采集编排器

对标内容采集总指挥。识别链接类型并分流调用对应采集技能，入库后可选沉淀知识卡片与规律。

安装方法

1. 先问使用者用的是什么 AI 工具，选项按这个顺序列：1. WorkBuddy　2. Claude Code　3. Codex　4. 其他（用户直接说工具名），回答记作 X
2. 只安装给 X，不安装或链接其他任何工具：

   • X 是 WorkBuddy：把本技能下载后放进 ~/.workbuddy/skills/（WorkBuddy 的技能目录；skills CLI 不支持 WorkBuddy，由你直接放置）

   • X 是其他工具：

     npx -y --registry=https://registry.npmmirror.com skills add https://modelscope.cn/skills/sunny31221/collect-orchestrator-buheliwa -a X -y
     

     （不带 -a 会安装给本机所有检测到的工具，禁止；--registry 为 npmmirror 镜像，保证国内不翻墙也能拉到 CLI）

   • X 不在上述范围时，按该工具自身的技能机制安装，装完确认 X 能识别本技能即可

3. 装完后询问是否现在使用本技能

核心原则

编排器只负责调度，不重复实现采集逻辑。每个平台采集技能独立维护，编排器串联它们形成完整流程。

触发场景

用户说以下任一种表述时使用本技能：

• "采集这条链接" + 具体链接
• "采集链接文档" / "采集链接清单"
• "入库这些内容"
• "采集并提取规律"
• "把这些素材采集下来"

完整流程

0. 目录检查

采集要写入 规律研究/ 和 知识库/ 下的既定目录。开始前看一眼这两个顶层目录在不在：

• 在 → 进第 1 步
• 不在 → 提示用户先运行「内容创作系统初始化」技能把目录建全，再回来采集

1. 识别链接来源

对话框输入：

• 用户直接在对话中发送链接
• 立即识别链接类型并采集

链接文档输入：

• 读取 AI第二大脑/规律研究/对标内容采集/对标采集内容链接.md
• 逐行解析未标记「已入库 ✓」的链接

2. 链接类型识别

根据 URL 特征判断平台：

| 平台 | URL 特征 | 调用技能 | |---|---|---| | 小红书 | xiaohongshu.com / xhslink.com | xiaohongshu-collect-buheliwa | | 公众号 | mp.weixin.qq.com | crawl-wechat-buheliwa | | YouTube | youtube.com / youtu.be | youtube-collect-buheliwa | | 视频号 | channels.weixin.qq.com / weixin.qq.com/sph | channels-collect-buheliwa |

3. 分流采集

小红书（链接）： 调用 xiaohongshu-collect-buheliwa，附上笔记链接。

小红书（社媒助手 JSON）： 读清单时遇到 JSON 数据包（社媒助手复制的笔记 JSON），同样交给小红书采集技能走 JSON 模式——JSON 与链接只是输入形式不同，产出完全一致：

调用 xiaohongshu-collect-buheliwa，附上 JSON 数据包。

公众号： 调用 crawl-wechat-buheliwa，附上文章链接，归档目录指定为 AI第二大脑/规律研究/对标内容采集/公众号。

YouTube： 调用 youtube-collect-buheliwa，附上视频链接。 取官方字幕转逐字稿 + 封面 + 播放数据，落 02_内容信息.md + 04_文案结构化梳理.md + 05_视频脚本.md

视频号： 调用 channels-collect-buheliwa，附上视频链接。 下载视频（转写完删原片）+ 转写逐字稿 + 抽封面，落 02_内容信息.md + 04_文案结构化梳理.md + 05_视频脚本.md

4. 采集后处理

4.1 回写标记归采集技能，编排器不代写

「已入库 ✓ 日期」标记由采集技能在采完那一条时写进链接文档（它自己知道什么时候采完）。编排器读链接文档是为了知道还剩哪些没采，不代写、不补写、不重复写——同一件事只留一处。

4.2 链接归档（每批采集跑完追加到 CSV）

每次采集跑完，立刻归档一次——不让链接文档无限变长，同时留一份能拿来做统计的台账。

动作：采集完成后运行随技能附带的脚本：

python3 "<技能目录>/scripts/archive_links.py"

