autocrew 0.1.0

package/skills/cover-generator/SKILL.md

@@ -0,0 +1,93 @@
+# 封面生成
+
+> Trigger: "封面" / "生成封面" / "做个封面" / "cover"
+
+## 概述
+
+为内容生成 3 张不同风格的 3:4 竖版封面候选图，用户选定后保存。Pro 版可自动生成 16:9 和 4:3 版本。
+
+## 前置条件
+
+- 用户已配置 `gemini_api_key`（环境变量 `GEMINI_API_KEY` 或插件设置）
+- 当前有一篇处于 `approved` 或更早状态的内容
+
+如果没有 Gemini API key，提示用户：
+```
+封面生成需要 Gemini API key。免费获取：https://aistudio.google.com/apikey
+配置方式：设置环境变量 GEMINI_API_KEY 或在插件设置中填入 gemini_api_key
+```
+
+## 流程
+
+### 第一步：读取内容
+
+从 `autocrew_content` 获取当前内容的标题和正文。如果用户没有指定 content_id，使用最近一篇 `approved` 或 `draft_ready` 状态的内容。
+
+### 第二步：检测形象照
+
+检查 `~/.autocrew/covers/templates/` 目录是否有图片文件（jpg/png/webp）。
+
+- 有形象照 → 告诉用户"检测到你的形象照，会融入封面设计"
+- 没有形象照 → 生成纯概念/场景封面。可以提示"如果你想在封面中出现个人形象，把照片放到 ~/.autocrew/covers/templates/ 目录"
+
+### 第三步：生成 3 组 prompt
+
+调用 `autocrew_cover_review action=create_candidates`，系统会自动：
+1. 分析内容的核心情绪、视觉意象
+2. 提炼 2-8 字的封面标题
+3. 生成 3 种风格的 prompt：
+   - A: 电影海报风（暗色调、强光影对比、Rembrandt 打光）
+   - B: 极简风（大面积留白、文字为主视觉、干净构图）
+   - C: 冲击力风（饱和色彩、动态构图、高对比度）
+
+### 第四步：生成图片
+
+系统调用 Gemini API 生成 3 张 3:4 图片，保存到内容的 assets 目录。
+
+### 第五步：展示给用户
+
+展示 3 张候选图，说明每张的设计思路：
+<output_template lang="zh-CN">
+```
+封面 A（电影海报风）：暗色调 + 强光影，标题在上方 1/3
+封面 B（极简风）：大面积留白，文字为主视觉
+封面 C（冲击力风）：饱和色彩 + 动态构图
+
+选择你喜欢的：A / B / C
+```
+</output_template>
+
+### 第六步：用户选定
+
+用户选择后，调用 `autocrew_cover_review action=approve label=a/b/c`。
+
+### 第七步：多比例适配（Pro）
+
+定稿后，如果用户是 Pro 版，自动调用 `autocrew_cover_review action=generate_ratios` 生成 16:9 和 4:3 版本。
+
+如果是 Free 版，提示：
+<output_template lang="zh-CN">
+```
+3:4 封面已保存。需要 16:9 和 4:3 版本？这是 Pro 版功能。
+```
+</output_template>
+
+### 第八步：更新状态
+
+封面审核通过后，内容状态从 `approved` → `cover_pending` → `publish_ready`。
+
+## 用户不满意时
+
+如果用户对 3 张都不满意，询问想调整什么：
+- 构图方向（人物/概念/事件）
+- 色调（暖色/冷色/暗色）
+- 文字大小和位置
+- 整体风格
+
+根据反馈调整 prompt 重新生成。
+
+## 工具依赖
+
+- `autocrew_cover_review`（create_candidates / approve / generate_ratios）
+- `autocrew_content`（读取内容信息）
+- `autocrew_pro_status`（检查 Pro 状态）

