraction-and-draft.md

@@ -0,0 +1,92 @@
+# 公众号提取与草稿箱接口
+
+## 公众号链接提取逻辑
+
+收到 `mp.weixin.qq.com/s/...` 或 `mp.weixin.qq.com/s?...` 链接时，先自动提取，不要默认要求用户补截图。
+
+```powershell
+python "D:\Agent\codex\skills\opc-content-factory\scripts\extract_mp_article.py" `
+  "https://mp.weixin.qq.com/s/..." `
+  --out "D:\path\article\source"
+```
+
+脚本输出：
+
+```text
+source/raw.html        原始页面
+source/article.html    #js_content 正文 HTML
+source/article.txt     正文纯文本
+source/images.json     正文图片 URL 列表
+source/metadata.json   标题、摘要、作者、封面、字数、图片数
+```
+
+解析字段：
+
+- `#js_content`：正文主体。
+- `msg_title`：文章标题。
+- `msg_desc`：分享摘要。
+- `msg_cdn_url`：封面图。
+- `nickname`：账号名。
+- `ct`：发布时间戳。
+- `img[data-src]` / `img[src]`：正文图片。
+
+如果脚本失败，不要直接说提取不了。必须保留：
+
+- HTTP 状态码。
+- 错误 JSON。
+- `source/raw.html` 或 `source/extract_error.json`。
+- 下一步建议：浏览器态提取、Cookie、截图 OCR 或用户补图。
+
+## 草稿箱一键导入逻辑
+
+“一键导入”实际分两步：先 dry-run 生成请求预览，再在用户填好密钥并确认后执行。脚本只创建草稿，不发布、不群发。
+
+需要环境变量或 env 文件：
+
+```text
+WECHAT_APPID=
+WECHAT_SECRET=
+WECHAT_AUTHOR=
+```
+
+推荐把 `assets/scene-package/wechat_draft.env.example` 复制为文章目录下的 `draft/wechat_draft.env`，用户只填值。不要把 `WECHAT_SECRET` 写进文章、日志或最终回复。
+
+dry-run：
+
+```powershell
+python "D:\Agent\codex\skills\opc-content-factory\scripts\push_wechat_draft.py" `
+  --title "文章标题" `
+  --digest "分享摘要" `
+  --html-file "D:\path\article\wechat_draft.html" `
+  --cover-image "D:\path\article\images\cover.png" `
+  --env-file "D:\path\article\draft\wechat_draft.env" `
+  --out "D:\path\article\draft\wechat_draft_payload.json"
+```
+
+真实创建草稿：
+
+```powershell
+python "D:\Agent\codex\skills\opc-content-factory\scripts\push_wechat_draft.py" `
+  --title "文章标题" `
+  --digest "分享摘要" `
+  --html-file "D:\path\article\wechat_draft.html" `
+  --cover-image "D:\path\article\images\cover.png" `
+  --env-file "D:\path\article\draft\wechat_draft.env" `
+  --out "D:\path\article\draft\wechat_draft_result.json" `
+  --execute
+```
+
+接口步骤：
+
+1. 用 `WECHAT_APPID` 和 `WECHAT_SECRET` 获取 `access_token`。
+2. 上传正文里的本地图片到图文图片接口，替换为返回的图片 URL。
+3. 上传封面图为永久 `thumb` 素材，得到 `thumb_media_id`。
+4. 调用草稿箱新增接口创建草稿，返回草稿 `media_id`。
+
+常见错误：
+
+- `40013`：appid 无效。
+- `40001`：secret 或 token 无效。
+- `40164` / `40165`：IP 白名单问题。
+- `40007`：封面 `thumb_media_id` 无效。
+- `48001`：账号没有接口权限。

package/skill/references/output-spec.md

@@ -0,0 +1,102 @@
+# 交付规范
+
+## 标准目录
+
+每篇文章创建一个独立文件夹：
+
+```text
+articles/<slug>/
+├── source/
+│   ├── raw.html
+│   ├── article.html
+│   ├── article.txt
+│   ├── images.json
+│   └── metadata.json
+├── article_preview.html
+├── wechat_draft.html
+├── article.md                  # 可选，只作辅助源文件
+├── images/
+├── media/
+├── prompts/
+│   └── article_image_prompts.md
+├── draft/
+│   ├── wechat_draft.env        # 用户自行填入，不提交密钥
+│   ├── wechat_draft.env.example
+│   ├── wechat_draft_payload.json
+│   └── wechat_draft_result.json
+└── review-screenshot.png       # 可选浏览器截图
+```
+
+## HTML 主交付
+
+HTML 始终是主交付，不以用户是否明确说明为条件。每次输出至少准备：
+