脚本自己找项目根（往上找含 AI第二大脑 的目录），扫链接文档里所有带「已入库 ✓ 日期」的行，追加进：

AI第二大脑/规律研究/对标内容采集/对标内容采集归档.csv

CSV 字段：平台, 链接, 入库日期, 状态, 素材文件夹

路径写法：本技能引用的目录一律按文件夹名书写、不带编号；实际目录带数字编号前缀时，忽略前缀按名字匹配。

去重与追加：

• 以链接为唯一键，已记过的链接不重复追加
• 同一链接的入库日期变了 → 更新那一行
• 没带的 素材文件夹 列留空，需要时人工补

其他说明：

• 脚本纯标准库，不需要额外装东西；首次运行自动建 CSV 并写表头
• 用户说「归档链接」时手动跑一次也可以
• 未入库的链接不记——CSV 只装已入库的
• 旧的按月份文件归档（链接归档/YYYY-MM_链接归档.md）不再使用

4.3 结构化梳理（关键步骤）

所有平台统一要求：采集后必须生成 04_文案结构化梳理.md（中心思想 + 主段分析）。

四个平台共用一套编号：

| 编号 | 装什么 | |---|---| | 01_原始素材/ | 01-封面图/ + 02-正文图片/（图文型才有）。原片不存，转写完即删 | | 02_内容信息.md | 元信息 + 原文正文 | | 03_图片文案原文.md | 图片 OCR 原文（只有图片笔记有） | | 04_文案结构化梳理.md | 中心思想 + 核心论点 + 逐段梳理 | | 05_视频脚本.md | 视频转写（只有视频型有） |

原文的载体各平台不同：图文型原文在 03_图片文案原文.md（公众号的正文在 02_内容信息.md 里），视频型原文在 05_视频脚本.md。结构化梳理件是在原文之上做概括与归类，与原文两份并存、不互相替代。

理由： 规律提取需要统一的结构化输入格式。

5. 知识卡片沉淀（关卡 ①）

采集完成后，先自己判断这条素材里有没有值得存的知识点——判断标准是「这个内容以后写文章或做选题时还能用得上吗」：

| 判断信号 | 依据 | 例子 | |---|---|---| | 教程 / 步骤 | 素材给了具体做法、操作流程 | 安装配置步骤、工作流怎么搭 | | 原理 / 机制 | 讲清了一个东西为什么这样运转 | 渐进式披露为什么省 token | | 概念 / 对比 | 定义了一个概念，或讲清两个东西的区别 | 买点 vs 卖点、Skill 和 MCP 的区别 | | 工具 / 方法 | 介绍了一个工具怎么用、一个方法怎么套 | 某个命令的用法、一套判断框架 |

判断结果决定分岔：

• 有值得存的 → 走下面的询问格式问作者
• 没有（纯故事、纯情绪、纯数据罗列、素材本身就是广告）→ 不问，静默跳过，继续走规律提取那一步
• 作者明确说过要存 → 跳过判断，直接调 thought-card-buheliwa

宁可少问也别硬问——每条素材都问一遍，作者会被问烦。一条素材里值得存的点通常只有一两个，多的时候把最值得的先问。

询问用户时，必须先把卡片里大概会写什么讲出来——只问「要不要沉淀」作者没法判断。说清三件事：这条素材里的哪个知识点、这张卡片大概会讲什么、它以后能用在哪儿。

询问格式：

这篇素材里有一个知识点值得存：<知识点名称>。

卡片大概会写：<2-3 句说清这张卡片的内容——是什么、解决什么问题、关键做法或判断标准>

以后能用在哪：<写文章时当论据 / 做选题时的参考 / 回答问题时的现成答案>

要沉淀成知识卡片吗？

例子：

这篇素材里有一个知识点值得存：「买点 vs 卖点的区分」。

卡片大概会写：卖点是从自己产品出发的参数（蛋白棒含多少蛋白质），买点是买家生活场景里的具体结果和情绪（减脂期扛饿）。判断买点的方法是从真实服务里听客户的语言，不是拍脑袋猜。

以后能用在哪：写营销类、创作类文章时当核心论据；做选题时可直接变成一个选题。

要沉淀成知识卡片吗？

用户同意 → 调用 thought-card-buheliwa 提取并落盘到 AI第二大脑/知识库/（落盘时沿用上面说的知识点名称与概括，不再重写一遍）

6. 采集之后的串联流程（三道关卡 + 交接写作）

采集和梳理做完（素材落盘 + 04_文案结构化梳理.md 写完），接着走这条链。三道关卡互不牵连：每关问一句，作者点头就做、摇头就只跳过这一关，接着问下一关——关卡②不沉淀规律卡片，照样会问关卡③要不要进选题池。整链只有一处 AI 自己关门判断（关卡①的「有没有值得存的知识点」，见第 5 节），其余判断要么看作者指令、要么作者拍板（2026-09-15 作者定）。

