creator

适用场景

• 用户想要为特定平台制作完整的内容包（微信公众号文章、小红书笔记、口播稿）
• 用户说“帮我写篇公众号”“小红书图文”“口播稿”或“创作内容”
• 用户提供 URL、文本或主题，并希望将其整理成配有图片、适合发布到平台的内容

不适用场景

• 用户只想要一张图片，不需要内容工作流 → 直接使用 image-gen
• 用户只想要一段 TTS 音频 → 直接使用 tts
• 用户想要转录音频 → 直接使用 asr
• 用户想要制作播客单集 → 直接使用 podcast
• 用户想从 URL 提取内容，不需要进一步处理 → 直接使用 content-parser

Creator 用于多步骤内容制作，将写作与媒体生成结合起来，产出适合发布到平台的内容包。

目的

通过编排现有技能，生成针对不同平台的内容包。输入：主题、URL、文本或音频／视频文件。输出：包含文章／脚本、图片和元数据的文件夹，可直接发布。

硬性约束

• 使用 listenhub CLI 命令进行 image-gen 和 TTS。使用 curl 调用 content-parser（参见 content-parser/SKILL.md § API Reference）。
• 每次交互前，始终按照 shared/config-pattern.md 读取配置
• 按照 shared/cli-patterns.md 处理轮询、错误和交互模式
• 切勿将文件保存到 ~/Downloads/ 或 .listenhub/；将内容包保存到当前工作目录
• 解析 JSON：只能使用 jq（不能使用 python3、awk）

语言适配：所有 UI 文本都遵循用户的输入语言。中文输入 → 中文输出。英文输入 → 英文输出。混合输入 → 遵循占主导地位的语言。 每个多选步骤都必须使用 AskUserQuestion。每次只问一个问题，并等待用户回答。选择模板且理解输入后，先展示确认摘要，并等待用户明确批准后再执行工作流。 确认环节的 API 密钥检查：如果工作流包含任何远程 API 调用（image-gen、content-parser、tts），则必须先检查身份验证。对于基于 CLI 的调用（image-gen、TTS），如果尚未通过身份验证，则运行 `listenhub auth login`。对于 content-parser 调用，配置 `LISTENHUB_API_KEY`（参见 `content-parser/SKILL.md` § Authentication）。纯文本工作流（例如从主题生成口播稿，但不使用 TTS）无需身份验证即可继续。

步骤 -1：API 密钥检查

暂缓检查。仅当工作流需要远程 API 调用时，才在确认环节（步骤 4）检查 API 密钥。参见上文的硬性约束。

步骤 0：配置设置

按照 shared/config-pattern.md 步骤 0（零提问启动）。

如果文件不存在——静默使用默认值创建文件并继续：

mkdir -p ".listenhub/creator" ".listenhub/creator/styles"
cat > ".listenhub/creator/config.json" << 'EOF'
{"outputMode":"download","language":null,"preferences":{"wechat":{"history":[]},"xiaohongshu":{"mode":"both","history":[]},"narration":{"defaultSpeaker":null,"history":[]}}}
EOF
CONFIG_PATH=".listenhub/creator/config.json"
CONFIG=$(cat "$CONFIG_PATH")

用户风格偏好以 Markdown 文件的形式存储在 .listenhub/creator/styles/ 中：

• .listenhub/creator/styles/wechat.md
• .listenhub/creator/styles/xiaohongshu.md
• .listenhub/creator/styles/narration.md

这些文件是纯 Markdown，每行一条指示。如果文件不存在，则不应用自定义风格。用户可以直接编辑这些文件。

注意：outputMode 默认为 "download"（而非通常使用的 "inline"），因为 creator 始终会生成必须保存到磁盘的多文件输出文件夹。

如果文件存在——静默读取配置并继续：

CONFIG_PATH=".listenhub/creator/config.json"
[ ! -f "$CONFIG_PATH" ] && CONFIG_PATH="$HOME/.listenhub/creator/config.json"
CONFIG=$(cat "$CONFIG_PATH")