package/skills/humanizer-zh/SKILL.md

@@ -0,0 +1,75 @@
+---
+name: humanizer-zh
+description: |
+  中文去AI味引擎。每篇内容完稿后作为最后一道工序。检测10种AI写作模式并注入个性。
+  Trigger: 去AI, humanize, 去味, 改口语
+---
+
+# 中文去AI味
+
+完稿后最后一道工序。扫描 10 种中文 AI 写作模式，逐条改写，注入灵魂。
+
+## 10 种中文 AI 写作模式
+
+| # | 模式 | 典型症状 | 改法 |
+|---|------|---------|------|
+| 1 | 意义拔高 | "标志着" "深远影响" "里程碑式" | 说具体发生了什么 |
+| 2 | 假大空修饰 | "蓬勃发展" "如火如荼" "欣欣向荣" | 换具体数据或事实 |
+| 3 | 三连排比 | "提升了X，增强了Y，促进了Z" | 留最重要的一个，删其余 |
+| 4 | 万能连接词 | "此外" "值得注意的是" "不可否认" | 直接说下一句，不需要过渡 |
+| 5 | 抽象总结 | "在...领域" "从...角度来看" | 去掉框架，直接说内容 |
+| 6 | 假设反问 | "你有没有想过..." "难道不是吗" | 直接给信息，不绕弯子 |
+| 7 | 递进强调 | "不仅仅是...更是..." | 直接说是什么 |
+| 8 | 回避「是」 | 用"作为" "堪称" "被誉为"替代 | 能用「是」就用「是」 |
+| 9 | 感叹号堆叠 | 每段结尾都是！ | 一篇最多 1-2 个感叹号 |
+| 10 | 总结段落 | "总的来说" "综上所述" "总而言之" | 删掉，让最后一个论点自然收尾 |
+
+## 注入灵魂
+
+扫描完模式之后，不是改完就算。要注入以下特质：
+
+- **有观点**：不只陈述事实，要有自己的反应。"这件事让我觉得..."
+- **变节奏**：短句。然后来一个长的。再短。别让节奏太匀称。
+- **承认复杂**：真人会纠结、会有"但是"。加一句"不过话说回来"比装笃定更可信。
+- **用「我」**：第一人称不是不专业，是有温度。
+- **留点毛边**：太工整本身就是 AI 信号。偶尔口语化、偶尔跳跃。
+- **具体的感受**：不是"令人担忧"，而是"半夜三点想到这事突然睡不着了"。
+
+## 处理流程
+
+1. **扫描模式**：逐条对照上面 10 种模式，标记命中项。
+2. **逐条改写**：每个命中项按"改法"列改写。
+3. **注入灵魂**：用上面 6 条特质检查全文，至少注入 3 条。
+4. **终检**：读一遍全文，问自己："这段哪里一眼看出是 AI 写的？" 如果还能指出来，继续改。
+
+## 工具调用
+
+优先使用 `autocrew_humanize` 工具：
+
+对已保存的草稿：
+
+```json
+{
+  "action": "humanize_zh",
+  "content_id": "content-xxx",
+  "save_back": true
+}
+```
+
+对原始文本：
+
+```json
+{
+  "action": "humanize_zh",
+  "text": "待处理文本"
+}
+```
+
+如果工具输出仍有 AI 味，手动按上述流程再过一遍。不要用更多修饰词去盖 — 要减法，不要加法。
+
+## 完成报告
+
+处理完后汇报：
+- 命中了哪几种模式（编号）
+- 最有代表性的 3-5 处改动（改前 → 改后）
+- 灵魂注入了哪几条

package/skills/intel-digest/SKILL.md

@@ -0,0 +1,57 @@
+---
+name: intel-digest
+description: |
+  Summarize recent intel into a digestible briefing. Activate when user asks for inspiration summary, weekly digest, domain overview, or "本周洞察".
+triggers:
+  - "灵感摘要"
+  - "本周洞察"
+  - "领域总结"
+  - "灵感源总结"
+  - "intel digest"
+invokable: true
+---
+
+# 灵感源摘要
+
+> Executor skill. Reads accumulated intel and produces a structured briefing.
+
+## Steps
+
+1. **Load intel** — Call `autocrew_intel` tool:
+   ```json
+   { "action": "list" }
+   ```
+   Or filter by domain:
+   ```json
+   { "action": "list", "domain": "AI编程" }
+   ```
+
+2. **Analyze and summarize** — Group intel by domain, then for each domain:
+   - Identify top 3 themes/trends
+   - Highlight items with highest relevance scores
+   - Note any competitive movements (source: competitor)
+   - Flag time-sensitive items (expires soon)
+
+3. **Output briefing** — Format as:
+   ```
+   📊 灵感源摘要 (最近 7 天)
+
+   ## AI编程 (12 条情报)
+
+   **核心灵感**
+   1. Agent 模式成为各家 IDE 标配 — Cursor, Windsurf, Claude Code 均已支持
+   2. 本地化部署需求上升 — Ollama 下载量创新高
+
+   **竞品动态**
+   - 花爷发布了 3 篇关于 Cursor 的内容，互动数据良好
+
+   **推荐关注**
+   - [Cursor Agent 发布](source_url) — 相关度 0.92
+   - [Claude Code Hooks](source_url) — 相关度 0.85
+
+   ---
+
+   需要从这些洞察中提炼选题吗？
+   ```
+
+4. **Follow up** — Offer to generate topics from insights or do deeper research on specific themes.

