Co-Pilot / 辅助式

更新于 24 days ago

writing-agent

Name: writing-agent
Rating: 4.0 (50 reviews)
Author: dongbeixiaohuo

Ddongbeixiaohuo

0.1k

dongbeixiaohuo/writing-agent

Agent 评分

💡 摘要

一个协作式写作工作流系统，通过AI帮助创作出更像人类的文章。

🎯 适合人群

内容创作者博客作者营销专业人士学生作家

🤖 AI 吐槽: “看起来很能打，但别让配置把人劝退。”

安全分析中风险

风险：Medium。建议检查：是否执行 shell/命令行指令；是否发起外网请求（SSRF/数据外发）；API Key/Token 的获取、存储与泄露风险；文件读写范围与路径穿越风险；依赖锁定与供应链风险。以最小权限运行，并在生产环境启用前审计代码与依赖。

写稿Agent v0.6.0

🚀 一个基于 Claude Code Skills + Subagents 的"反AI味"写作系统，让AI写出的文章像人写的一样自然。

支持 DeepSeek / 智谱GLM / MiniMax 等多种国产大模型，成本极低（如果使用智谱GLM，MiniMax等包月套餐2000字文章成本基本可以忽略不计，成本只取决于你的写文章辛勤程度）。

从选题生成、风格建模到发布评审，提供完整的 AI 写作工作流。

🎯 项目简介

写稿Agent 是一个协作式写作工作流系统，通过强制性的模式选择、需求澄清、风格建模、素材调研和主编审稿，帮助你写出不像AI生成的高质量文章。

v0.6.0 去AI味与真实模拟 ⭐ New

🤖 Humanizer 去AI味专家：基于 Wikipedia AI Cleanup 项目，识别并修复24种AI痕迹（内容/语言/风格），注入人类"灵魂"。
📺 读者模拟器 v3.0 直播版：不再是冷冰冰的数据报告，而是模拟真实读者的"直播现场"——心理弹幕、真话吐槽、朋友圈截图预览。
🔄 工作流升级：新增 Stage 10 最终去AI味，在所有流程结束后主动询问，完成最后一道"注入灵魂"工序。

v0.5.1 审稿质量增强

解决"打分就过"的问题，所有评审环节必须给出可执行的修改方案并等待用户确认：

🎯 标题设计师 v2.0：15种爆款公式（分6大类）+ 5个候选 + 钩子说明
✅ 发布前评审 v2.0：每个问题都有「原文→改为」的修改方案 + 用户确认
✅ 读者模拟 v2.1：具体修改建议 + 可自动执行修改 + 修改后重新测试
🔒 强制用户确认：不会再出现"打分就直接过去"的情况

v0.5.0 重大架构升级

引入 Subagent 模式，实现上下文隔离：

🔄 12 个执行步骤改为独立 Subagent，每个任务独立上下文
📁 信息通过文件传递，不依赖对话上下文，避免 Token 累积
🎯 工作流导演 Skill 显式调用 Subagent，保持用户交互能力
💾 每阶段产物自动落盘，支持断点续写

核心特点

✅ Subagent 架构：12 个独立 Subagent 实现上下文隔离，节省 Token
✅ 协作工作流：10阶段深度创作模式，包含选题、调研、审稿完整流程
✅ 标题设计师 v2.0：15种爆款标题公式（6大类）+ 5个候选 ✨ v0.5.1 New
✅ 反AI味道：自动去除小标题病、排比上瘾、格式洁癖等AI典型特征
✅ 风格建模 v3.1：支持公众号链接一键提取、多篇批量建模、增量更新风格库
✅ 选题生成器：不知道写什么？AI 基于热点、个人优势和竞品分析智能推荐选题
✅ 自动素材归档：提取的文章自动保存为本地 Markdown，构建个人知识库
✅ 强制模式选择：轻量模式（快速产出）vs 协作模式（深度创作）
✅ 素材调研：自动搜集真实数据，新增爆款拆解与痛点验证
✅ 字数精准控制：通过外部工具统计，误差控制在±20%以内
✅ 发布前评审 v2.0：发布前5问 + 红队7项 + 具体修改建议 ✨ v0.5.1 New
✅ 读者模拟 v3.0：心理弹幕 + 真话吐槽 + 朋友圈现场直播 ✨ v0.6.0 New
✅ Humanizer：深度去AI味 + 注入灵魂（观点/节奏/细节） ✨ v0.6.0 New
✅ 主编审稿 v2.2：12项AI味道量化检测
✅ 版本管理：自动保存初稿、修订稿、最终稿，可追溯每次修改

📚 什么是 Claude Code Skills 和 Subagents？

Skills 与 Subagents 的区别

| 特性 | Skills | Subagents | |------|--------|-----------| | 触发方式 | 语义匹配（自动） | 显式调用（手动） | | 上下文 | 共享主对话 | 独立隔离 | | 适用场景 | 需要自动识别意图 | 需要隔离执行的任务 | | Token 消耗 | 会累积 | 每个任务独立 |

