feihong-code 8.0.0 → 8.0.2

package/agent-team/skills/14_AI/347/237/255/350/247/206/351/242/221/350/207/252/345/212/250/345/211/252/350/276/221/345/270/210/run.py

@@ -0,0 +1,108 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""AI短视频自动剪辑师（14）独立运行器。
+
+由 feihongzhi_agents 导出：自包含、仅标准库，可被其他智能体直接调用或安装为 Skill。
+用法：
+    python3 run.py --input '{"field": "value"}'
+    echo '{"field": "value"}' | python3 run.py
+可选接入真实大模型（设置环境变量后加 --llm）：
+    LLM_API_KEY=xxx LLM_MODEL=xxx LLM_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
+    python3 run.py --llm --input '...'
+"""
+import argparse
+import json
+import sys
+import time
+import urllib.request
+import urllib.error
+from datetime import datetime
+
+# ------------------------- 内嵌核心逻辑（自动生成） -------------------------
+def _ts() -> str:
+    return datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+
+
+def run_logic_14(data, llm=None):
+    """AI 短视频自动剪辑：素材自动剪辑成片。"""
+    clips = data.get("clips") or ["clip_a.mp4", "clip_b.mp4", "clip_c.mp4"]
+    script = data.get("script", "")
+    template = data.get("template", "口播标准模板")
+    video = {
+        "asset_id": f"V{int(time.time()) % 100000000}",
+        "clips_used": clips,
+        "template": template,
+        "duration_sec": 45,
+        "subtitles": "auto（准确率≥95%）",
+        "status": "rendered",
+        "rendered_at": _ts(),
+    }
+    ai_note = ""
+    if llm is not None and getattr(llm, "provider", "mock") != "mock":
+        try:
+            ai_note = llm.complete(
+                f"脚本要点：{script[:100]}，给出剪辑节奏建议，不超过 50 字。",
+                system="你是视频剪辑师。")
+        except Exception:
+            ai_note = ""
+    return {"video": video, "ai_note": ai_note}
+
+# ------------------------- 极简 LLM 客户端（可选） -------------------------
+class _MiniLLM:
+    provider = "doubao"
+    def __init__(self):
+        import os
+        self.key = os.environ.get("LLM_API_KEY", "")
+        self.model = os.environ.get("LLM_MODEL", "")
+        self.base = os.environ.get("LLM_BASE_URL", "https://ark.cn-beijing.volces.com/api/v3").rstrip("/")
+        if not self.key or not self.model:
+            raise RuntimeError("缺少 LLM_API_KEY / LLM_MODEL 环境变量")
+    def complete(self, prompt, system=""):
+        msgs = []
+        if system:
+            msgs.append({"role": "system", "content": system})
+        msgs.append({"role": "user", "content": prompt})
+        payload = {"model": self.model, "messages": msgs, "temperature": 0.7, "max_tokens": 1024}
+        req = urllib.request.Request(
+            self.base + "/chat/completions",
+            data=json.dumps(payload).encode("utf-8"),
+            headers={"Content-Type": "application/json", "Authorization": "Bearer " + self.key},
+            method="POST")
+        try:
+            with urllib.request.urlopen(req, timeout=60) as resp:
+                body = json.loads(resp.read().decode("utf-8"))
+        except urllib.error.HTTPError as e:
+            raise RuntimeError("LLM 调用失败 HTTP %s: %s" % (e.code, e.read().decode("utf-8", errors="ignore")[:200]))
+        return body["choices"][0]["message"]["content"].strip()
+
+def _load_input(args):
+    if args.input:
+        return json.loads(args.input)
+    if not sys.stdin.isatty():
+        raw = sys.stdin.read()
+        if raw.strip():
+            return json.loads(raw)
+    return {}
+
+def main():
+    ap = argparse.ArgumentParser(description="AI短视频自动剪辑师（14）")
+    ap.add_argument("--input", help="JSON 输入，如 '{\"topic\": \"AI获客\"}'；或经 stdin 传入")
+    ap.add_argument("--llm", action="store_true", help="启用真实大模型（需 LLM_API_KEY/LLM_MODEL 环境变量）")
+    args = ap.parse_args()
+    data = _load_input(args)
+    llm = None
+    if args.llm:
+        try:
+            llm = _MiniLLM()
+        except Exception as e:
+            print(json.dumps({"ok": False, "error": "LLM 初始化失败: " + str(e)}, ensure_ascii=False))
+            sys.exit(1)
+    try:
+        out = run_logic_14(data, llm)
+    except Exception as e:
+        print(json.dumps({"ok": False, "error": str(e)}, ensure_ascii=False))
+        sys.exit(1)
+    print(json.dumps({"ok": True, "output": out}, ensure_ascii=False))
+
+if __name__ == "__main__":
+    main()

package/agent-team/skills/15_/345/205/254/344/274/227/345/217/267/350/207/252/345/212/250/350/277/220/350/220/245/345/217/221/345/270/203/345/256/230/SKILL.md