package/skills/intel-pull/SKILL.md

@@ -0,0 +1,74 @@
+---
+name: intel-pull
+description: |
+  Pull latest intel from all configured sources (RSS, web search, trends, competitors). Activate when user asks for latest news, updates, inspiration refresh, or "有什么新消息".
+triggers:
+  - "最新资讯"
+  - "拉取灵感"
+  - "有什么新消息"
+  - "更新灵感源"
+  - "灵感源"
+  - "intel pull"
+invokable: true
+---
+
+# 灵感源更新
+
+> Executor skill. Fetches latest intel from all configured sources and archives to local inspiration library.
+
+## Steps
+
+1. **Onboarding check** — Read `creator-profile.json`. If missing or `industry` is empty, trigger onboarding first.
+
+2. **Pull intel** — Call `autocrew_intel` tool:
+   ```json
+   { "action": "pull" }
+   ```
+   Optionally filter by source:
+   ```json
+   { "action": "pull", "source": "rss" }
+   ```
+
+   The tool runs all configured collectors in parallel:
+   - Web Search: multi-dimension queries (行业动态, 争议话题, 数据报告, 教程)
+   - RSS: configured feeds from `~/.autocrew/pipeline/intel/_sources/rss.yaml`
+   - Trends: platform hot lists from `trends.yaml` (微博热搜, Hacker News, etc.)
+   - Competitors: browser-based monitoring from `accounts.yaml`
+
+3. **Display results** — Format as:
+   ```
+   📥 灵感源更新完成
+   - Web Search: X 条
+   - RSS: X 条
+   - 热榜趋势: X 条
+   - 竞品监控: X 条
+
+   **{领域1}** (N 条新增)
+   1. {title_1}
+   2. {title_2}
+
+   **{领域2}** (N 条新增)
+   1. {title_1}
+   ```
+
+4. **Follow up** — Ask:
+   ```
+   需要从这些灵感中提炼选题吗？
+   ```
+   If yes, call `autocrew_intel` with `action: "list"` to get full intel, then use LLM to generate TopicCandidates and save via `autocrew_topic`.
+
+## First-Time Setup
+
+If `_sources/` configs are empty, guide user through source setup:
+1. Based on `creator-profile.json` industry, recommend sources via `getRecommendedSources()`
+2. Let user confirm/modify
+3. Write to `_sources/rss.yaml`, `_sources/trends.yaml` etc.
+
+## Error Handling
+
+| Failure | Action |
+|---------|--------|
+| No creator profile | Trigger onboarding |
+| RSS fetch fails | Log error, continue with other sources |
+| Browser unavailable | Skip competitor collector, note in output |
+| All sources fail | Report failure, suggest checking source configs |

