mp-review：微信公众号内容复盘 Skill

mp-review 是一个面向公众号运营者的 AI Skill，用来回答一个很实际的问题：

过去发布的文章里，哪些内容表现好，哪些表现差？它们在选题、标题、写法和结构上到底有什么差异？下一轮应该继续什么、停止什么、测试什么？

它不是简单地列一张阅读量排行榜，也不是汇总每篇文章讲了什么。它把公众号原生数据和文章正文放在一起，先找到同一批内容中的高、低表现文章，再抽象出可复用的选题、标题、风格和结构规律，最终给出可以直接执行的内容计划。

我们的复盘思路

整个流程可以概括为：

读取公众号数据
      ↓
检查数据是否完整、文章是否匹配
      ↓
自动建立行业、账号和读者画像
      ↓
识别内容类型并确认本次复盘目标
      ↓
在同类型可比文章中找出高表现组和低表现组
      ↓
对比选题、标题、风格、结构和数据质量
      ↓
提炼规律，同时寻找反例和混杂因素
      ↓
生成下一轮选题与内容实验计划

1. 读取文章与原生数据

Skill 可以按文章发布日期，读取最近 7 天、14 天、30 天或自定义发布日期范围内的公众号文章，并尽可能取得：

文章标题、摘要、正文和发布时间；
阅读人数；
分享、收藏、点赞、在看和留言；
完读率和平均阅读时长；
是否通知、数据延迟和正文匹配情况。

企业认证公众号可以走微信公众平台 API。没有 API 权限时，也可以使用公众号后台导出的 CSV 或 XLSX 文件完成复盘。

读取正文时会依次尝试三种来源：已发布文章列表、永久图文素材接口，以及统计接口返回的本账号公开文章链接。最后一种只允许读取 https://mp.weixin.qq.com，不会查找或抓取其他账号。导出的 JSON 和 CSV 都会写入 content_text（正文）与 content_source（正文来源），便于核验。

这里的 7/14/30 天指“文章的发布日期”，不是阅读指标的统计日期。

2. 找出高表现文章和低表现文章

AI 会先根据整批文章建立行业、账号定位、核心读者、关注动机、品牌口吻和合规边界画像，再识别新闻、教程、案例、故事、推广、生活方式等内容类型。用户不需要从空白表格开始填写，只需确认真正影响分析的未知项。

随后根据用户本次想提升的阅读、分享、收藏、完读、互动、信任或转化目标调整候选排序。只有同类型、统计条件相近的文章才建立高低对照；没有外部咨询、到店、购买或报名数据时，不会把公众号互动解释成商业转化。

这里的分组只是为了缩小 AI 的阅读范围，不代表绝对好坏，也不直接构成结论。不同发布时间、是否通知、推送位置、文章类型和受众规模，都可能影响数据，因此还需要进一步核验。

3. 对照文章内容

AI 会先逐篇阅读和评分，再比较高、低表现组，主要检查：

选题是否对应明确的人群、关注动机、场景和内容承诺；
标题是否具体，是否有清晰的功能、情绪、审美、认同或社交价值，以及适当的信息缺口和情绪强度；
标题承诺是否被正文兑现；
开头是否快速建立阅读理由；
该内容类型所需的案例、证据或具体细节是否充分；
论证顺序、小标题、结尾和互动设计是否有效。

所有维度都使用统一的 1–5 分锚点。没有正文或证据不足时标记为“不适用/证据不足”，不允许靠猜测补分。

有同类型可比样本时，最终报告会把适用评分维度汇总成雷达图，对比高位与低位候选组；无效评分不会被硬填成中间分，样本不足时也不会为了好看强行画图。

4. 用多个智能体相互校验

样本足够且当前环境支持多智能体时，会分别运行：

选题与标题智能体；
风格与结构智能体；
数据质检与反证智能体。

前两个智能体负责寻找可能有效的内容规律，第三个智能体专门检查数据问题、混杂因素和反例。最后由主智能体回到原始文章和数据统一核验，避免把偶然相关写成确定因果。

如果当前环境不支持多智能体，也可以由主智能体按三个角依次完成同样的检查。

5. 把复盘变成下一步行动

最终输出不止是分析报告，还包括：

与本次目标匹配的高潜选题地图；
有同类型正文和数据证据的标题、风格和结构打法；
按样本证据量动态生成的下一周期选题池及标题方向；
“继续做、停止做、下次测试”的写作规则；
两周内容实验计划，每次只改变一个主要变量。

文章正文只作为 AI 内部核验证据。最终报告不会逐篇复述文章观点或案例，而是回答“接下来哪些人群、场景、痛点和内容承诺更值得写，以及应该怎么写”。

最终报告固定为一个可离线打开的 HTML 文件，样式和 SVG 雷达图全部内嵌。非开发人员可以直接双击查看，也可以从浏览器打印或另存为 PDF，不需要 Markdown 阅读工具。

面向非技术用户设计

mp-review 会一次只引导用户完成一个必要操作，并说明“点哪里、应该看到什么、完成后怎么回复”。

在配置微信公众平台 API 时：

AI 负责创建本地配置文件、设置文件权限和运行脚本；
管理员扫码登录 developers.weixin.qq.com/platform，在“我的业务”选择“公众号”；
进入后先在右上角核对或切换到真正要分析的公众号；
用户只负责选择账号、查看 AppID/AppSecret，以及修改 IP 白名单；
最新后台中，AppSecret 和“API IP 白名单”位于“基础信息 → 开发密钥”；页面顶部的“原始ID（gh_…）”不是 AppID；
AI 会在用户当前机器上自动获取实时公网出口 IP，不会询问用户“你的 IP 是多少”；
获取到 IP 后，AI 会直接告诉用户应该填写哪个地址；
切换网络、代理开关或代理节点后，AI 会重新检测 IP，并提醒用户更新白名单。

真实 AppSecret 和 access token 不会写进报告、日志或 Git 仓库。

已适配的 AI 工作环境

目前已按以下本地 AI 工作环境的协作方式进行适配：

WorkBuddy；
Codex；
Claude Code；
Cursor；
其他能够访问本地文件、运行终端命令和调用智能体的 AI 环境。

在这些环境中，AI 会尽量代为执行技术操作，而不是把 Python、文件权限或 Git 配置命令交给公众号运营者。

怎么开始

将本仓库作为 Skill 安装或提供给支持本地 Skill 的 AI 工具，然后直接提出类似请求：

使用 mp-review 帮我复盘发布日期在最近 30 天内的公众号文章。

AI 会从账号权限、时间范围和内容目标开始，一步一步完成配置、数据读取、校验、对照复盘和下一轮计划。

安全边界

只读取公众号数据，不发布、删除、回复或修改内容；
不抓取其他账号，不绕过登录、验证码、权限或反爬机制；
不补造接口没有返回的数据；
不把相关性直接解释成因果；
真实配置文件默认由 .gitignore 排除，并仅允许当前用户读取。

主要文件

SKILL.md：完整执行流程和行为边界；
references/setup-guide.md：面向非技术用户的公众号后台配置指引；
references/agent-review.md：多智能体复盘提示词和统一评分标准；
scripts/fetch_wechat_data.py：读取公众号文章、数据和当前公网出口 IP；
scripts/prepare_review.py：生成高、低表现文章对照简报；
scripts/render_final_report.py：生成带内嵌雷达图的单文件 HTML 最终报告；
scripts/validate_report_html.py：检查报告章节、离线资源和雷达图是否完整；
assets/mp-review.config.example.json：本地配置模板。