@@ -0,0 +1,38 @@
+---
+name: 15_公众号自动运营发布官
+description: 公众号内容生成、排期与定时发布。属于L2层，优先级P1。触发场景：用户需要公众号自动运营发布官、或涉及topic、schedule相关任务时调用。输出：article。
+---
+
+# 15_公众号自动运营发布官（15）
+
+公众号内容生成、排期与定时发布
+
+- **所属层级**：L2（优先级 P1）
+
+## 使用方式
+
+```bash
+# 方式一：命令行参数
+python3 run.py --input '{"topic": "示例输入"}'
+
+# 方式二：标准输入
+echo '{"topic": "示例输入"}' | python3 run.py
+
+# 接入真实大模型（可选）
+LLM_API_KEY=xxx LLM_MODEL=xxx python3 run.py --llm --input '{"topic": "示例输入"}'
+```
+
+## 输入字段
+
+| 字段 | 说明 |
+|---|---|
+| topic | 选题 |
+| schedule | 发布时间 |
+
+## 输出字段
+
+- **article**：文章与排期
+
+## 安装为 Skill
+
+将本目录（含 SKILL.md 与 run.py）复制到目标 Skill 根目录即可被智能体发现调用。

package/agent-team/skills/15_/345/205/254/344/274/227/345/217/267/350/207/252/345/212/250/350/277/220/350/220/245/345/217/221/345/270/203/345/256/230/run.py

@@ -0,0 +1,105 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""公众号自动运营发布官（15）独立运行器。
+
+由 feihongzhi_agents 导出：自包含、仅标准库，可被其他智能体直接调用或安装为 Skill。
+用法：
+    python3 run.py --input '{"field": "value"}'
+    echo '{"field": "value"}' | python3 run.py
+可选接入真实大模型（设置环境变量后加 --llm）：
+    LLM_API_KEY=xxx LLM_MODEL=xxx LLM_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
+    python3 run.py --llm --input '...'
+"""
+import argparse
+import json
+import sys
+import time
+import urllib.request
+import urllib.error
+from datetime import datetime
+
+# ------------------------- 内嵌核心逻辑（自动生成） -------------------------
+def _ts() -> str:
+    return datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+
+
+def run_logic_15(data, llm=None):
+    """公众号自动运营：内容生成与定时发布。"""
+    topic = data.get("topic", "AI 获客")
+    schedule = data.get("schedule", "明日 08:00")
+    article = {
+        "title": f"深度：{topic}的完整打法（建议收藏）",
+        "body": f"一、为什么{topic}是当下最大的红利；二、三步落地方案；三、真实数据复盘。",
+        "publish_time": schedule,
+        "status": "scheduled",
+        "created_at": _ts(),
+    }
+    ai_note = ""
+    if llm is not None and getattr(llm, "provider", "mock") != "mock":
+        try:
+            ai_note = llm.complete(
+                f"公众号选题 {topic}，给 1 个标题备选，不超过 40 字。",
+                system="你是公众号主编。")
+        except Exception:
+            ai_note = ""
+    return {"article": article, "ai_note": ai_note}
+
+# ------------------------- 极简 LLM 客户端（可选） -------------------------
+class _MiniLLM:
+    provider = "doubao"
+    def __init__(self):
+        import os
+        self.key = os.environ.get("LLM_API_KEY", "")
+        self.model = os.environ.get("LLM_MODEL", "")
+        self.base = os.environ.get("LLM_BASE_URL", "https://ark.cn-beijing.volces.com/api/v3").rstrip("/")
+        if not self.key or not self.model:
+            raise RuntimeError("缺少 LLM_API_KEY / LLM_MODEL 环境变量")
+    def complete(self, prompt, system=""):
+        msgs = []
+        if system:
+            msgs.append({"role": "system", "content": system})
+        msgs.append({"role": "user", "content": prompt})
+        payload = {"model": self.model, "messages": msgs, "temperature": 0.7, "max_tokens": 1024}
+        req = urllib.request.Request(
+            self.base + "/chat/completions",
+            data=json.dumps(payload).encode("utf-8"),
+            headers={"Content-Type": "application/json", "Authorization": "Bearer " + self.key},
+            method="POST")
+        try:
+            with urllib.request.urlopen(req, timeout=60) as resp:
+                body = json.loads(resp.read().decode("utf-8"))
+        except urllib.error.HTTPError as e:
+            raise RuntimeError("LLM 调用失败 HTTP %s: %s" % (e.code, e.read().decode("utf-8", errors="ignore")[:200]))
+        return body["choices"][0]["message"]["content"].strip()
+
+def _load_input(args):
+    if args.input:
+        return json.loads(args.input)
+    if not sys.stdin.isatty():
+        raw = sys.stdin.read()
+        if raw.strip():
+            return json.loads(raw)
+    return {}
+
+def main():
+    ap = argparse.ArgumentParser(description="公众号自动运营发布官（15）")
+    ap.add_argument("--input", help="JSON 输入，如 '{\"topic\": \"AI获客\"}'；或经 stdin 传入")
+    ap.add_argument("--llm", action="store_true", help="启用真实大模型（需 LLM_API_KEY/LLM_MODEL 环境变量）")
+    args = ap.parse_args()
+    data = _load_input(args)
+    llm = None
+    if args.llm:
+        try:
+            llm = _MiniLLM()
+        except Exception as e:
+            print(json.dumps({"ok": False, "error": "LLM 初始化失败: " + str(e)}, ensure_ascii=False))
+            sys.exit(1)
+    try:
+        out = run_logic_15(data, llm)
+    except Exception as e:
+        print(json.dumps({"ok": False, "error": str(e)}, ensure_ascii=False))
+        sys.exit(1)
+    print(json.dumps({"ok": True, "output": out}, ensure_ascii=False))
+
+if __name__ == "__main__":
+    main()