package/skills/manage-pipeline/SKILL.md

@@ -0,0 +1,63 @@
+---
+name: manage-pipeline
+description: |
+  Create and manage automated content pipelines (scheduled workflows). Activate when user asks to set up automation, schedule content, create a pipeline, or configure cron jobs. Trigger: "自动化" / "定时" / "每天自动" / "设置 pipeline" / "内容排期".
+---
+
+# 自动化流水线
+
+> 工具型技能。帮用户配置自动化内容工作流，支持预设模板和自定义排期。
+
+## 可用模板
+
+Use `autocrew_pipeline` action="templates" to list presets:
+
+| Template | Name | Schedule | Steps |
+|----------|------|----------|-------|
+| `daily-research` | 每日选题调研 | 每天 9:00 | spawn-planner |
+| `weekly-content` | 每周内容生产 | 每周一 10:00 | spawn-batch-writer |
+| `daily-publish` | 每日定时发布 | 每天 18:00 | publish-content |
+| `full-pipeline` | 全自动内容流水线 | 每周一 9:00 | spawn-planner → spawn-batch-writer → publish-content |
+
+## 流程
+
+1. Ask user what they want to automate:
+   - "每天自动找选题" → `daily-research`
+   - "每周自动写稿" → `weekly-content`
+   - "每天定时发布" → `daily-publish`
+   - "全自动" → `full-pipeline`
+   - Custom → ask for schedule and steps
+
+2. Create pipeline:
+   ```json
+   { "action": "create", "template": "daily-research" }
+   ```
+   Or custom:
+   ```json
+   { "action": "create", "name": "我的 pipeline", "schedule": "0 9 * * *", "description": "..." }
+   ```
+
+3. Explain to user:
+   - **OpenClaw**: Pipeline will be registered as a cron job. Use `openclaw cron add` to activate.
+   - **Claude Code**: Pipeline definition saved locally. User needs external cron (e.g. system crontab) to trigger.
+
+4. Show next steps:
+   <output_template lang="zh-CN">
+   > Pipeline 已创建。
+   > - OpenClaw 用户：运行 `openclaw cron add` 注册到 Gateway，会自动按计划执行。
+   > - Claude Code 用户：可以手动运行，或配置系统 crontab 定时触发。
+   </output_template>
+
+## Cron 表达式速查
+
+| Expression | Meaning |
+|-----------|---------|
+| `0 9 * * *` | 每天 9:00 |
+| `0 9 * * 1` | 每周一 9:00 |
+| `0 9,18 * * *` | 每天 9:00 和 18:00 |
+| `0 */6 * * *` | 每 6 小时 |
+| `0 9 1 * *` | 每月 1 号 9:00 |
+
+## 变更日志
+
+- 2026-03-31: v1 — New skill for AutoCrew. Pipeline templates + custom schedule support.

package/skills/memory-distill/SKILL.md

@@ -0,0 +1,89 @@
+---
+name: memory-distill
+description: |
+  Learn from user feedback to improve future content. Activate when user approves, rejects, edits, or gives feedback on topics or content drafts. Also runs periodically to consolidate learnings.
+---
+
+# 记忆蒸馏
+
+> 工具型技能。将用户偏好和写作反馈沉淀到持久记忆中。
+
+## 记忆架构
+
+- **L1 — ~/.autocrew/MEMORY.md** (≤120 lines): Working memory. Brand profile, audience, account status, writing preferences summary.
+- **L2 — ~/.autocrew/memory/**: Detailed logs and digests. Referenced on demand.
+
+## 触发时机
+
+- User approves or rejects a topic
+- User edits a draft significantly
+- User gives explicit feedback ("太正式了", "多用emoji", "短一点")
+- User shares performance data ("这条笔记1000赞")
+
+## 流程
+
+### 反馈捕捉
+
+1. Identify the feedback signal:
+   - Approval: user says "好" / "可以" / "就这个" → positive signal
+   - Rejection: user says "不行" / "太..." / "换一个" → negative signal
+   - Edit: user provides a rewrite → compare original vs edit
+   - Performance: user shares metrics → high/low performance signal
+
+2. Analyze what the user liked or disliked. Be specific:
+   - Bad: "user likes emoji"
+   - Good: "user prefers 3-5 emoji per XHS post, placed at paragraph starts, favorites: 🔥 💡 ✨"
+
+3. Formulate a learning as a concise preference statement.
+
+4. Read `~/.autocrew/MEMORY.md`. Append the learning to the appropriate section:
+
+Prefer using `autocrew_memory`:
+
+```json
+{
+  "action": "capture_feedback",
+  "content_id": "content-xxx",
+  "signal_type": "edit",
+  "feedback": "太正式了",
+  "modified_text": "用户改后的版本"
+}
+```
+
+   ```markdown
+   ## Writing Preferences
+   - [Date] XHS posts: user prefers casual tone, 3-5 emoji, short paragraphs
+   - [Date] Titles: user likes curiosity-gap style, dislikes clickbait
+
+   ## Content Edit Preferences
+   - [Date] Shortened opening from 3 sentences to 1 — user prefers immediate hooks
+   - [Date] Replaced formal "综上所述" with casual "所以说" — user wants conversational tone
+
+   ## Performance Insights
+   - [Date] "AI工具真香清单" got 1000 likes on XHS — list format + "真香" hook works
+   ```
+
+### 容量检查
+
+If MEMORY.md exceeds 150 lines:
+1. Identify entries that can be consolidated (similar learnings → one summary)
+2. Move detailed case studies to `~/.autocrew/memory/archive-{date}.md`
+3. Replace with a one-line summary in MEMORY.md
+
+## 原则
+
+- Be specific — actionable preferences, not vague observations
+- Don't overwrite previous learnings, accumulate them
+- Date every entry for tracking evolution
+- Consolidate when file gets long, don't let it grow unbounded
+
+## 错误处理
+
+| 故障 | 处理 |
+|------|------|
+| MEMORY.md 不存在 | 创建初始结构 |
+| 文件写入失败 | 记录错误，继续运行 |
+
+## 变更日志
+
+- 2026-03-31: v1 — Adapted from Qingmo memory-distill.md v3. Simplified to two-layer architecture (no LanceDB dependency). File-based storage only.

