我把公众号生产链做成了全本地的 AI 工作台 🛠️

项目：见字 · 公众号编辑工作台 （wechat-newsroom-workbench，MIT 开源，仅支持 Windows）仓库：github.com/shiker1996/...

🎯 先说为什么做这个东西

写公众号的朋友应该都懂这几个痛：

让大模型写初稿，AI 稿味重得离谱：排比、升华、"赋能""抓手"一套一套，改起来比重写还累。
AI 会顺手编事实。一个数据、一个人名、一段"官方回应"，你不逐条核对，发出去就翻车。
排版是地狱。Markdown 要手动套样式，复制进公众号编辑器经常变形，配图还要一张张找来源、标版权。
同一篇内容要出长文 + 小红书卡片，每次从头再来。
最关键：把选题、账号画像、还没发出去的内容全部丢给某个 SaaS，心里是真不踏实。

所以我想：能不能做这样一个工具------把 "热点采集 → 事实研判 → 成稿 → 排版 → 图文" 整条链全放在本机，每一步都能被审计、被复现，数据一步不出本机？

于是就有了这个项目。

📦 它是什么 / 不是什么

✅ 是：面向个人公众号作者的本机内容生产工作台。从热点到可直接粘贴的公众号富文本、小红书图文，一条流水线跑完。
❌ 不是：不是 SaaS，不是多用户系统，不做公网部署。只监听 127.0.0.1，没有登录、没有遥测。

一句话：你的内容生产链，留在你自己电脑上。

🧱 技术栈：故意"没有技术栈"

说实话这可能是最舒服的部分------不用装一堆框架：

diff 复制代码

Node.js 24 原生 HTTP（无 Express/Koa）
+ node:sqlite（Node 内置，零原生编译依赖）
+ 前端原生 ES Modules（public/src）
= 监听 127.0.0.1:4317

数据层约 25 张表 ：批次、热点、候选、文档、产物、编辑会话、LLM 调用审计、生成快照、AI 运行、工具执行。迁移是幂等的 CREATE TABLE IF NOT EXISTS + 探测补列，只增不破，老库直接启动就行。

安装也极其简单，连 Node 都能自动下载到 .node-runtime/（不改系统环境）：

bash 复制代码

setup-workbench.cmd   # 一键装依赖、配 LLM Key、克隆 RSSHub
start-workbench.cmd   # 启动，自动开浏览器

🔄 两条流水线：阶段契约固定死

我觉得最核心的设计，是两条阶段契约严格固定的流水线。

文章链：热点 → 可直接粘贴的公众号富文本

csharp 复制代码

热点采集 → 打标/事件卡 → 事件研判（聚类→维度分组→预选→评分）
  → 编辑会（对话式沉淀结构化决策，WRITE_NOW 门禁）
  → 成稿（brief→fact-base→planning→draft→质量门禁→title→humanize→review→SEO→终审）
  → 排版（rendered→design→images→draft→normalized→gate）

几个我认为很值的细节：

1️⃣ 编辑室一次只问一个问题。 AI 不会替你拍板，而是把你说的拆成"公共事实 / 作者观点 / 实践证据 / 否定角度 / 未决问题 / 禁写项"。没锁定命题就拒绝成稿。这是从机制上对抗 AI 代笔，不是靠提示词苦口婆心。

2️⃣ 排版是确定性渲染。 不是让模型吐 HTML，而是 markdownToHtml 按主题 tokens 输出内联样式，复制公众号编辑器即粘贴，不依赖外部复制页。配图走"本地上传 → 明确点击才传 CDN → 拿到真实 HTTPS 地址才允许正式排版"。