package/agent-team/skills/16_/350/241/214/344/270/232/346/267/261/345/272/246/345/210/206/346/236/220/345/270/210/SKILL.md

@@ -0,0 +1,38 @@
+---
+name: 16_行业深度分析师
+description: 输出行业趋势与竞争格局分析。属于L4层，优先级P3。触发场景：用户需要行业深度分析师、或涉及industry、scope相关任务时调用。输出：report。
+---
+
+# 16_行业深度分析师（16）
+
+输出行业趋势与竞争格局分析
+
+- **所属层级**：L4（优先级 P3）
+
+## 使用方式
+
+```bash
+# 方式一：命令行参数
+python3 run.py --input '{"industry": "示例输入"}'
+
+# 方式二：标准输入
+echo '{"industry": "示例输入"}' | python3 run.py
+
+# 接入真实大模型（可选）
+LLM_API_KEY=xxx LLM_MODEL=xxx python3 run.py --llm --input '{"industry": "示例输入"}'
+```
+
+## 输入字段
+
+| 字段 | 说明 |
+|---|---|
+| industry | 行业 |
+| scope | 范围 |
+
+## 输出字段
+
+- **report**：行业分析报告
+
+## 安装为 Skill
+
+将本目录（含 SKILL.md 与 run.py）复制到目标 Skill 根目录即可被智能体发现调用。

package/agent-team/skills/16_/350/241/214/344/270/232/346/267/261/345/272/246/345/210/206/346/236/220/345/270/210/run.py

