dongbeixiaohuo/writing-agent

✍️ Writing‑Agent v0.10.0 – 由 AI 驅動的階段式寫作流程

是什麼 – 一個本地運行的工具（CLI + 可選的 Windows 桌面應用），將撰寫長文文章的過程轉化為可重複、可中斷的工作流程。它將一系列 階段（主題、立場、證據帳本、大綱、開頭鈎子、草稿、人類化、事實核對、審閱、讀者測試、匯出）串聯起來，並將每個步驟的成果物儲存在磁碟上，讓你可以暫停、編輯或稍後重新執行流程。

為何重要 – 多數 AI 寫作工具只輸出單一草稿，留下黑箱結果。Writing‑Agent 讓整個過程透明且可審計：

• 有證據支持 – 每個事實性主張都與 02_evidence_ledger.json 中的條目關聯，並在產生最終的 _clean.txt 前重新核對。
• 人機協同 – 一個 Humanizer 階段會去除「AI 風格」，同時僅保留有來源的材料。
• 版本安全 – 標題和正文的 SHA‑256 哈希值記錄在 run_manifest.json 中；任何變更都會使之前的執行無效。
• 匯出選項 – 產生純文字 _clean.txt，以及可選的微信風格 HTML。

核心元件（如倉儲中所列）

目錄/檔案	作用
writing-agent-app/	Windows 預覽桌面應用的原始碼（可在發行頁取得安裝程式）。
.claude/skills/	驅動每個階段的提示範本和「技能」（例如 research‑expert, opening‑tournament）。
.claude/agents/	包裝所選 LLM（DeepSeek‑V3.2、智譜 GLM、MiniMax）的代理定義。
.claude/workflows/	CLI 執行的有序流程。
scripts/	用於依賴檢查、執行時契約和 CI 的輔助腳本（Node 和 Python）。
demo/工资的一半，是你受的气折算的/	一個完整的端對端範例，展示流程產生的每個中間檔案。
02_evidence_ledger.json	用於後續事實核對的結構化事實帳本（ID、來源、值）。
run_manifest.json	記錄標題、正文以及確切階段輸出的哈希值的清單，確保可重現性。
style_registry.json 與 .claude/styles/	已驗證寫作風格庫；每個風格標記為 verified 或 legacy_unverified。

支援的模型 – 此工具不需要使用 Claude 的 API；它可與任何 Anthropic 相容的端點配合使用。README 推薦了三個已端對端測試的模型：

• DeepSeek‑V3.2 – 最便宜的入門選擇，適合首次執行。
• 智譜 GLM – 性能相當，如果你已有 GLM 訂閱則非常有用。
• MiniMax – 也已測試，可互換使用。

安裝方式

1. 桌面預覽（Windows） – 從 Releases 頁面下載 Writing.Agent.App_0.1.0_x64-setup.exe 並執行。
2. 完整原始碼安裝 –

   git clone https://github.com/dongbeixiaohuo/writing-agent.git
   cd writing-agent
   npm ci          # 安裝 Node 依賴（Node ≥ 18.17）
   # Python 3.11+ 也用於執行時腳本
   claude          # 在倉儲根目錄啟動 Claude Code
   

3. 插件模式 – 將倉儲加入 Claude 的市場，並安裝 writing-agent 插件；插件將在任何工作目錄中自動建構最小資料夾結構（articles/、.claude/styles/ 等）。

典型工作流程（高階，如 README 所述）

1. 階段 1 – 主題 – 編寫 01_theme.md 以設定主題和限制條件。
2. 階段 1b – 立場 – 在 01b_position.md 中鎖定文章的「鋒利度」。
3. 階段 2 – 證據帳本 – 將事實收集到 02_evidence_ledger.json 中。
4. 階段 3 – 大綱 – 產生 03_outline.md。
5. 階段 5c – 開頭鈎子 – 競賽多個鈎子，選擇最佳者。
6. 階段 6 – 草稿 – 產生 draft_v1.md。
7. 階段 7 – 人類化 – 去除 AI 特有表達 → draft_v1_humanized.md。
8. 階段 10.5 – 事實核對 – 將主張與帳本比對；若出現任何紅燈，流程將停止。
9. 階段 11 – 審閱 / 預發布 – 編輯審閱（pre_publish_review.md）。
10. 階段 12 – 讀者測試 – 模擬平台特定互動（wechat_reader_test.md）。
11. 階段 13 – 匯出 – 產生最終乾淨文字 _clean.txt 和可選的微信風格 HTML。
12. 階段 14（可選） – 指標 – 在 publication_metrics.jsonl 中記錄曝光/分享統計資料。

為何使用它

• 你撰寫新聞通訊、評論文章或產業報告，需要可審計的草稿。
• 你需要一個可重複的流程，可以暫停並恢復而不會遺失上下文。
• 你重視事實核對，希望系統在任何主張缺乏來源時阻止發布。
• 你希望在不重寫提示的情況下，嘗試不同的 LLM 後端。

授權 – MIT（見 LICENSE）。

---

新手快速入門

1. 安裝 Node 18+、Python 3.11+ 和 Claude Code（透過原生安裝程式、Homebrew 或 WinGet）。
2. 克隆倉儲並執行 npm ci。
3. 在倉儲根目錄啟動 Claude（claude）。
4. 輸入以下提示：

   先別寫新文章，先解釋 demo/工资的一半，是你受的气折算的 裡每個階段檔案各自起什麼作用。
   

   助手將帶你逐步了解示範檔案，確認工作流程已正確載入。

---

總結 – Writing‑Agent 是一個真正的開源 AI 輔助寫作系統，將文章創作視為多階段、可驗證的流程，而非一次性生成。它完全可配置，支援多個第三方 LLM，並同時提供 CLI 工具與 Windows 桌面預覽應用。