采集 + 写 04_文案结构化梳理.md
   ↓
关卡 ①：知识卡片（见第 5 节）
   点名 → 直接存；没点名 → 先判断有没有值得存的，有才问；跳过就继续下一关
   ↓
关卡 ②：规律沉淀（调 pattern-extractor-buheliwa 抽规律、写底稿）
   ├─ 作者点名 → 直接落卡
   └─ 没点名   → 问一句「要不要沉淀为规律卡片」→ 是则落卡 / 不是则跳过
   （两种情况都继续关卡③）
   ↓
关卡 ③：选题池
   说清这条素材给了什么可写的角度 → 是则写进 选题池/选题池.md
   并直接给 3-5 个现在就能写的选题 → 候选就绪
   否 → 流程结束（关卡③是最后一关）
   ↓
交接写作流程入口 A（选哪个、写不写，由写作流程问）

6.1 规律沉淀（关卡 ②）

调 pattern-extractor-buheliwa 抽规律、写底稿。做完之后：

作者点名沉淀 → 直接落卡，不再询问，继续关卡③。

没点名 → 说清卡片会写什么，问一句：

这批素材里的「<做法名>」可以写成规律卡片。

卡片会写：<一句话说清这条规律是什么、怎么用>

要沉淀为规律卡片吗？

• 是 → 落卡，继续关卡③
• 不是 → 不落卡，跳过这一关、继续关卡③（不是结束整条链）

不看数量（2026-09-15 作者定）：不数「够几条证据」、不设待确认池、无观察池——落不落卡只由作者拍板。

6.2 沉淀到选题池（关卡 ③）

这次采的素材里，「<素材带来的启发>」跟你的定位对得上，可以进选题池。

要沉淀到选题池吗？

• 是 → 调 topic-generator-buheliwa，把这次的素材与启发写进 选题池/选题池.md，并直接给 3-5 个现在就能写的选题 → 候选就绪
• 否 → 流程结束（关卡③是最后一关）

选题一次给 3-5 个，只给作者现在写得动的（有素材、能查证、符合定位），凑不出 3 个就给 1-2 个并说明原因。

6.3 交接写作流程

候选就绪即交接——作者站在写作流程的入口 A（从选题池挑一个开工）。选哪个、写不写，由写作流程去问；采集侧收尾在「候选就绪」（2026-09-15 作者定：原来在采集侧问的「要写哪个」已移交写作流程）。

见 01-写作流程图/写作流程-观点到成稿.md。

7. 规律卡片落盘

AI第二大脑/规律研究/内容规律/<平台>/
├── 01_开头规律卡片/
├── 02_标题规律卡片/
├── 03_正文结构规律卡片/
└── 04_封面规律卡片/

人工确认边界（2026-09-15 定）：

• 作者点名沉淀 → 直接落卡，不问
• 没点名 → 说清卡片会写什么问一句；说是则落卡、说不是则不落（不看数量、不设待确认池、无观察池）

使用示例

示例 1：对话框单条采集

用户：

采集这条小红书：https://xiaohongshu.com/explore/xxx

执行：

1. 识别为小红书链接
2. 调用 xiaohongshu-collect-buheliwa
3. 采集后生成 04_文案结构化梳理.md
4. 采集技能回写链接文档（追加链接 + 标记「已入库 ✓ 2026-09-11」）
5. 询问："这篇素材里有一个知识点值得存：「XX」。卡片大概会写：……。以后能用在哪：……。要沉淀成知识卡片吗？"
6. 走三道关卡：知识卡片 → 规律沉淀 → 选题池（见第 6 节）

示例 2：批量采集链接文档

用户：

采集链接文档里的所有内容

执行：

1. 读取 对标采集内容链接.md
2. 逐行解析未标记的链接
3. 按平台分类：小红书 5 条、公众号 3 条、YouTube 2 条
4. 并行调用对应采集技能
5. 每条采集完成后标记「已入库 ✓」
6. 全部完成后询问知识卡片沉淀
7. 按平台逐条走三道关卡（见第 6 节）

示例 3：主动提取规律

用户：

采集这条公众号文章，并把它的结构沉淀成规律

执行：

1. 调用 crawl-wechat-buheliwa 采集
2. 生成 04_文案结构化梳理.md
3. 采集技能回写链接文档
4. 跳过知识卡片询问（用户已明确要求提取规律）
5. 立即调用 pattern-extractor-buheliwa（作者已点名沉淀，直接落卡，不问数量）
6. 规律卡片落盘

示例 4：关卡②被跳过，照样走关卡③

场景： 采完一条小红书，作者在关卡②说「这批不沉淀规律卡片」。

执行：

1. 关卡② 记下「不落卡」，不结束整条链
2. 继续关卡③：说清这条素材给了什么可写的角度，问要不要进选题池
3. 作者说是 → 调 topic-generator-buheliwa 写进 选题池/选题池.md，给 3-5 个现在就能写的选题 → 候选就绪，交接写作流程入口 A
4. 作者说否 → 流程结束（关卡③是最后一关）