package/skills/onboarding/SKILL.md

@@ -0,0 +1,117 @@
+# 首次引导
+
+> Trigger: 用户首次触发任何 AutoCrew 功能时自动检测（内部调用，非用户直接触发）
+
+## 触发条件
+
+当任何 AutoCrew skill 被调用时，检测 `~/.autocrew/creator-profile.json` 是否存在：
+- 如果存在且 `industry` 非空 → 跳过 onboarding，直接执行原始任务
+- 如果不存在或关键字段为空 → 进入 onboarding 流程
+
+## 流程
+
+### 第一步：初始化数据目录
+
+调用 `autocrew_init` 确保 `~/.autocrew/` 目录和 `creator-profile.json` 存在。
+
+### 第二步：从宿主读取已有信息
+
+在开始提问之前，先尝试读取宿主 AgentOS 的已有上下文：
+
+1. 读取当前 workspace 的 `MEMORY.md`（如果存在）
+2. 读取 `~/.autocrew/MEMORY.md`（如果存在）
+3. 从中提取以下信息：
+
+| 字段 | MEMORY.md 中的匹配模式 |
+|------|----------------------|
+| industry | `industry:` / `定位:` / `行业:` / `领域:` 后面的文本 |
+| platforms | `平台:` / `platforms:` 后面的列表，或包含 `小红书` `抖音` `公众号` `B站` 的行 |
+| audience | `受众:` / `audience:` / `目标用户:` 后面的描述 |
+| competitors | `Competitor Accounts` section 下的链接列表 |
+| style notes | `风格:` / `style:` / `调性:` 后面的描述 |
+
+4. 已有信息直接写入 `creator-profile.json`（通过文件系统），不再重复问
+
+### 第三步：检测缺失信息
+
+调用 `autocrew_pro_status` 或直接读取 profile，使用 `detectMissingInfo()` 逻辑判断缺失字段。
+
+### 第四步：补问缺失信息
+
+根据缺失字段，仅问必要的问题。每个问题独立，用户可以跳过。
+
+**如果缺 industry：**
+```
+你主要做哪个领域的内容？（比如：美妆、科技、职场、育儿、美食...）
+```
+→ 写入 `creator-profile.json.industry`
+
+**如果缺 platforms：**
+```
+你主要在哪些平台发内容？
+1. 小红书
+2. 抖音
+3. 小红书 + 抖音
+4. 公众号
+5. B站
+6. 其他（请说明）
+```
+→ 写入 `creator-profile.json.platforms`
+
+**如果缺 audience（可选，用户可跳过）：**
+```
+你的目标读者/观众是谁？简单描述就行，比如"25-35岁职场女性"或"大学生"。
+输入"跳过"可以之后再补。
+```
+→ 写入 `creator-profile.json.audiencePersona`
+
+**如果缺 style（不在 onboarding 中深度校准，只做标记）：**
+```
+发我 1-2 条你觉得写得好的内容（链接或文字都行），我来分析你的风格。
+输入"跳过"可以之后用"风格校准"命令深度设置。
+```
+→ 如果用户提供了内容，做简单风格提取写入 `~/.autocrew/STYLE.md`
+→ 如果跳过，标记 `styleCalibrated: false`，后续 agent 会主动建议
+
+### 第五步：保存 profile
+
+将收集到的信息通过文件系统写入 `~/.autocrew/creator-profile.json`。
+同时用 `autocrew_memory` 的 `capture_feedback` action 记录 onboarding 完成事件。
+
+### 第六步：继续原始任务
+
+onboarding 完成后，**不要停在引导页面**，直接继续用户最初的请求。
+
+例如用户说"帮我找选题"触发了 onboarding：
+- 完成 onboarding 后，自动执行 research skill
+- 用户感知是"回答了几个问题后就开始找选题了"，而不是"被拦截做了一堆设置"
+
+**实现方式**：onboarding skill 结束时，输出一行提示：
+<output_template lang="zh-CN">
+```
+✅ 初始化完成！现在继续你的请求...
+```
+</output_template>
+然后立即执行用户原始请求对应的 skill/tool。
+
+## 关键原则
+
+1. **最少打扰**：只问缺失的信息，已有的直接复用
+2. **可跳过**：每个问题都可以跳过，不强制
+3. **不阻断**：onboarding 完成后立即继续原始任务
+4. **渐进式**：首次只收集最基础的信息，深度校准留给 style-calibration skill
+5. **不覆盖**：不修改宿主的 MEMORY.md 或 AGENTS.md，只写 AutoCrew 自己的数据目录
+6. **幂等**：多次运行不会丢失已有数据
+
+## 工具依赖
+
+- `autocrew_init`（初始化数据目录）
+- `autocrew_pro_status`（检测 profile 完整度）
+- `autocrew_memory`（记录 onboarding 事件）
+- 文件系统读取（宿主 MEMORY.md、creator-profile.json）
+- 文件系统写入（creator-profile.json、STYLE.md）
+
+## 变更日志
+
+- 2026-03-31: v1 — Initial onboarding skill.
+- 2026-04-01: v2 — 增强 MEMORY.md 读取逻辑（支持多种字段匹配模式）、明确第六步自动继续原始请求、增加 autocrew_init 初始化步骤、增加幂等原则。

