feihong-code 8.0.0 → 8.0.2

package/agent-team/skills/01_AI/350/216/267/345/256/242/347/272/277/347/264/242/351/233/267/350/276/276/run.py

@@ -0,0 +1,111 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""AI获客线索雷达（01）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_01(data, llm=None):
+    """全域线索发现、清洗与入库（线索池）。"""
+    channels = data.get("channels") or ["评论区", "小红书", "公众号"]
+    keywords = data.get("keywords", "AI 获客")
+    now = int(time.time())
+    leads = []
+    for i, ch in enumerate(channels[:3], 1):
+        leads.append({
+            "lead_id": f"L{now % 100000000}{i}",
+            "source_channel": ch,
+            "company_name": f"示例{['制造','贸易','服务'][i-1]}公司{i}",
+            "contact_name": f"联系人{i}",
+            "contact_phone": f"1380000{i:04d}",
+            "grade": ["A", "B", "B"][i - 1],
+            "remark": f"来自{ch}，匹配关键词「{keywords}」",
+            "created_at": _ts(),
+        })
+    ai_note = ""
+    if llm is not None and getattr(llm, "provider", "mock") != "mock":
+        try:
+            ai_note = llm.complete(
+                f"请基于输入 {json.dumps(data, ensure_ascii=False)} 给出线索质量评估与分级建议，不超过 80 字。",
+                system="你是资深销售线索运营专家。")
+        except Exception:
+            ai_note = ""
+    return {"total": len(leads), "leads": leads, "dedup_rule": "phone+company 联合去重", "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获客线索雷达（01）")
+    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_01(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/02_AI/351/224/200/345/224/256/350/267/237/350/277/233/351/224/200/345/206/240/SKILL.md

@@ -0,0 +1,38 @@
+---
+name: 02_AI销售跟进销冠
+description: 按话术自动跟进、多轮触达客户（对外动作需人工确认）。属于L3层，优先级P0。触发场景：用户需要AI销售跟进销冠、或涉及customer、strategy相关任务时调用。输出：follow_up。
+---
+
+# 02_AI销售跟进销冠（02）
+
+按话术自动跟进、多轮触达客户（对外动作需人工确认）
+
+- **所属层级**：L3（优先级 P0）
+
+## 使用方式
+
+```bash
+# 方式一：命令行参数
+python3 run.py --input '{"customer": "示例输入"}'
+
+# 方式二：标准输入
+echo '{"customer": "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 '{"customer": "示例输入"}'
+```
+
+## 输入字段
+
+| 字段 | 说明 |
+|---|---|
+| customer | 客户对象（company_name/contact_name） |
+| strategy | 跟进策略 |
+
+## 输出字段
+
+- **follow_up**：跟进消息与下一步
+
+## 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/02_AI/351/224/200/345/224/256/350/267/237/350/277/233/351/224/200/345/206/240/run.py

@@ -0,0 +1,108 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""AI销售跟进销冠（02）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_02(data, llm=None):
+    """销售跟进：按话术自动跟进、多轮触达客户。"""
+    customer = data.get("customer") or {"company_name": "示例公司", "contact_name": "王总"}
+    strategy = data.get("strategy", "标准 3 触达")
+    follow_up = {
+        "target": f"{customer.get('contact_name', '')}（{customer.get('company_name', '')}）",
+        "round": 1,
+        "message": f"您好，上次聊到的方案资料已整理好，方便发您参考吗？",
+        "channel": "企业微信",
+        "frequency_check": "24h 内仅 1 次，通过频控",
+        "next_action": "若 24h 未回复，执行第二轮价值提醒",
+        "need_human": True,
+        "at": _ts(),
+    }
+    ai_note = ""
+    if llm is not None and getattr(llm, "provider", "mock") != "mock":
+        try:
+            ai_note = llm.complete(
+                f"客户 {json.dumps(customer, ensure_ascii=False)}，策略 {strategy}，生成第二轮跟进话术，不超过 60 字。",
+                system="你是顶级销售。")
+        except Exception:
+            ai_note = ""
+    return {"follow_up": follow_up, "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销售跟进销冠（02）")
+    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_02(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/03_/350/257/204/350/256/272/345/214/272/345/225/206/346/234/272/350/257/206/345/210/253/345/256/230/SKILL.md

@@ -0,0 +1,38 @@
+---
+name: 03_评论区商机识别官
+description: 监控目标账号与话题评论区，识别需求与意向，提取商机。属于L1层，优先级P1。触发场景：用户需要评论区商机识别官、或涉及target_accounts相关任务时调用。输出：opportunities、source_evidence。
+---
+
+# 03_评论区商机识别官（03）
+
+监控目标账号与话题评论区，识别需求与意向，提取商机
+
+- **所属层级**：L1（优先级 P1）
+
+## 使用方式
+
+```bash
+# 方式一：命令行参数
+python3 run.py --input '{"target_accounts": "["示例A","示例B"]"}'
+
+# 方式二：标准输入
+echo '{"target_accounts": "["示例A","示例B"]"}' | python3 run.py
+
+# 接入真实大模型（可选）
+LLM_API_KEY=xxx LLM_MODEL=xxx python3 run.py --llm --input '{"target_accounts": "["示例A","示例B"]"}'
+```
+
+## 输入字段
+
+| 字段 | 说明 |
+|---|---|
+| target_accounts | 目标账号/话题列表 |
+
+## 输出字段
+
+- **opportunities**：商机列表
+- **source_evidence**：原文证据
+
+## 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/03_/350/257/204/350/256/272/345/214/272/345/225/206/346/234/272/350/257/206/345/210/253/345/256/230/run.py