设置流程（仅限用户主动要求重新配置）

仅当用户明确要求重新配置时才执行。显示当前设置：

当前配置 (creator)：
  输出方式：{outputMode}
  小红书模式：{both / cards / long-text}

询问：

1. outputMode：遵循 shared/output-mode.md § Setup Flow Question。
2. xiaohongshu.mode：“小红书默认模式？”
   • “图文 + 长文（both）”
   • “仅图文卡片（cards）”
   • “仅长文（long-text）”

交互流程

步骤 1：理解输入

用户会连同请求一起提供输入。请对输入进行分类：

输入类型	检测方式	自动操作
URL（网页／文章）	以 http(s):// 开头，且不是音频／视频 URL	将调用 content-parser（需要 API 密钥）
URL（音频／视频）	扩展名为 .mp3/.mp4/.wav/.m4a/.webm，或域名为 youtube.com/bilibili.com/douyin.com	将下载文件并调用 coli asr 转录
本地音频文件	文件路径存在，且扩展名为音频／视频格式	将直接调用 coli asr
本地文本文件	文件路径存在，且扩展名为 .txt/.md/.json	读取文件内容
原始文本	多行或超过 50 个字符，且不是 URL／路径	直接用作素材
主题／关键词	短文本（少于 50 个字符），且不符合 URL／路径格式	AI 从头创作

风格参考检测：如果用户的提示词包含“参考”“风格”“照着…写”“style”“reference”等关键词，则应将相关输入（文件路径／URL／粘贴的文本）归类为风格参考，而非内容素材。单个请求可以同时包含素材和风格参考，请分别分类。如果只提供了风格参考，没有素材或主题，则属于独立的风格学习请求（参见步骤 2.5）。

对于 URL（音频／视频）输入：

1. 使用 curl -L -o 下载到 /tmp/creator-{slug}.{ext}
2. 检查是否有 coli：which coli 2>/dev/null && echo yes || echo no
3. 如果缺少 coli：告知用户安装（npm install -g @marswave/coli），并请用户改为粘贴文本
4. 转录：coli asr -j --model sensevoice "/tmp/creator-{slug}.{ext}"
5. 从 JSON 结果中提取文本
6. 清理文件：rm "/tmp/creator-{slug}.{ext}"

对于 URL（网页／文章）输入： 将在工作流执行期间（确认后）调用 Content-parser。

步骤 2：匹配模板

如果用户在提示词中指定了平台，请直接匹配：

• “公众号”“wechat”“微信” → wechat
• “小红书”“xiaohongshu”“xhs” → xiaohongshu
• “口播”“narration”“脚本” → narration

如果未指定平台，请通过 AskUserQuestion 提问：

问题：“Which content template?” / “用哪个创作模板？” 选项（根据用户的输入调整语言）：

• “WeChat article (公众号长文)” — 带 AI 插图的长篇文章
• “Xiaohongshu (小红书)” — 图片卡片 + 长文帖子
• “Narration script (口播稿)” — 可选配音的口播稿

步骤 2.5：主题辅助

仅当用户的输入是主题或关键词（少于 50 个字符的短文本）时才执行此步骤。如果用户提供了 URL、文件或较长的文本，则跳过。

1. 阅读所选平台的 methodology.md：

   • WeChat：creator/templates/wechat/methodology.md
   • Xiaohongshu：creator/templates/xiaohongshu/methodology.md
   • Narration：creator/templates/narration/methodology.md

2. 使用三圈维恩模型评估主题：

   • 用户的专业领域（创作者的专长）
   • 读者的普遍兴趣（读者兴趣）
   • 当下的时间节点（当前时机／相关性）

3. 运行 HKR 质量筛选：

   • H（Happy）：足够有趣、有悬念？
   • K（Knowledge）：有信息量？看完能学到新东西？
   • R（Resonance）：能戳中情绪？让人觉得“对对对，我也这么想”？