3️⃣ 每一步都有审计。 后台任务记录逐步日志，每次 LLM 调用写 model_calls（token、耗时、成败），产物全部落工作目录，可回溯。

图文链：故事板 → 布局审计 → 逐页 PNG

复制代码

图文事实基座 → 故事板规划 → 生成（card_plan + 文案）
  → 布局审计 → 截图（Puppeteer 逐页 PNG）→ 交付门禁

图文统一 375×667，支持公众号/小红书双渠道。AI 生成故事板后，你可以逐页手改内容块 ------增删块、改类型、换版式。布局审计会检查利用率、溢出、裁切；不过关先走构图回退、舒展排版，还不行就自动定位到具体问题页并展开编辑器 ，直接让你改，而不是甩一句"请打开编辑器自己找"。

🧩 技能 + 插件：可扩展是认真的

这不是一个写死的工具，而是一个可以装技能、插插件的内容生产运行时：

31 个内置技能（SKILL.md + references 结构），每个声明输入输出契约、能力、兼容版本。
第三方技能包可安装，带校验（路径越界、compatibleApp、大小限制）。
8 个内置工具插件：ECharts/Mermaid 渲染、仓库检查、图床上传、URL 抓取、本地项目读取、Tavily 搜索、文档检索，统一走"输入 schema → 策略检查 → 执行 → 审计日志"。
远程插件是纯声明式 Manifest ：HTTPS + 超时 + 响应上限 + 内网拒绝，不允许分发可执行代码。

⚙️ LLM 网关：把大模型的坑都处理了

多服务商（DeepSeek / MiniMax / Kimi），OpenAI 兼容，每个 provider 可配上下文窗口、输出上限、jsonMode、搜索。
thinking 推理强度可控 ：结构化抽取默认关推理，写作才开，reasoning_effort 可配 low/high/max。别小看这个------真遇到过推理失控写出 4 万字符、把 max_tokens 干穿的问题，现在有回落无思考重试兜底。
上下文预算 ：超预算先让模型摘要老消息（不新增事实），仍超就丢最老非保护消息，绝不静默截断。
审计：每次调用（含失败）写 model_calls，还有独立的 reasoning_tokens 列，推理开销一目了然。

🚀 后台任务：并发不是摆设

AI 任务用细粒度并发：候选级任务按候选并行，批次级任务同批次互斥，全局并发上限 + FIFO 队列。你可以同时生成两个图文卡片，打标和图文互不阻塞，超上限的任务排队等待（状态显示"排队中"），不再互相干等。

🔐 隐私与安全：默认就是不联网

只监听回环地址，x-admin-confirm 只是防误触门禁、不是鉴权------项目明确不做公网部署，威胁建模写进了文档（docs/threat-model.md）。
无遥测，开源也不会偷偷上报。
敏感文件（.env、账号画像）不进 Git，有提交前秘密扫描钩子 + CI 扫描。

🚀 上手：三步 + 一个演示模式

bash 复制代码

# 1. 安装
setup-workbench.cmd

# 2. 启动
start-workbench.cmd

# 3. 没配 LLM Key 也想看效果？演示模式，零配置
npm start -- --demo

演示模式会写入一份完全虚构的演示批次（热点、选题池、排版产物），用独立数据库，不碰真实数据------先看看界面长啥样再决定要不要配 Key，很贴心。

💡 写在最后

这个项目想解决的问题不是"AI 能不能写"，而是：AI 参与的生产链，怎么才能可信。

把每一步留在本机、留痕、可审计；把排版做成确定性渲染而不是让模型自由发挥；把编辑决策从"模型的顺嘴胡诌"变成"你的明确表态"------这是我理想中内容工具该有的样子。

如果你也在做公众号/小红书内容，或者对"技能化 + 插件化"的本地 AI 运行时感兴趣，欢迎到仓库看看。有想法欢迎提 issue，觉得有帮助就点个 star ⭐，都是对我最大的支持。

项目信息

📦 仓库：github.com/shiker1996/...
📄 文档：docs/（架构、数据流、威胁建模、配置、扩展开发一应俱全）
🪪 许可证：MIT
⚠️ 注意：仅支持 Windows 10/11；服务只监听本机回环，请勿自行改成公网暴露