+- `article_preview.html`：本地审稿版，用来让用户直接看图文、音频、视频、折叠提示词和脚本。
+- `wechat_draft.html`：公众号草稿箱版，用来进入接口导入链路。
+
+`article_preview.html` 可以使用本地相对路径、页面级 CSS、`<audio>` / `<video>` 控件和 `<details>` 折叠区。正文排版按移动端阅读优化，图文要能直接检查效果。
+
+`wechat_draft.html` 要按公众号编辑器友好的结构输出：
+
+- 使用简单 HTML 标签和行内样式。
+- 不依赖外部 JS、外部 CSS、字体 CDN 或运行时脚本。
+- 图片使用 `<img>`，本地 `src` 在调用草稿箱脚本时由图文图片上传接口替换为返回 URL。
+- 视频、音频样例可在本地审稿页展示；草稿箱正文里优先放封面图、说明、外链或占位说明，避免把本地媒体控件当成最终发布形态。
+- 长提示词可做折叠区或“提示词模板”章节，但不要把密钥、Cookie、token 写进正文。
+
+## 公众号草稿箱接口
+
+导入公众号草稿箱前先跑 dry-run：
+
+```powershell
+python "D:\Agent\codex\skills\opc-content-factory\scripts\push_wechat_draft.py" `
+  --title "文章标题" `
+  --digest "分享摘要" `
+  --html-file "D:\path\article\wechat_draft.html" `
+  --cover-image "D:\path\article\images\cover.png" `
+  --env-file "D:\path\article\draft\wechat_draft.env" `
+  --out "D:\path\article\draft\wechat_draft_payload.json"
+```
+
+用户填好 `WECHAT_APPID`、`WECHAT_SECRET` 后，且明确要创建草稿时，再执行：
+
+```powershell
+python "D:\Agent\codex\skills\opc-content-factory\scripts\push_wechat_draft.py" `
+  --title "文章标题" `
+  --digest "分享摘要" `
+  --html-file "D:\path\article\wechat_draft.html" `
+  --cover-image "D:\path\article\images\cover.png" `
+  --env-file "D:\path\article\draft\wechat_draft.env" `
+  --out "D:\path\article\draft\wechat_draft_result.json" `
+  --execute
+```
+
+接口边界只到“草稿箱”：不自动群发、不发布、不定时发布。
+
+## QA 清单
+
+最终回复前检查：
+
+- `article_preview.html` 和 `wechat_draft.html` 都存在。
+- 所有本地 `src` / `href` 路径都存在。
+- `wechat_draft.html` 没有外链脚本、外链 CSS、泄露密钥或平台 Cookie。
+- 需要导入草稿箱时，先运行 dry-run 并检查 `draft/wechat_draft_payload.json`。
+- 生成图片已复制到文章目录，不只留在默认生图输出目录。
+- 包含视频或音频时，用 `ffprobe` 检查媒体文件。
+- 搜索用户要求避免的品牌残留、平台名、水印文字。
+- 可用 Browser / Playwright 时，通过本地服务打开页面并截图检查。
+- 最终回复提供审稿 URL 和关键文件路径。
+
+## 标题模式
+
+标题要有冲突感和明确收益：
+
+- `别再赌一键成片：一张商品图，怎么拆成一条女装带货 AI 流水线`
+- `女装带货视频为什么越做越慢？问题不在模型，在你的流程`
+- `从商品图到试穿视频：一个人怎么搭一套可复用 OPC 内容工厂`
+
+避免空泛标题：
+
+- `AI 赋能女装带货`
+- `女装视频生成全流程`
+- `如何使用 AI 做电商内容`

package/skill/references/wechat-content-tone.md

@@ -0,0 +1,89 @@
+# 公众号格式与内容方法框架
+
+## 核心目标
+
+这个 reference 用来沉淀“公众号文章怎么写、怎么排、怎么复盘”，不是沉淀某个历史 session 的具体内容。历史会话只作为写作方法的来源，不在公开文章或交付物里暴露会话 ID、内部截图、Cookie、token、密钥或后台原始数据。
+
+## 公众号文章格式
+
+文章默认按移动端公众号阅读体验设计：
+
+- 首屏要让读者立刻知道“这篇和我有什么关系”，不要先堆工具名、模型名、参数。
+- 标题要有明确收益或冲突，避免“AI 赋能”“全流程教程”这类泛标题。
+- 开头 3 段完成：痛点、判断、读者收益。
+- 正文用短段落，单段只讲一个判断。
+- 每个大章节都要有一句可转发的观点句。
+- 数据、流程、提示词、避坑经验要做成独立模块，方便读者截图或收藏。
+- 结尾不是口号，而是把一次案例收束成可复用模板、Skill、工作流或场景包。
+
+## 推荐文章结构
+
+默认使用这条结构链：
+
+```text
+标题钩子 -> 首屏痛点 -> 核心判断 -> 案例过程 -> 失败点 -> 解决方案 -> 提示词/脚本公开 -> 方法论升维 -> 读者可复用清单 -> 行动引导
+```
+
+如果是账号定位/品牌方法论文章，可以用：
+
+```text
+概念解释 -> 读者点名 -> 当前问题 -> 新判断 -> 真实案例 -> 方法论升维 -> 社区/产品定位 -> 行动召唤
+```
+
+如果是工具/工作流实战文章，可以用：
+
+```text
+结果先行 -> 原始素材 -> 拆解逻辑 -> 关键提示词 -> 生成过程 -> 翻车点 -> 修正策略 -> 成本/时间 -> 可复用模板
+```
+
+## 内容判断
+
+OPC 公众号内容不要写成单纯工具教程，更适合这个公式：
+
+```text
+一个具体人群的痛点 -> 当前做法为什么累 -> AI/Agent 怎么进入业务链路 -> 哪些地方必须人工判断 -> 最后沉淀成 Skill / 工作流 / 场景包
+```
+
+有效文章通常具备：
+
+- 人群清楚：一人电商、内容运营、独立开发者、传统企业流程负责人、外贸业务员等。