本项目的架构（v0.5.0）

本项目采用 Skills + Subagents 混合架构：

.claude/
├── skills/                     # 语义触发（3个）
│   ├── 工作流导演/             # ⭐ 核心调度器（调用所有 Subagent）
│   ├── 公众号文章获取/         # 独立工具（检测到URL自动触发）
│   └── 风格建模/               # 独立工具（"学习这个风格"触发）
│
└── agents/                     # 显式调用，上下文隔离（12个）
    │
    ├── ── Stage 0: 选题阶段 ──
    ├── topic-generator.md      # 选题生成器
    ├── topic-research.md       # 选题调研
    │
    ├── ── Stage 1-5: 准备阶段 ──
    ├── writing-clarifier.md    # 澄清需求
    ├── research-expert.md      # 调研资料
    ├── outline-architect.md    # 大纲设计
    ├── empathy-designer.md     # 共情点设计
    ├── concretizer.md          # 具象化专家
    ├── title-designer.md       # 标题设计师
    │
    ├── ── Stage 6: 写作阶段 ──
    ├── writing-executor.md     # 写作执行
    │
    ├── ── Stage 7-9: 审稿阶段 ──
        ├── editor-review.md        # 主编审稿
        ├── pre-publish-review.md   # 发布前评审
        ├── toutiao-reader-test.md  # 读者模拟直播
        └── humanizer.md            # 去AI味专家 ✨ New

工作流程示意

用户请求 → [工作流导演 Skill]
    │
    ├──→ "使用 writing-clarifier 子代理..." → 输出 01_theme.md
    │
    ├──→ "使用 research-expert 子代理..." → 输出 02_cases.md
    │
    ├──→ "使用 outline-architect 子代理..." → 输出 03_outline.md
    │
    ├──→ ... → 最终产出 draft_final.md
    │
    └──→ "使用 humanizer 子代理..." → 最终注入灵魂 ✨ New

每个 Subagent：

✅ 干净的上下文，从 0 开始
✅ 必须从文件读取前序信息
✅ 只返回摘要给主导演，不传递完整文本
✅ 独立隔离，避免 Token 累积

Skills 自动加载机制

重要说明：

克隆项目后，Skills 已经在项目目录里了
- 项目文件结构：writing-agent/.claude/skills/（包含 13 个 Skills）
- 这些 Skills 是项目的一部分，随项目一起下载
必须在项目目录中启动 Claude Code
```
cd writing-agent        # 先进入项目目录
claude                  # 再启动 Claude Code
```
⚠️ 关键：Claude Code 只会加载当前目录下的 .claude/skills/
- ✅ 正确：在 writing-agent/ 目录中启动 → Skills 自动加载
- ❌ 错误：在其他目录启动 → Skills 不会被加载

Claude Code 的 Skills 加载规则：

全局 Skills 目录：~/.claude/skills/（所有项目都能用）
项目 Skills 目录：项目根目录/.claude/skills/（仅当前项目可用）

本项目采用"项目级 Skills"，这意味着：

✅ 克隆项目后，Skills 已经在项目目录中（无需手动复制）
✅ 在项目目录中启动 Claude Code，Skills 自动可用
✅ 不会污染你的全局 Skills 目录
✅ 多个项目的 Skills 互不干扰

如果你想让这些 Skills 在所有项目中都能用：

Windows (PowerShell):

xcopy /E /I ".claude\skills" "$env:USERPROFILE\.claude\skills"

Linux/macOS:

cp -r .claude/skills/* ~/.claude/skills/

📦 快速开始

前置要求

方式一：使用 Claude 官方模型

Claude Code 账号
基本的命令行操作能力

方式二：使用国产大模型（推荐，更经济）

本项目支持通过 Anthropic API 兼容接口接入多种国产大模型：

| 模型 | 推荐指数 | 成本 | 获取 API Key | 官方文档 | |------|---------|------|-------------|---------| | DeepSeek-V3 | ⭐⭐⭐⭐⭐ | 极低 | DeepSeek 平台 | 接入文档 | | 智谱 GLM | ⭐⭐⭐⭐ | 中等 | 智谱开放平台 | 接入文档 | | MiniMax | ⭐⭐⭐⭐ | 中等 | MiniMax 平台 | 接入文档 |

本项目所有测试均基于 DeepSeek-V3 模型完成。 一篇 2000 字文章成本约 ¥0.03，性价比极高。

安装步骤（新手友好版）

本指南以 Windows 系统为主，同时提供 Linux/macOS 的对应说明。

步骤 1：安装 Node.js 环境

Claude Code 需要 Node.js 18 或更高版本才能运行。

方法一：官网下载（推荐）

打开浏览器访问 https://nodejs.org/
点击 "LTS" 版本进行下载（长期支持版本，版本号需 ≥ 18）
下载完成后双击 .msi 文件
按照安装向导完成安装，保持默认设置即可
安装完成后，打开 PowerShell（推荐）或 CMD，输入以下命令验证：
```
node --version
npm --version
```
如果显示版本号（如 v20.x.x 和 10.x.x），说明安装成功！