@@ -0,0 +1,106 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""评论区商机识别官（03）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_03(data, llm=None):
+    """评论区商机识别：监控目标账号评论区，提取意向商机。"""
+    accounts = data.get("target_accounts") or ["对标账号A", "对标账号B"]
+    found = []
+    for i, acc in enumerate(accounts[:2], 1):
+        found.append({
+            "opportunity_id": f"OP{i}{int(time.time()) % 100000}",
+            "account": acc,
+            "intent": "求购 / 咨询报价" if i == 1 else "寻求合作",
+            "quote": f"「请问你们这个方案怎么收费？想了解一下」",
+            "lead_ref": f"已转线索池待跟进（实时 {_ts()}）",
+        })
+    ai_note = ""
+    if llm is not None and getattr(llm, "provider", "mock") != "mock":
+        try:
+            ai_note = llm.complete(
+                f"评论区内容 {json.dumps(found, ensure_ascii=False)}，请判断真实意向并排序，不超过 80 字。",
+                system="你是商机识别专家。")
+        except Exception:
+            ai_note = ""
+    return {"opportunities": found, "source_evidence": "原文链接与截图归档", "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="评论区商机识别官（03）")
+    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_03(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/04_/345/256/242/346/210/267/350/201/212/345/244/251/346/210/220/344/272/244/345/210/206/346/236/220/345/256/230/SKILL.md

@@ -0,0 +1,37 @@
+---
+name: 04_客户聊天成交分析官
+description: 分析聊天记录，诊断成交卡点，输出建议话术。属于L3层，优先级P0。触发场景：用户需要客户聊天成交分析官、或涉及transcript相关任务时调用。输出：diagnosis。
+---
+
+# 04_客户聊天成交分析官（04）
+
+分析聊天记录，诊断成交卡点，输出建议话术
+
+- **所属层级**：L3（优先级 P0）
+
+## 使用方式
+
+```bash
+# 方式一：命令行参数
+python3 run.py --input '{"transcript": "客户：价格有点高；销售：可以谈。"}'
+
+# 方式二：标准输入
+echo '{"transcript": "客户：价格有点高；销售：可以谈。"}' | python3 run.py
+
+# 接入真实大模型（可选）
+LLM_API_KEY=xxx LLM_MODEL=xxx python3 run.py --llm --input '{"transcript": "客户：价格有点高；销售：可以谈。"}'
+```
+
+## 输入字段
+
+| 字段 | 说明 |
+|---|---|
+| transcript | 聊天记录 / 通话转写 |
+
+## 输出字段
+
+- **diagnosis**：卡点诊断与建议话术
+
+## 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/04_/345/256/242/346/210/267/350/201/212/345/244/251/346/210/220/344/272/244/345/210/206/346/236/220/345/256/230/run.py

@@ -0,0 +1,107 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""客户聊天成交分析官（04）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_04(data, llm=None):
+    """聊天成交分析：分析聊天记录，诊断卡点，输出建议话术。"""
+    transcript = data.get("transcript", "客户：价格有点高；销售：可以谈；客户：我再想想。")
+    diagnosis = {
+        "pain_points": ["价格敏感"],
+        "blockers": ["价值量化不足", "未给决策紧迫感"],
+        "suggested_scripts": [
+            "先量化 ROI：按当前产能算 3 个月回本",
+            "再给限时政策：本月底前签约送首月服务",
+        ],
+        "confidence": "中高（抽样人工复核）",
+        "analyzed_at": _ts(),
+    }
+    ai_note = ""
+    if llm is not None and getattr(llm, "provider", "mock") != "mock":
+        try:
+            ai_note = llm.complete(
+                f"聊天记录：{transcript[:200]}，指出最关键的一个成交卡点，不超过 50 字。",
+                system="你是成交分析专家。")
+        except Exception:
+            ai_note = ""
+    return {"diagnosis": diagnosis, "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="客户聊天成交分析官（04）")
+    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_04(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/05_/345/220/214/350/241/214/347/210/206/346/254/276/351/233/267/350/276/276/SKILL.md

@@ -0,0 +1,38 @@
+---
+name: 05_同行爆款雷达
+description: 监控同行爆款内容，提炼可复制模式。属于L2层，优先级P2。触发场景：用户需要同行爆款雷达、或涉及competitor_accounts相关任务时调用。输出：hot_contents、patterns。
+---
+
+# 05_同行爆款雷达（05）
+
+监控同行爆款内容，提炼可复制模式
+
+- **所属层级**：L2（优先级 P2）
+
+## 使用方式
+
+```bash
+# 方式一：命令行参数
+python3 run.py --input '{"competitor_accounts": "["示例A","示例B"]"}'
+
+# 方式二：标准输入
+echo '{"competitor_accounts": "["示例A","示例B"]"}' | python3 run.py
+
+# 接入真实大模型（可选）
+LLM_API_KEY=xxx LLM_MODEL=xxx python3 run.py --llm --input '{"competitor_accounts": "["示例A","示例B"]"}'
+```
+
+## 输入字段
+
+| 字段 | 说明 |
+|---|---|
+| competitor_accounts | 同行账号列表 |
+
+## 输出字段
+
+- **hot_contents**：爆款列表
+- **patterns**：可复用模式
+
+## 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。