dongbeixiaohuo/writing-agent

✍️ Writing‑Agent v0.10.0 – 由 AI 驱动的阶段式写作流水线

是什么 – 一个本地运行的工具（CLI + 可选的 Windows 桌面应用），将撰写长文文章的过程转化为可重复、可中断的工作流。它将一系列 阶段（主题、立场、证据台账、大纲、开头钩子、草稿、人类化、事实核查、审阅、读者测试、导出）串联起来，并将每个步骤的成果物存储在磁盘上，以便你可以暂停、编辑或稍后重新运行该流程。

为何重要 – 大多数 AI 写作工具只输出一个草稿，留下黑箱结果。Writing‑Agent 让整个过程透明且可审计：

• 有证据支持 – 每个事实性主张都与 02_evidence_ledger.json 中的条目关联，并在生成最终的 _clean.txt 前重新检查。
• 人机协同 – 一个 Humanizer 阶段会去除“AI 风格”，同时仅保留有来源的材料。
• 版本安全 – 标题和正文的 SHA‑256 哈希值记录在 run_manifest.json 中；任何更改都会使之前的运行无效。
• 导出选项 – 生成纯文本 _clean.txt，以及可选的微信风格 HTML。

核心组件（如仓库中所列）

目录/文件	作用
writing-agent-app/	Windows 预览桌面应用的源码（可在发布页获取安装程序）。
.claude/skills/	驱动每个阶段的提示模板和“技能”（例如 research‑expert, opening‑tournament）。
.claude/agents/	包装所选 LLM（DeepSeek‑V3.2、智谱 GLM、MiniMax）的代理定义。
.claude/workflows/	CLI 执行的有序流水线。
scripts/	用于依赖检查、运行时契约和 CI 的辅助脚本（Node 和 Python）。
demo/工资的一半，是你受的气折算的/	一个完整的端到端示例，展示流水线生成的每个中间文件。
02_evidence_ledger.json	用于后续事实核查的结构化事实台账（ID、来源、值）。
run_manifest.json	记录标题、正文以及确切阶段输出的哈希值的清单，确保可复现性。
style_registry.json 与 .claude/styles/	已验证写作风格库；每个风格标记为 verified 或 legacy_unverified。

支持的模型 – 该工具不需要使用 Claude 的 API；它可与任何 Anthropic 兼容的端点配合使用。README 推荐了三个已端到端测试的模型：

• DeepSeek‑V3.2 – 最便宜的入门选择，适合首次运行。
• 智谱 GLM – 性能相当，如果你已有 GLM 订阅则非常有用。
• MiniMax – 也已测试，可互换使用。

安装方式

1. 桌面预览（Windows） – 从 Releases 页面下载 Writing.Agent.App_0.1.0_x64-setup.exe 并运行。
2. 完整源码安装 –

   git clone https://github.com/dongbeixiaohuo/writing-agent.git
   cd writing-agent
   npm ci          # 安装 Node 依赖（Node ≥ 18.17）
   # Python 3.11+ 也用于运行时脚本
   claude          # 在仓库根目录启动 Claude Code
   

3. 插件模式 – 将仓库添加到 Claude 的市场，并安装 writing-agent 插件；插件将在任何工作目录中自动构建最小文件夹结构（articles/、.claude/styles/ 等）。

典型工作流（高阶，如 README 所述）

1. 阶段 1 – 主题 – 编写 01_theme.md 以设定主题和约束条件。
2. 阶段 1b – 立场 – 在 01b_position.md 中锁定文章的“锋利度”。
3. 阶段 2 – 证据台账 – 将事实收集到 02_evidence_ledger.json 中。
4. 阶段 3 – 大纲 – 生成 03_outline.md。
5. 阶段 5c – 开头钩子 – 竞赛多个钩子，选择最佳者。
6. 阶段 6 – 草稿 – 生成 draft_v1.md。
7. 阶段 7 – 人类化 – 去除 AI 特有表达 → draft_v1_humanized.md。
8. 阶段 10.5 – 事实核查 – 将主张与台账对比；若出现任何红灯，流水线将停止。
9. 阶段 11 – 审阅 / 预发布 – 编辑审阅（pre_publish_review.md）。
10. 阶段 12 – 读者测试 – 模拟平台特定互动（wechat_reader_test.md）。
11. 阶段 13 – 导出 – 生成最终干净文本 _clean.txt 和可选的微信风格 HTML。
12. 阶段 14（可选） – 指标 – 在 publication_metrics.jsonl 中记录曝光/分享统计数据。

为何使用它

• 你撰写新闻通讯、评论文章或行业报告，需要可审计的草稿。
• 你需要一个可重复的流水线，可以暂停并恢复而不会丢失上下文。
• 你重视事实核查，希望系统在任何主张缺乏来源时阻止发布。
• 你希望在不重写提示的情况下，尝试不同的 LLM 后端。

许可证 – MIT（见 LICENSE）。

---

新手快速入门

1. 安装 Node 18+、Python 3.11+ 和 Claude Code（通过原生安装程序、Homebrew 或 WinGet）。
2. 克隆仓库并运行 npm ci。
3. 在仓库根目录启动 Claude（claude）。
4. 输入以下提示：

   先别写新文章，先解释 demo/工资的一半，是你受的气折算的 里每个阶段文件各自起什么作用。
   

   助手将带你逐步了解演示文件，确认工作流已正确加载。

---

总结 – Writing‑Agent 是一个真正的开源 AI 辅助写作系统，将文章创作视为多阶段、可验证的流水线，而非一次性生成。它完全可配置，支持多个第三方 LLM，同时提供 CLI 工具和 Windows 桌面预览应用。