AWS Wechat Article Review

审稿与合规

公众号发布前合规守门员 —— 敏感词、错别字、平台规范一次性筛查，输出可执行修改清单。

> 套件说明 · 本 skill 属 aws-wechat-article-* 一条龙套件（共 9 个 slug，入口 aws-wechat-article-main）。跨 skill 的相对引用依赖同一 skills/ 目录，建议一并 clawhub install 全套。源码：<https://github.com/aiworkskills/wechat-article-skills>

能力披露（Capabilities）

本 skill 为纯本地规则/清单审稿，零网络、零凭证、不调用任何外部脚本。

• 凭证：无
• 网络：无
• 文件读：仓库内 .aws-article/config.yaml、.aws-article/writing-spec.md（如有）、.aws-article/presets/review-rules.yaml（如有）、本篇 draft.md / article.html / article.yaml
• 文件写：本篇 article.md 定稿、审稿记录
• shell：无（不调用任何脚本）

> 往期推荐链接的自动补齐由 publish skill 处理（那里才有微信 API 凭证与 getdraft.py）；本 skill 只做「若 embeds.related_articles.manual 非空则按其排占位符」与「若为空则在审稿输出中提示需 publish 补齐或手填」，不直接调任何网络脚本。

配套 skill（informational）

本 skill 是 aws-wechat-article-* 一条龙公众号套件的审稿环节（入口 aws-wechat-article-main）。工作流中的若干步骤会读取同级 ../aws-wechat-article-main/references/*.md 等共享文档（首次引导、writing-spec、articlescreening schema 等）。

• 套件完整装齐到同一 skills/ 根目录时，跨 skill 引用都能读到。
• 单独安装本 skill 时，跨 skill 引用的步骤会在读取阶段遇到 file not found；本 skill 内的纯本地规则/清单审稿仍可用。

完整 9 slug 清单见 源码仓库。

路由

「能不能发」若含代为发布或从稿到发出整条收尾 → aws-wechat-article-main。

对文章做系统性检查，发现问题并引导修改。

两种审稿模式

| 模式 | 时机 | 检查重点 |

|------|------|---------|

| 内容审 | writing 之后、formatting 之前 | 内容质量、写作规范、敏感词、配图标记 |

| 终审 | publish 之前 | 排版完整性、图片就位、发布要素齐全 |

自动识别：有 article.html → 终审模式，否则 → 内容审模式。

工作流

审稿进度：
- [ ] 第1步：环境检查 + 本篇约束与规范
- [ ] 第2步：逐项检查
- [ ] 第3步：输出审稿结果
- [ ] 第4步：修改循环 🔄
- [ ] 第5步：确认通过 → **文末 embed（⛔ BLOCKING）** → 保存 `article.md` 定稿

智能体行为约束（与定稿强相关）

• 禁止在未完成 第5步「文末 embed」（见下 ⛔ BLOCKING）的情况下，将稿件称为「已定稿」、写入 article.md、或进入 排版（format.py）。
• 禁止用「用户没提」「节省时间」等理由跳过文末占位符；唯一例外：用户书面声明本篇不要任何嵌入元素（名片/小程序/链接），则须在审稿记录中写明「用户声明跳过 embed」，且仍须确认不是误操作。
• 一条龙 / 完整流程（main SKILL）中，内容审产出的 article.md 必须已含文末 embed（按合并规则或合法省略），再进入排版。