+- 痛点具体：素材混乱、流程断裂、提示词不可复用、生成结果不稳定、需要人工守任务。
+- 业务链路真实：不要只讲模型能力，要写资料、表格、商品图、客户消息、报价、选品、审核、发布这些真实环节。
+- 反差句强：不是“多一个工具”，而是“少守一个流程”；不是“一键生成”，而是“把失败也沉淀进流程”。
+- 结尾有资产：读者看完能拿走模板、提示词结构、检查清单或一套可照抄的流程。
+
+## 图文模块
+
+每篇文章建议准备 4-5 类图：
+
+- 封面图：表达文章冲突和结果，不要只做抽象科技感。
+- 流程图：展示从素材到成品的完整链路。
+- 证据图：截图、分镜、对比、参数、结果局部。
+- 提示词模板卡：把长提示词拆成结构，方便复用。
+- 避坑清单图：把失败点和解决方式列出来。
+
+图片说明要写“这张图在文章里证明什么”，不要只写“效果图”。
+
+## 数据复盘
+
+如果用户提供公众号后台数据、截图或导出表，优先拆这些指标：
+
+- 阅读、平均停留、完读率、阅读后关注。
+- 点赞、在看、收藏、评论。
+- 分享人数、分享产生阅读、分享率。
+- 推荐、聊天会话、朋友圈、公众号主页、搜一搜、公众号消息等来源占比。
+- 发布时间后的二次峰值和长尾推荐。
+
+复盘时不要只报数，要给出判断：
+
+- 老粉推送型，还是陌生人推荐型。
+- 读者是收藏学习，还是转发给具体人。
+- 标题、首屏、案例、结尾哪个环节贡献最大。
+- 后续该复制结构，还是换选题角度。
+
+## 写作口径
+
+- 写得像业务复盘，不像工具说明书。
+- 公开提示词和流程，但不公开密钥、私有 Cookie、后台敏感数据。
+- 可以写失败和翻车，因为这会提高可信度。
+- 不要把“模型很强”当结论，要写“这套流程下次怎么复用”。

package/skill/scripts/create_article_workspace.py

@@ -0,0 +1,110 @@
+#!/usr/bin/env python
+import argparse
+import json
+import re
+import shutil
+import sys
+from pathlib import Path
+
+
+def slugify(value: str) -> str:
+    value = value.strip().lower()
+    value = re.sub(r"[^a-z0-9\u4e00-\u9fff]+", "-", value)
+    value = re.sub(r"-+", "-", value).strip("-")
+    return value or "opc-article"
+
+
+def main() -> int:
+    if hasattr(sys.stdout, "reconfigure"):
+        sys.stdout.reconfigure(encoding="utf-8")
+    parser = argparse.ArgumentParser(description="创建 OPC 文章工作区。")
+    parser.add_argument("title", help="文章标题或工作名。")
+    parser.add_argument("--root", default="articles", help="输出根目录。")
+    parser.add_argument("--slug", default="", help="可选的文章目录 slug。")
+    args = parser.parse_args()
+
+    slug = slugify(args.slug or args.title)
+    root = Path(args.root).resolve()
+    out = root / slug
+    for subdir in ["source", "images", "media", "prompts", "draft"]:
+        (out / subdir).mkdir(parents=True, exist_ok=True)
+
+    notes = out / "article_notes.md"
+    if not notes.exists():
+        notes.write_text(
+            f"# {args.title}\n\n"
+            "## 起点素材\n\n"
+            "- 链接 / 截图：\n"
+            "- 用户目标：\n\n"
+            "## 拆解记录\n\n"
+            "- 标题钩子：\n"
+            "- 图片角色：\n"
+            "- 可复用工作流：\n\n"
+            "## 输出计划\n\n"
+            "- HTML 审稿页：\n"
+            "- 配图：\n"
+            "- 媒体文件：\n"
+            "- 公众号草稿箱：\n",
+            encoding="utf-8",
+        )
+
+    prompts = out / "prompts" / "article_image_prompts.md"
+    if not prompts.exists():
+        prompts.write_text(
+            "# 文章配图提示词\n\n"
+            "## 封面图\n\n"
+            "插入位置：\n\n"
+            "提示词：\n\n"
+            "## 流程图\n\n"
+            "插入位置：\n\n"
+            "提示词：\n",
+            encoding="utf-8",
+        )
+
+    skill_root = Path(__file__).resolve().parents[1]
+    scene_assets = skill_root / "assets" / "scene-package"
+    if scene_assets.exists():
+        for name in [
+            "package_manifest.json",
+            "wechat_draft.env.example",
+            "article_preview_template.html",