4. 如果主题符合 3 项 HKR 标准中的至少 2 项：继续使用该主题。

5. 如果主题符合的标准少于 2 项：通过 AskUserQuestion 主动向用户建议 2-3 个替代角度。

6. 如果主题比较模糊：请用户补充具体信息——关键要点、个人经历，以及让他们感到兴奋或沮丧的事情。

第 3 步：风格提取（如果提供了风格参考）

仅当用户在第 1 步提供了风格参考时，才运行此步骤。如果未检测到风格参考，则跳至第 3b 步。

阅读参考内容：

• 本地文件 → Read 工具
• URL → content-parser API（需要 API key）
• 粘贴的文本 → 直接使用

分析并提取风格指引：

AI 阅读参考内容并提取 3-5 条具体的风格指引。重点关注可观察到的特征：

• 句子长度和段落结构
• 语气和语域（正式/随意、第一/第三人称）
• 修辞手法的使用（提问、列表、加粗、引语）
• 词汇难度和领域术语
• 格式习惯（标题风格、表情符号使用、空白）

呈现给用户确认：

从参考文章中提炼了以下风格特征：

  1. {directive 1}
  2. {directive 2}
  3. {directive 3}
  ...

你可以修改或删除其中的条目。确认后本次生成会应用这些规则。

等待用户确认。确认后的指引将成为 sessionStyle，仅应用于本次生成。

用户确认风格指引后，主动询问是否要保存：

要将这些风格规则保存吗？（保存后每次生成{platform}内容都会应用）

如果是 → 写入 .listenhub/creator/styles/{platform}.md。如果否 → 仅应用于本次生成。

独立风格学习：如果用户只提供了风格参考，没有提供素材/主题（例如“学习一下这篇文章的风格”），则运行上述提取流程，然后直接保存到 .listenhub/creator/styles/{platform}.md，无需询问——用户已明确表示要保存。用简短消息确认：“已保存到 styles/{platform}.md”。不要继续生成内容。

第 3a 步：原型分类

读取所选平台的原型文件：

• WeChat：creator/templates/wechat/article-prototypes.md
• Xiaohongshu：creator/templates/xiaohongshu/content-prototypes.md
• Narration：creator/templates/narration/script-prototypes.md

根据用户提供的素材/主题，使用原型文件中的匹配规则表，自动匹配最合适的原型。

通过 AskUserQuestion 向用户展示推荐：

问题：“这篇内容最适合哪种写法？” / “Which content prototype fits best?” 选项：[列出该平台的所有原型，将推荐项置于首位，并添加“(Recommended)”后缀]

所选原型决定写作时采用的叙事结构和 L3-5 审阅标准。

第 3b 步：预设选择（如适用）

如果所选模板使用插图或卡片预设，且模式需要图片，则必须在确认关卡之前选好预设，以便在摘要中展示。

以下情况完全跳过此步骤：

• Narration 模板（没有视觉预设）
• preferences.xiaohongshu.mode 为 "long-text" 的 Xiaohongshu（不会生成卡片或图片）

否则：

1. 阅读模板的预设部分，获取可用预设和主题匹配表。
2. 如果用户已在提示中指定预设（例如“用水彩风格”）：直接使用该预设。
3. 如果未指定：通过 AskUserQuestion 询问用户。先输出一行提示：“配图风格可以随时换，先选一个开始吧”。列出所有可用预设及其中文标签（来自 frontmatter 的 label 字段）。使用主题匹配表，将最相关的选项置于首位（标记为“Recommended”），但始终让用户自行选择。

第 4 步：确认关卡

如果流程需要远程 API，则检查 API key：

• WeChat 模板始终需要 image-gen → 需要 API key
• Xiaohongshu 卡片模式需要 image-gen → 需要 API key
• 仅 Xiaohongshu 长文本 → 无需 API key
• 不使用 TTS 的 Narration → 无需 API key
• 网页/文章 URL 输入 → 需要 content-parser → 需要 API key（音频/视频 URL 使用本地 coli asr，无需 API key）