第1步：环境检查 + 本篇约束与规范 ⛔

任何操作执行前，必须按 首次引导 执行其中的 「检测顺序」。检测通过后才能进行以下操作（或用户明确书面确认「本次不检查」）：

从选题到发布的阻断规则见 main SKILL；单独启用本 skill 时亦须先满足同一套环境检查（或用户按 main 约定声明「本次例外」）。

然后读取：

• .aws-article/writing-spec.md（如有）
• .aws-article/presets/review-rules.yaml（如有）
• 本篇合并配置（与 writing、format.py 一致）：先 .aws-article/config.yaml 顶层（不含 writing_model / image_model），再叠 本篇目录 article.yaml（同键本篇优先；仅 embeds.related_articles 与全局深度合并，其余 embeds 仍以全局为准）。审稿与内容向检查以合并结果为准（如 review_output_format、custom_sensitive_words、forbidden_words、target_reader、tone、image_density 等）。字段说明：articlescreening-schema.md。

fallback：合并后仍缺关键约束时向用户说明「部分维度无法按本篇约束对齐」，并建议补全 config.yaml / article.yaml；无写作规范时跳过规范检查项；无自定义审稿规则时仅执行内置检查清单 references/checklist.md。

第2步：逐项检查

按模式执行不同检查项，详见：references/checklist.md

内容审 检查以下维度：

| 维度 | 检查内容 |

|------|---------|

| 标题 | 长度、禁用套路、与正文一致性 |

| 摘要 | 长度、信息量、与正文一致性 |

| 正文 | 敏感词、禁用词、错别字、事实出处 |

| 写作规范 | 对照 writing-spec.md 检查用词、句式、段落；深度与调性是否与 本篇合并配置 的 target_reader、tone 一致 |

| AI 味自检 | 对照 references/ai-flavor-check.md 的指纹库诊断文风，逐处标注信号强度（强/中/弱）。默认只诊断：命中折算为 🟡 建议修改，不 blocking、不影响定稿，由作者决定改不改 |

| 配图标记 | 封面标记存在、数量与 本篇合并配置 的 image_density 匹配、描述清晰 |

| 文末 embed | 定稿前须完成 第5步 ⛔ BLOCKING（与 format.py 的 {embed:…} 一致）；未写入 article.md 不得定稿 |

| 原创标注 | 按 original_attribution 处理 |

终审 额外检查：

| 维度 | 检查内容 |

|------|---------|

| 排版 | article.html 存在且完整 |

| 图片 | imgs/ 下图片齐全、placeholder 已替换 |

| 发布要素 | 标题/摘要/作者/封面 全部就绪 |

第3步：输出审稿结果

按 review_output_format 输出：

• 分块详细：按维度分块，逐项列 ✅/❌ + 修改建议
• 简要清单：表格式，一行一项

输出模板：references/output-format.md

结果分三级：

• 🔴 必须修改：不改不能过（敏感词、严重错别字、缺封面）
• 🟡 建议修改：改了更好（用词优化、段落调整）
• 🟢 通过：无问题

第4步：修改循环 🔄

有 🔴 项时必须进入修改循环：

发现问题 → 展示审稿结果 → 等用户/agent 修改 → 重新检查 → 直到无 🔴

修改方式：

• Agent 直接修改 draft.md
• 用户手动修改后说「改好了」
• 调用 writing skill 的 rewrite 能力

每轮修改后自动重审被标记为 🔴 的项，不需要全量重审。

> ⚠️ Step 4 完成不代表可以保存 article.md。必须先完成 Step 5（文末 embed ⛔⛔ BLOCKING）才能写入 article.md 或进入排版。

第5步：确认通过 → 剥离引用标注 → 文末 embed → 保存定稿 ⛔⛔ BLOCKING

全部 🔴 项消除后：

• 展示最终审稿结果
• 等待用户确认 ⛔
• ⛔ BLOCKING · 剥离引用标注：在仓库根执行

python {baseDir}/../aws-wechat-article-writing/scripts/write.py strip-citations <本篇 draft.md> -o <本篇 draft-stripped.md>

纯本地正则剥离正文中所有 （资料路径：...） 引用标注（writing 阶段为事实溯源强制注入，发布版必须去除以免泄露内部产品目录路径）。禁止用 sed / agent 肉眼撕替代该脚本 —— 历史多次出现"撕一遍漏一条"的事故。