@@ -0,0 +1,108 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""行业深度分析师（16）独立运行器。
+
+由 feihongzhi_agents 导出：自包含、仅标准库，可被其他智能体直接调用或安装为 Skill。
+用法：
+    python3 run.py --input '{"field": "value"}'
+    echo '{"field": "value"}' | python3 run.py
+可选接入真实大模型（设置环境变量后加 --llm）：
+    LLM_API_KEY=xxx LLM_MODEL=xxx LLM_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
+    python3 run.py --llm --input '...'
+"""
+import argparse
+import json
+import sys
+import time
+import urllib.request
+import urllib.error
+from datetime import datetime
+
+# ------------------------- 内嵌核心逻辑（自动生成） -------------------------
+def _ts() -> str:
+    return datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+
+
+def run_logic_16(data, llm=None):
+    """行业深度分析：输出行业趋势与竞争格局。"""
+    industry = data.get("industry", "企业服务")
+    scope = data.get("scope", "国内")
+    report = {
+        "industry": industry,
+        "scope": scope,
+        "market_size": "示例口径：120 亿元（需以权威数据源校准）",
+        "growth": "年增速约 18%",
+        "competition": "格局分散，头部集中度提升中",
+        "conclusion": "进入窗口期，建议聚焦细分场景建立壁垒",
+        "data_note": "本报告为分析框架示意，关键数据需接入权威数据源后校准",
+        "generated_at": _ts(),
+    }
+    ai_note = ""
+    if llm is not None and getattr(llm, "provider", "mock") != "mock":
+        try:
+            ai_note = llm.complete(
+                f"行业 {industry}、范围 {scope}，给 1 条最关键的竞争判断，不超过 60 字。",
+                system="你是行业研究首席分析师。")
+        except Exception:
+            ai_note = ""
+    return {"report": report, "ai_note": ai_note}
+
+# ------------------------- 极简 LLM 客户端（可选） -------------------------
+class _MiniLLM:
+    provider = "doubao"
+    def __init__(self):
+        import os
+        self.key = os.environ.get("LLM_API_KEY", "")
+        self.model = os.environ.get("LLM_MODEL", "")
+        self.base = os.environ.get("LLM_BASE_URL", "https://ark.cn-beijing.volces.com/api/v3").rstrip("/")
+        if not self.key or not self.model:
+            raise RuntimeError("缺少 LLM_API_KEY / LLM_MODEL 环境变量")
+    def complete(self, prompt, system=""):
+        msgs = []
+        if system:
+            msgs.append({"role": "system", "content": system})
+        msgs.append({"role": "user", "content": prompt})
+        payload = {"model": self.model, "messages": msgs, "temperature": 0.7, "max_tokens": 1024}
+        req = urllib.request.Request(
+            self.base + "/chat/completions",
+            data=json.dumps(payload).encode("utf-8"),
+            headers={"Content-Type": "application/json", "Authorization": "Bearer " + self.key},
+            method="POST")
+        try:
+            with urllib.request.urlopen(req, timeout=60) as resp:
+                body = json.loads(resp.read().decode("utf-8"))
+        except urllib.error.HTTPError as e:
+            raise RuntimeError("LLM 调用失败 HTTP %s: %s" % (e.code, e.read().decode("utf-8", errors="ignore")[:200]))
+        return body["choices"][0]["message"]["content"].strip()
+
+def _load_input(args):
+    if args.input:
+        return json.loads(args.input)
+    if not sys.stdin.isatty():
+        raw = sys.stdin.read()
+        if raw.strip():
+            return json.loads(raw)
+    return {}
+
+def main():
+    ap = argparse.ArgumentParser(description="行业深度分析师（16）")
+    ap.add_argument("--input", help="JSON 输入，如 '{\"topic\": \"AI获客\"}'；或经 stdin 传入")
+    ap.add_argument("--llm", action="store_true", help="启用真实大模型（需 LLM_API_KEY/LLM_MODEL 环境变量）")
+    args = ap.parse_args()
+    data = _load_input(args)
+    llm = None
+    if args.llm:
+        try:
+            llm = _MiniLLM()
+        except Exception as e:
+            print(json.dumps({"ok": False, "error": "LLM 初始化失败: " + str(e)}, ensure_ascii=False))
+            sys.exit(1)
+    try:
+        out = run_logic_16(data, llm)
+    except Exception as e:
+        print(json.dumps({"ok": False, "error": str(e)}, ensure_ascii=False))
+        sys.exit(1)
+    print(json.dumps({"ok": True, "output": out}, ensure_ascii=False))
+
+if __name__ == "__main__":
+    main()

package/agent-team/skills/17_/346/212/225/350/265/204/347/240/224/347/251/266/345/222/250/350/257/242/345/256/230/SKILL.md

@@ -0,0 +1,38 @@
+---
+name: 17_投资研究咨询官
+description: 项目 / 投资研究与尽调辅助。属于L4层，优先级P3。触发场景：用户需要投资研究咨询官、或涉及company、materials相关任务时调用。输出：report。
+---
+
+# 17_投资研究咨询官（17）
+
+项目 / 投资研究与尽调辅助
+
+- **所属层级**：L4（优先级 P3）
+
+## 使用方式
+
+```bash
+# 方式一：命令行参数
+python3 run.py --input '{"company": "示例输入"}'
+
+# 方式二：标准输入
+echo '{"company": "示例输入"}' | python3 run.py
+
+# 接入真实大模型（可选）
+LLM_API_KEY=xxx LLM_MODEL=xxx python3 run.py --llm --input '{"company": "示例输入"}'
+```
+
+## 输入字段
+
+| 字段 | 说明 |
+|---|---|
+| company | 项目/公司 |
+| materials | 材料摘要 |
+
+## 输出字段
+
+- **report**：投研报告
+
+## 安装为 Skill
+
+将本目录（含 SKILL.md 与 run.py）复制到目标 Skill 根目录即可被智能体发现调用。

package/agent-team/skills/17_/346/212/225/350/265/204/347/240/224/347/251/266/345/222/250/350/257/242/345/256/230/run.py