如果需要 API key 但尚未配置：对于基于 CLI 的调用，运行 listenhub auth login。对于 content-parser 调用，配置 LISTENHUB_API_KEY（参见 content-parser/SKILL.md § Authentication）。

展示确认摘要：

准备生成内容：

  模板：{WeChat article / Xiaohongshu / Narration}
  输入：{topic description / URL / text excerpt...}
  输出目录：{slug}-{platform}/
  需要 API 调用：{content-parser, image-gen, ...}
  风格偏好：{styles/{platform}.md 已配置 / 使用默认风格}
  配图/卡片预设：{preset label / 不适用}
  文章/内容原型：{selected prototype name}
  本次风格参考：{M条来自参考文章 / 无}

确认开始？

等待用户明确回复“是”或确认后再继续。

第 5 步：执行工作流

读取选定的模板文件并执行：

# The template file path
TEMPLATE="creator/templates/$PLATFORM/template.md"
STYLE="creator/templates/$PLATFORM/style.md"

对于 URL 输入——先提取内容：

# Submit content extraction
RESPONSE=$(curl -sS -X POST "https://api.marswave.ai/openapi/v1/content/extract" \
  -H "Authorization: Bearer $LISTENHUB_API_KEY" \
  -H "Content-Type: application/json" \
  -H "X-Source: skills" \
  -d "{\"source\":{\"type\":\"url\",\"uri\":\"$INPUT_URL\"}}")
TASK_ID=$(echo "$RESPONSE" | jq -r '.data.taskId')

然后在后台轮询。将其作为单独的 Bash 调用运行，并设置 run_in_background: true 和 timeout: 600000（参见 shared/cli-patterns.md）。轮询循环本身最长运行 300 秒（轮询 60 次，每次间隔 5 秒）；工具级别的 timeout: 600000 设置得更长，为 Bash 进程留出超出轮询时限的缓冲时间：

# Run with: run_in_background: true, timeout: 600000
TASK_ID="<id>"
for i in $(seq 1 60); do
  RESULT=$(curl -sS "https://api.marswave.ai/openapi/v1/content/extract/$TASK_ID" \
    -H "Authorization: Bearer $LISTENHUB_API_KEY" \
    -H "X-Source: skills" 2>/dev/null)
  STATUS=$(echo "$RESULT" | tr -d '\000-\037\177' | jq -r '.data.status // "processing"')
  case "$STATUS" in
    completed) echo "$RESULT"; exit 0 ;;
    failed) echo "FAILED: $RESULT" >&2; exit 1 ;;
    *) sleep 5 ;;
  esac
done
echo "TIMEOUT" >&2; exit 2

提取内容：MATERIAL=$(echo "$RESULT" | jq -r '.data.data.content')

如果提取失败：告知用户“URL 解析失败，你可以直接粘贴文字内容给我”，然后停止。

然后遵循平台模板——读取 template.md 并执行其中的每个步骤。模板会指定准确的写作说明和 API 调用。模板内容见 creator/templates/{platform}/template.md。

写作引擎集成： 现在，每个平台的 template.md 都包含写作引擎参考和自我审查循环。模板负责加载 writing-engine/ 文件、应用所选原型的叙事结构，并在写作后执行 L1-L4 质量审查。详情请参见各平台的 template.md。

风格应用： 写作时，按以下优先级顺序应用风格指令（优先级高的覆盖优先级低的）：

1. sessionStyle——当前风格参考（第 3 步）中的指令（如果有）
2. .listenhub/creator/styles/{platform}.md——已保存的用户风格指令（如果文件存在）
3. templates/{platform}/style.md——平台的基准风格