package/skills/pipeline-status/SKILL.md

@@ -0,0 +1,51 @@
+---
+name: pipeline-status
+description: |
+  Show content pipeline status dashboard. Activate when user asks about project status, pipeline overview, content progress, or "看板".
+triggers:
+  - "项目进度"
+  - "看板"
+  - "管线状态"
+  - "pipeline status"
+  - "有什么在做"
+invokable: true
+---
+
+# 内容管线看板
+
+> Executor skill. Shows pipeline status across all stages.
+
+## Steps
+
+1. **Get status** — Call `autocrew_pipeline_ops` tool:
+   ```json
+   { "action": "status" }
+   ```
+
+2. **Display dashboard** — Format as:
+   ```
+   📋 内容管线看板
+
+   📥 灵感源    12 条（3 条今日新增）
+   💡 选题库    8 个选题
+   ✏️  创作中    2 个项目
+     → AI编程-cursor对比
+     → 职场效率-AI工具清单
+   🎬 制作中    1 个项目
+     → AI编程-agent模式体验
+   📤 待发布    小红书(1) B站(1)
+   ✅ 已发布    15 个项目
+   🗑  回收站    3 个项目
+   ```
+
+3. **Offer actions** based on status:
+   - If topics pool is low: "选题库快空了，要更新灵感源吗？"
+   - If drafting has items: "要继续写 {project_name} 吗？"
+   - If production has items: "有项目可以推进到待发布阶段"
+
+## Error Handling
+
+| Failure | Action |
+|---------|--------|
+| Pipeline not initialized | Call `autocrew init` first |
+| Empty pipeline | Show empty dashboard, suggest starting with intel pull |