要点： 三道关卡互不牵连，某一关答「不」只跳过这一关；只有关卡③答「否」才是流程结束。

常见问题

1. 链接文档在哪里？

默认路径：AI第二大脑/规律研究/对标内容采集/对标采集内容链接.md

2. 为什么视频也要生成 04_文案结构化梳理.md？

规律提取需要统一的结构化输入格式（中心思想 + 主段分析）。视频只有转录文本无法直接提取规律，必须先进行结构化梳理。

3. 如何查看采集进度？

检查链接文档中的「已入库 ✓」标记：

• 未标记 → 未采集
• 已标记 → 已采集

4. 如何强制重新采集？

删除链接文档中对应行的「已入库 ✓」标记，再次调用编排器。

5. 链接文档会不会越来越长？

不会。每次采集跑完，脚本会把已入库的链接追加进同目录的 对标内容采集归档.csv（按链接去重，不重复记）。链接文档本身保持原样，作为「采过哪些」的记录；CSV 是可以直接拉去做统计的台账。用户也可以随时说「归档链接」手动跑一次。

少花调用次数

有些链路按请求次数计费（第三方兼容接口的每日额度多是这样），不按 token。一次模型回复里发多个工具调用，只算 1 次请求；串行一次发一个，就一次一个数。同一个任务排得好坏，能差三倍次数。

1. 能串的串成一条命令：python3 a.py && python3 b.py，中间结果用 $(...) 接住。互不依赖的命令别分成两次 Bash。
2. 无依赖的一轮发完：抓取、下载、读文件这些互不依赖的动作，放在同一条回复里一起发。
3. 脚本能批量就别逐条调：先看脚本的 --help，支持一次处理多条或整个目录的，就一次跑完。
4. 输出要过滤：脚本输出配 head / grep 再看。全量输出进上下文既拖速度，也容易把关键信息淹掉。
5. 图片只存档，不进模型：下载下来的封面和正文图直接落位，不要用 Read 之类的读图能力打开看。图片进 API 会以 base64 文本计费，一张原图约十万 token，此后每轮请求都带着重发。确实要看图时，先跑 scripts/shrink.py 压小，一次最多两张。

不做什么

• 不建目录——目录、入口文档与环境由 content-system-init-buheliwa 一次建好
• 不采集内容——只识别平台、分流给对应采集技能
• 不写 04_文案结构化梳理.md——那是采集技能的事
• 不提取规律、不生成选题本身——关卡②调 pattern-extractor-buheliwa、关卡③调 topic-generator-buheliwa，本技能只发起与串联
• 不代写「已入库 ✓」标记——标记由采集技能自己写（见 4.1）

依赖技能

| 技能 | 用途 | 需要提供 | |---|---|---| | xiaohongshu-collect-buheliwa | 小红书采集 | 笔记链接或社媒助手 JSON | | crawl-wechat-buheliwa | 公众号采集 | 文章链接、归档路径 | | youtube-collect-buheliwa | YouTube 采集 | 视频链接 | | channels-collect-buheliwa | 视频号采集 | 视频链接 | | thought-card-buheliwa | 知识卡片沉淀 | 待沉淀的观点或素材 | | pattern-extractor-buheliwa | 规律提取 | 素材目录 |

channels-collect-buheliwa 的下载环节依赖第三方开源技能 download-wechat-channels，按它的说明安装；该技能未安装时提示使用者安装，不要自己实现下载。

错误处理

| 错误场景 | 处理方式 | |---|---| | 链接无法识别平台 | 跳过该链接，记录到错误日志，继续处理下一条 | | 采集技能调用失败 | 保留该链接未标记状态，报告错误，继续处理下一条 | | 链接文档不存在 | 由第 0 步自检自动创建 |

输出示例

✅ 采集完成：3 条成功，0 条失败

已入库素材：
- 小红书：001_如何用Claude Code搭建写作系统_xxx
- 公众号：002_AI写作的三个阶段
- YouTube：003_Agent编排实战_yyy

📊 素材统计：
- 小红书：13 条（达到阈值，建议提取规律）
- 公众号：5 条
- YouTube：2 条

💡 是否识别知识卡片？
这 3 篇素材里有 2 个知识点值得存：
1. 「XX 的安装方法」——卡片会写清三步安装与常见报错处理；以后写教程类文章可直接引用
2. 「YY 和 ZZ 的区别」——卡片会写两者的适用场景与选法；做选题时能直接变成一篇
要沉淀成知识卡片吗？