+            "wechat_draft_template.html",
+        ]:
+            src = scene_assets / name
+            dst = out / "draft" / name if name.endswith(".env.example") else out / name
+            if src.exists() and not dst.exists():
+                shutil.copy2(src, dst)
+        env_example = out / "draft" / "wechat_draft.env.example"
+        env_file = out / "draft" / "wechat_draft.env"
+        if env_example.exists() and not env_file.exists():
+            shutil.copy2(env_example, env_file)
+
+    manifest = out / "asset_manifest.json"
+    manifest.write_text(
+        json.dumps(
+            {
+                "title": args.title,
+                "slug": slug,
+                "paths": {
+                    "root": str(out),
+                    "source": str(out / "source"),
+                    "images": str(out / "images"),
+                    "media": str(out / "media"),
+                    "prompts": str(out / "prompts"),
+                    "draft": str(out / "draft"),
+                    "notes": str(notes),
+                    "wechat_draft_env": str(out / "draft" / "wechat_draft.env"),
+                },
+            },
+            ensure_ascii=False,
+            indent=2,
+        ),
+        encoding="utf-8",
+    )
+
+    print(out)
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

package/skill/scripts/extract_mp_article.py

@@ -0,0 +1,207 @@
+#!/usr/bin/env python
+import argparse
+import html
+import json
+import re
+import sys
+import time
+import urllib.error
+import urllib.parse
+import urllib.request
+from html.parser import HTMLParser
+from pathlib import Path
+
+
+DIRECT_OPENER = urllib.request.build_opener(urllib.request.ProxyHandler({}))
+
+
+class ContentParser(HTMLParser):
+    def __init__(self):
+        super().__init__(convert_charrefs=False)
+        self.in_js_content = False
+        self.depth = 0
+        self.html_parts = []
+        self.text_parts = []
+        self.images = []
+
+    def handle_starttag(self, tag, attrs):
+        attrs_dict = dict(attrs)
+        if tag == "div" and attrs_dict.get("id") == "js_content":
+            self.in_js_content = True
+            self.depth = 1
+        elif self.in_js_content:
+            self.depth += 1
+
+        if self.in_js_content:
+            if tag == "img":
+                src = attrs_dict.get("data-src") or attrs_dict.get("src") or ""
+                if src:
+                    self.images.append({
+                        "src": html.unescape(src),
+                        "alt": attrs_dict.get("alt", ""),
+                        "class": attrs_dict.get("class", ""),
+                    })
+            attr_text = "".join(
+                f' {name}="{html.escape(value, quote=True)}"' for name, value in attrs if value is not None
+            )
+            self.html_parts.append(f"<{tag}{attr_text}>")
+
+    def handle_endtag(self, tag):
+        if self.in_js_content:
+            self.html_parts.append(f"</{tag}>")
+            self.depth -= 1
+            if self.depth <= 0:
+                self.in_js_content = False
+
+    def handle_data(self, data):
+        if self.in_js_content:
+            self.html_parts.append(html.escape(data))
+            text = data.strip()
+            if text:
+                self.text_parts.append(text)
+
+    def handle_entityref(self, name):
+        if self.in_js_content:
+            value = f"&{name};"
+            self.html_parts.append(value)
+            self.text_parts.append(html.unescape(value))
+
+    def handle_charref(self, name):
+        if self.in_js_content:
+            value = f"&#{name};"
+            self.html_parts.append(value)
+            self.text_parts.append(html.unescape(value))
+
+
+def fetch(url: str) -> tuple[int, str]:
+    request = urllib.request.Request(
+        url,
+        headers={
+            "User-Agent": (
+                "Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
+                "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124 Safari/537.36"
+            ),
+            "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
+            "Accept-Language": "zh-CN,zh;q=0.9,en;q=0.7",
+        },
+    )
+    try:
+        with DIRECT_OPENER.open(request, timeout=45) as response:
+            raw = response.read()
+            charset = response.headers.get_content_charset() or "utf-8"
+            return response.status, raw.decode(charset, errors="replace")
+    except urllib.error.HTTPError as exc:
+        body = exc.read().decode("utf-8", errors="replace")
+        return exc.code, body
+
+
+def js_string(page: str, name: str) -> str:
+    patterns = [
+        rf'var\s+{re.escape(name)}\s*=\s*"((?:\\.|[^"\\])*)"',
+        rf"{re.escape(name)}\s*=\s*'((?:\\.|[^'\\])*)'",
+    ]
+    for pattern in patterns:
+        match = re.search(pattern, page)
+        if match:
+            raw = match.group(1)
+            try:
+                value = json.loads(f'"{raw}"')
+            except json.JSONDecodeError:
+                value = raw
+            return html.unescape(value).strip()
+    return ""
+
+
+def tag_text(page: str, pattern: str) -> str:
+    match = re.search(pattern, page, flags=re.S | re.I)
+    if not match:
+        return ""
+    value = re.sub(r"<[^>]+>", "", match.group(1))
+    return html.unescape(value).strip()
+
+
+def parse_article(page: str, url: str) -> dict:
+    parser = ContentParser()
+    parser.feed(page)
+    title = js_string(page, "msg_title") or tag_text(page, r'<h1[^>]+id=["\']activity-name["\'][^>]*>(.*?)</h1>')
+    digest = js_string(page, "msg_desc")
+    cover = js_string(page, "msg_cdn_url")
+    nickname = js_string(page, "nickname") or tag_text(page, r'<strong[^>]+id=["\']profileBt["\'][^>]*>(.*?)</strong>')
+    biz = re.search(r"__biz=([^&]+)", url)
+    ct = re.search(r"[?&]ct=(\d+)", url) or re.search(r"var\s+ct\s*=\s*['\"]?(\d+)", page)