• ⛔ BLOCKING · 文末 embeds：在写入 article.md 之前完成本节下方「规则与表格」——先读取 .aws-article/config.yaml 并与本篇 article.yaml 合并（与第 1 步一致：除 embeds.related_articles 外，embeds 仅以全局为准；related_articles 与全局深度合并），再在 draft-stripped.md 的正文末尾（原有正文之后）按规则追加或合法省略占位符。占位符必须与合并后可解析的配置一致，否则排版阶段会失败。未完成本节不得保存定稿、不得调用 format.py。
• 将已剥离引用标注且含文末 embed（或已按规则省略并记录在审稿说明中）的稿件保存为 article.md（定稿）；中间产物 draft-stripped.md 可保留备查或删除。

定稿文末 embeds（规则与表格）

| 占位符 | 何时写入文末 | 配置对齐 |

|--------|----------------|----------|

| {embed:profile:…} | 全局 embeds.profiles 存在至少一条有效项（非空 nickname） | 每条有效 profile 一行，占位中 … = 该项 nickname |

| {embed:miniprogram:…} | 全局 embeds.miniprograms 存在至少一条有效项（非空 title） | 每条有效项一行，… = title |

| {embed:miniprogram_card:…} | 全局 embeds.miniprogram_cards 存在至少一条有效项（非空 title） | 每条有效项一行，… = title |

| {embed:link:…} | 往期链接：合并后 embeds.related_articles.manual 有有效项时；或见下方「无 manual」 | … = 该项 name；文末相关链接至多 3 条 |

• 前三类（名片 / 小程序文字链 / 小程序卡片）：若对应列表未配置或为空或无非空关键字段，不追加该类占位符，无需处理。
• 往期 {embed:link:…}：
• 若合并后 manual 已有 name + url：在文末追加对应占位符，最多 3 条（超过则只保留 3 条，优先与本文主题最相关的条目或按列表顺序取前 3）。
• 若合并后 manual 缺失或为空：本 skill 不自动补齐（以保持 review 纯本地、无网络、无凭证）。处理方式：
• 首选由用户手动把已发表文章的 name + url 写入本篇 article.yaml 的 embeds.related_articles.manual（每项至多 3 条）；
• 或在进入 publish skill 时，由 publish 在发布前调用 getdraft.py published-fields 自动补齐（publish 才有微信 API 凭证与网络能力）；
• 若用户声明跳过往期：不伪造 manual，在审稿说明中注明「本篇跳过往期推荐」，{embed:link:…} 占位省略即可。

字段含义与示例见 {baseDir}/../aws-wechat-article-main/references/config.example.yaml 的 embeds 注释及 topics SKILL 文末「推荐链接」说明；排版脚本据此生成 article.html。

全空时的处理：当所有 embed 配置（profiles / miniprograms / miniprogram_cards / related_articles）均为空或未配置时，仍须在审稿输出中显式标注「文末 embed：无配置，已跳过」，不得静默跳过。这确保流程可追溯，避免遗漏。

自定义检查规则

用户可在 .aws-article/presets/review-rules.yaml 添加自定义检查项：

# .aws-article/presets/review-rules.yaml
custom_rules:
  - name: 品牌名称规范
    check: 正文中「XX公司」必须使用全称，不能简写
    level: 必须    # 必须 / 建议

  - name: 数据来源
    check: 所有引用的数据必须标注来源和日期
    level: 必须

  - name: CTA 检查
    check: 文末必须包含明确的行动号召
    level: 建议

自定义规则会追加到标准检查项之后执行。

过程文件

| 模式 | 读取 | 产出 |

|------|------|------|

| 内容审 | draft.md、.aws-article/config.yaml + 本篇 article.yaml、writing-spec.md | review.md、article.md（定稿） |

| 终审 | article.html、imgs/、同上合并配置、article.yaml（发布元数据等） | review.md（终审结果） |