@@ -0,0 +1,106 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""投资研究咨询官（17）独立运行器。
+
+由 feihongzhi_agents 导出：自包含、仅标准库，可被其他智能体直接调用或安装为 Skill。
+用法：
+    python3 run.py --input '{"field": "value"}'
+    echo '{"field": "value"}' | python3 run.py
+可选接入真实大模型（设置环境变量后加 --llm）：
+    LLM_API_KEY=xxx LLM_MODEL=xxx LLM_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
+    python3 run.py --llm --input '...'
+"""
+import argparse
+import json
+import sys
+import time
+import urllib.request
+import urllib.error
+from datetime import datetime
+
+# ------------------------- 内嵌核心逻辑（自动生成） -------------------------
+def _ts() -> str:
+    return datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+
+
+def run_logic_17(data, llm=None):
+    """投资研究：项目 / 投资研究与尽调辅助。"""
+    company = data.get("company", "示例项目")
+    materials = data.get("materials", "BP 摘要")
+    report = {
+        "company": company,
+        "business_model": "B2B 订阅 + 增值服务",
+        "risks": ["获客成本偏高", "复购率待验证"],
+        "valuation_notes": "建议以 DCF + 可比公司交叉验证（需财务数据支撑）",
+        "conclusion": "方向成立，需补充现金流与复购数据后再决策",
+        "generated_at": _ts(),
+    }
+    ai_note = ""
+    if llm is not None and getattr(llm, "provider", "mock") != "mock":
+        try:
+            ai_note = llm.complete(
+                f"项目 {company}、材料 {materials[:100]}，提示最需要核实的一个风险点，不超过 50 字。",
+                system="你是投资研究顾问。")
+        except Exception:
+            ai_note = ""
+    return {"report": report, "ai_note": ai_note}
+
+# ------------------------- 极简 LLM 客户端（可选） -------------------------
+class _MiniLLM:
+    provider = "doubao"
+    def __init__(self):
+        import os
+        self.key = os.environ.get("LLM_API_KEY", "")
+        self.model = os.environ.get("LLM_MODEL", "")
+        self.base = os.environ.get("LLM_BASE_URL", "https://ark.cn-beijing.volces.com/api/v3").rstrip("/")
+        if not self.key or not self.model:
+            raise RuntimeError("缺少 LLM_API_KEY / LLM_MODEL 环境变量")
+    def complete(self, prompt, system=""):
+        msgs = []
+        if system:
+            msgs.append({"role": "system", "content": system})
+        msgs.append({"role": "user", "content": prompt})
+        payload = {"model": self.model, "messages": msgs, "temperature": 0.7, "max_tokens": 1024}
+        req = urllib.request.Request(
+            self.base + "/chat/completions",
+            data=json.dumps(payload).encode("utf-8"),
+            headers={"Content-Type": "application/json", "Authorization": "Bearer " + self.key},
+            method="POST")
+        try:
+            with urllib.request.urlopen(req, timeout=60) as resp:
+                body = json.loads(resp.read().decode("utf-8"))
+        except urllib.error.HTTPError as e:
+            raise RuntimeError("LLM 调用失败 HTTP %s: %s" % (e.code, e.read().decode("utf-8", errors="ignore")[:200]))
+        return body["choices"][0]["message"]["content"].strip()
+
+def _load_input(args):
+    if args.input:
+        return json.loads(args.input)
+    if not sys.stdin.isatty():
+        raw = sys.stdin.read()
+        if raw.strip():
+            return json.loads(raw)
+    return {}
+
+def main():
+    ap = argparse.ArgumentParser(description="投资研究咨询官（17）")
+    ap.add_argument("--input", help="JSON 输入，如 '{\"topic\": \"AI获客\"}'；或经 stdin 传入")
+    ap.add_argument("--llm", action="store_true", help="启用真实大模型（需 LLM_API_KEY/LLM_MODEL 环境变量）")
+    args = ap.parse_args()
+    data = _load_input(args)
+    llm = None
+    if args.llm:
+        try:
+            llm = _MiniLLM()
+        except Exception as e:
+            print(json.dumps({"ok": False, "error": "LLM 初始化失败: " + str(e)}, ensure_ascii=False))
+            sys.exit(1)
+    try:
+        out = run_logic_17(data, llm)
+    except Exception as e:
+        print(json.dumps({"ok": False, "error": str(e)}, ensure_ascii=False))
+        sys.exit(1)
+    print(json.dumps({"ok": True, "output": out}, ensure_ascii=False))
+
+if __name__ == "__main__":
+    main()