+    publish_time = ""
+    if ct:
+        try:
+            publish_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(int(ct.group(1))))
+        except ValueError:
+            publish_time = ""
+
+    images = []
+    seen = set()
+    for item in parser.images:
+        src = item["src"]
+        if src in seen:
+            continue
+        seen.add(src)
+        images.append(item)
+
+    return {
+        "url": url,
+        "title": title,
+        "digest": digest,
+        "nickname": nickname,
+        "biz": urllib.parse.unquote(biz.group(1)) if biz else "",
+        "publish_time": publish_time,
+        "cover": cover,
+        "html": "".join(parser.html_parts).strip(),
+        "text": "\n".join(parser.text_parts).strip(),
+        "images": images,
+    }
+
+
+def main() -> int:
+    if hasattr(sys.stdout, "reconfigure"):
+        sys.stdout.reconfigure(encoding="utf-8")
+    if hasattr(sys.stderr, "reconfigure"):
+        sys.stderr.reconfigure(encoding="utf-8")
+    argp = argparse.ArgumentParser(description="提取公众号文章正文、图片和元数据。")
+    argp.add_argument("url", help="公众号文章链接。")
+    argp.add_argument("--out", required=True, help="输出目录，通常是文章工作区的 source/。")
+    args = argp.parse_args()
+
+    out = Path(args.out)
+    out.mkdir(parents=True, exist_ok=True)
+    status, page = fetch(args.url)
+    (out / "raw.html").write_text(page, encoding="utf-8")
+    if status >= 400:
+        error = {"ok": False, "status": status, "url": args.url, "snippet": page[:1000]}
+        (out / "extract_error.json").write_text(json.dumps(error, ensure_ascii=False, indent=2), encoding="utf-8")
+        print(json.dumps(error, ensure_ascii=False), file=sys.stderr)
+        return 1
+
+    article = parse_article(page, args.url)
+    if not article["html"] and not article["text"]:
+        error = {
+            "ok": False,
+            "status": status,
+            "url": args.url,
+            "error": "未解析到 #js_content 正文，请检查页面是否需要浏览器态或 Cookie。",
+            "snippet": page[:1000],
+        }
+        (out / "extract_error.json").write_text(json.dumps(error, ensure_ascii=False, indent=2), encoding="utf-8")
+        print(json.dumps(error, ensure_ascii=False), file=sys.stderr)
+        return 2
+
+    (out / "article.html").write_text(article["html"], encoding="utf-8")
+    (out / "article.txt").write_text(article["text"], encoding="utf-8")
+    (out / "images.json").write_text(json.dumps(article["images"], ensure_ascii=False, indent=2), encoding="utf-8")
+    metadata = {k: v for k, v in article.items() if k not in {"html", "text", "images"}}
+    metadata["image_count"] = len(article["images"])
+    metadata["char_count"] = len(article["text"])
+    (out / "metadata.json").write_text(json.dumps(metadata, ensure_ascii=False, indent=2), encoding="utf-8")
+    print(json.dumps({"ok": True, **metadata}, ensure_ascii=False, indent=2))
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())