方法二：使用包管理器

如果你安装了 Chocolatey 或 Scoop，可以使用命令行安装：

# 使用 Chocolatey
choco install nodejs

# 或使用 Scoop
scoop install nodejs

Windows 注意事项：

⚠️ 建议使用 PowerShell 而不是 CMD（功能更强大）
⚠️ 如果遇到权限问题，尝试以管理员身份运行 PowerShell
⚠️ 某些杀毒软件可能会误报，需要添加白名单

Ubuntu/Debian:

curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo -E bash -
sudo apt-get install -y nodejs

macOS (使用 Homebrew):

brew install node

验证安装：

node --version
npm --version

步骤 2：克隆项目到本地

打开 PowerShell
进入你想存放项目的目录，例如：
```
cd D:\Projects
```

克隆项目：

git clone https://github.com/dongbeixiaohuo/writing-agent.git
cd writing-agent

如果没有安装 Git：

下载安装：https://git-scm.com/download/win
或者直接从 GitHub 下载 ZIP 文件并解压

cd ~/Projects  # 或你想存放的目录
git clone https://github.com/dongbeixiaohuo/writing-agent.git
cd writing-agent

步骤 3：安装 Claude Code

打开 PowerShell（建议以管理员身份运行）

运行以下命令全局安装 Claude Code：

npm install -g @anthropic-ai/claude-code

如果下载速度慢，可以使用国内镜像：

npm install -g @anthropic-ai/claude-code --registry=https://registry.npmmirror.com

验证安装：
```
claude --version
```
如果显示版本号，说明安装成功！

更新 Claude Code：

claude update

npm install -g @anthropic-ai/claude-code

# 验证安装
claude --version

步骤 4：验证 Skills 是否正确加载

在配置 API 之前，先验证项目的 Skills 是否在正确的位置。

打开 PowerShell

进入项目目录：

cd D:\Projects\writing-agent  # 替换为你的实际路径

检查 Skills 目录：

Get-ChildItem -Path ".claude\skills" -Directory

预期输出：应该看到 13 个 Skills 目录

工作流导演
选题生成器
选题调研
澄清写作需求
风格建模
调研资料
大纲架构师
共情点设计师
具象化专家
标题设计师
写作执行
主编审稿
发布前评审

如果没有看到这些目录：

检查是否正确克隆了项目（确认使用了 git clone 而不是只下载了部分文件）
确认 .claude 目录没有被意外删除

cd ~/Projects/writing-agent  # 替换为你的实际路径
ls -la .claude/skills/

应该看到 13 个 Skills 目录。

✅ 验证通过后，继续下一步配置 API。

步骤 5：配置第三方 API（三种方法任选其一）

本项目支持通过 Anthropic API 兼容接口接入多种第三方模型。以下以通用配置为例。

你需要准备的信息：

API_BASE_URL：第三方 API 的基础地址（如 https://api.example.com/v1）
API_KEY：你的 API 密钥（从第三方平台获取）

这是最稳定的配置方式，配置一次永久生效。

Windows 操作：

打开文件资源管理器，在地址栏输入：
```
%USERPROFILE%\.claude
```
如果文件夹不存在，手动创建它。
在该文件夹下创建文件 settings.json（如果已存在则直接编辑）

用记事本或 VS Code 打开 settings.json，填入以下内容：

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "你的API密钥",
    "ANTHROPIC_BASE_URL": "https://api.example.com/v1",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1"
  }
}

替换示例值：
- 将 "你的API密钥" 替换为你从第三方平台获取的实际 API Key
- 将 "https://api.example.com/v1" 替换为第三方 API 的实际地址
保存文件

Linux/macOS 操作：

# 创建配置目录（如果不存在）
mkdir -p ~/.claude

# 编辑配置文件
nano ~/.claude/settings.json

填入相同的 JSON 内容，保存后退出（Ctrl+X → Y → Enter）。

配置文件路径说明：

Windows: C:\Users\你的用户名\.claude\settings.json
Linux/macOS: ~/.claude/settings.json

这种方法会将配置写入系统环境变量，重启后仍然有效。

在 PowerShell 中运行：

# 设置用户级环境变量（永久生效）
[System.Environment]::SetEnvironmentVariable("ANTHROPIC_BASE_URL", "https://api.example.com/v1", [System.EnvironmentVariableTarget]::User)
[System.Environment]::SetEnvironmentVariable("ANTHROPIC_AUTH_TOKEN"

五维分析

清晰度8/10

创新性8/10

实用性9/10

完整性8/10

可维护性7/10

优缺点分析

优点

支持多种AI模型
全面的写作工作流
文章生成成本低

缺点

需要设置外部API
新用户可能有学习曲线
依赖第三方服务