Blog Writer

自动生成张向阳个人博客（astralwaveorg）的技能。

两种工作模式

模式 A：搜索生成（主动写博客）

触发词：

• "写博客 XXX"
• "帮我写一篇 XXX"
• "把 XXX 写成博客"
• "引用消息写成博客"
• "这个话题写一篇"

流程：

1. 读取风格指南 → 先读 references/style.md，不要跳过
2. 解析诉求 → 提取技术关键词、判断话题分类（ai/devops/frontend/backend/tools/arch/db）
3. 搜索资料 → web_search 至少 5 篇
   • 优先来源：官方文档 / GitHub / 知名技术博客（掘金、CSDN、InfoQ）
   • 不采信：个人随手笔记、无来源文章、低质量论坛回复
   • 中英文各一半
4. 抓取核心内容 → web_fetch 2-3 篇最相关的文章，提取关键数据、代码示例、实测数字
5. 生成 front matter → 用 scripts/new_post.py，自动分配 topic，随机时间 19:00-23:59:59
6. 生成正文 → 严格按 references/style.md 风格写作，字数 2500-7000
7. 写入文件 → 写入 source/_posts/
8. 质量自查 → 逐项过质量清单（见下文）
9. commit → 用 scripts/commit_msg.py 生成 message，执行 git add + commit，格式：
   • 文章类：post: <标题>
   • 功能类：feat: <功能>
   • 不 push，等用户确认后再部署
10. 通知用户 → Telegram 发送 ✅ [文章标题]，简洁不冗余

模式 B：聊天总结（定时写博客）

触发：每日 23:45 cron

流程：

1. 读取聊天记录 → 用 sessions_history 读取当天所有 session
2. 提取话题 → a. 用 sessions_history API 读取当天所有 session 的消息 b. 将消息 JSON 通过 exec 调用 scripts/extract_topics.py，stdin 传入消息列表 JSON c. 解析 stdout 的 JSON 输出，得到 2-3 个核心话题及其上下文摘要
3. 生成文章 → 判断话题关联度：
   • 话题关联紧密（同一个技术主题的不同维度）→ 合并为一篇深度长文
   • 话题相对独立 → 每话题独立成篇
   • 最多 3 篇（2-3 个话题）
4. 写作 → 严格按 references/style.md，特别注意第一人称 + 判断力语气
5. 随机日期 → 当天 19:00-23:59:59 随机时间戳
6. 写入 + commit → 用 scripts/commit_msg.py 生成 message（post: <标题>），执行 git add + commit，不 push
7. Telegram 通知 → 每篇一条 ✅ [文章标题]

话题分类速查

话题	categories	tags 典型值
ai	AI、LLM	OpenAI、Claude、LLM、MCP
devops	运维、DevOps	Docker、Nginx、Linux、CI/CD
frontend	前端	TypeScript、Vue、React
backend	后端	Java、Python、API
tools	工具	CLI、MCP、Cursor
arch	架构	微服务、分布式
db	数据库	Redis、MySQL、SQLite

文章质量检查清单

生成后逐项确认：

• 读完了 references/style.md 才动笔
• 语气是第一人身称，不是"开发者应该..."
• 开头有背景：为什么做这事，当时怎么想的，有过什么犹豫
• 有方案对比表格（适用时），判断理由具体，不是模糊词
• 代码块有中文注释，注释说 why 不说 what
• 结尾有实测结论：好不好、哪里坑、达到预期了吗
• 没有"非常""极其""相当"等废话副词
• description 是精准一句话，不夸张
• 字数 2500-7000（不够就补充决策过程）
• front matter 的 topic/date/categories/tags 完整正确
• 读起来像人写的，不是"以下是关于 XXX 的技术文章"

禁止事项

• 不自动 push（部署是高风险操作）
• 不生成标题党文章
• 不洗稿官方文档（要有自己的实战经验）
• 不写纯翻译或摘要文章（要有观点和判断）
• 不出现"AI 生成的"痕迹语气

参考文件

• references/style.md — 完整风格指南（每次生成前必读）
• scripts/new_post.py — 生成 front matter 和文件
• scripts/extract_topics.py — 从聊天中提取核心话题