对于图像生成（由 wechat 和 xiaohongshu 模板调用）：

RESPONSE=$(listenhub image create \
  --prompt "<generated prompt>" \
  --aspect-ratio "<ratio>" \
  --json)

BASE64_DATA=$(echo "$RESPONSE" | jq -r '.candidates[0].content.parts[0].inlineData.data // .data')
# macOS uses -D, Linux uses -d (detect platform)
if [[ "$(uname)" == "Darwin" ]]; then
  echo "$BASE64_DATA" | base64 -D > "{output-path}/{filename}.jpg"
else
  echo "$BASE64_DATA" | base64 -d > "{output-path}/{filename}.jpg"
fi

遇到 429 时：采用指数退避（等待 15 秒 → 30 秒 → 60 秒），最多重试 3 次。重试后仍失败：跳过这张图，并在输出摘要中注明。

按顺序生成图像（不要并行生成），以遵守速率限制。

对于 TTS（当用户需要音频时，由 narration 模板调用）：

listenhub tts create --text "$(cat /tmp/lh-content.txt)" --speaker "$SPEAKER_ID" --json \
  | jq -r '.data' | base64 -D > "{slug}-narration/audio.mp3"

第 6 步：整理输出

创建输出文件夹并写入所有文件：

SLUG="{topic-slug}"
OUTPUT_DIR="${SLUG}-{platform}"
# Dedup folder name
i=2; while [ -d "$OUTPUT_DIR" ]; do OUTPUT_DIR="${SLUG}-{platform}-${i}"; i=$((i+1)); done
mkdir -p "$OUTPUT_DIR"

按模板规范写入内容文件。然后写入 meta.json：

{
  "title": "...",
  "slug": "...",
  "platform": "wechat|xiaohongshu|narration",
  "date": "YYYY-MM-DD",
  "tags": ["...", "..."],
  "summary": "..."
}

第 7 步：呈现结果

✅ 内容已生成！保存在 {OUTPUT_DIR}/

📄 {main files list}
🖼️ images/ — N 张配图（如有）
📋 meta.json — 标题、标签、摘要

（根据硬性约束，将语言调整为与用户输入语言一致。）

第 8 步：更新偏好设置

将本次生成记录到历史记录中：

NEW_CONFIG=$(echo "$CONFIG" | jq \
  --arg platform "$PLATFORM" \
  --arg date "$(date +%Y-%m-%d)" \
  --arg topic "$TOPIC" \
  '.preferences[$platform].history = (.preferences[$platform].history + [{"date": $date, "topic": $topic}])[-5:]')
echo "$NEW_CONFIG" > "$CONFIG_PATH"

每个平台仅保留最近 5 条历史记录。

注意：规范中的 cardStyle 暂不处理——V1 配置中尚未实现。之后如需自定义卡片样式，可再添加。

手动调整风格

添加风格指令：

如果用户说“记住：{style directive}”或“remember: {style directive}”：

1. 判断适用的平台（根据上下文判断，或询问用户）
2. 将该指令作为新的一行追加到 .listenhub/creator/styles/{platform}.md（如果文件不存在，则创建）

第 3 步（风格提取）后也适用此规则：如果用户查看提取出的指令后说“记住这个风格”，则将所有已确认的指令写入 .listenhub/creator/styles/{platform}.md。

重置风格：

如果用户说“重置风格偏好”或“reset style”：

1. 询问适用的平台（或询问是否重置所有平台）
2. 删除 .listenhub/creator/styles/{platform}.md

API 参考

• 身份验证：shared/cli-authentication.md
• 图像生成：CLI：listenhub image create（参见 shared/cli-patterns.md）
• 内容提取：content-parser/SKILL.md § API 参考（内联）
• TTS（文本转语音）：CLI：listenhub tts create（参见 shared/cli-patterns.md）
• 说话人选择：shared/speaker-selection.md
• 配置模式：shared/config-pattern.md
• 常见模式（轮询、错误）：shared/cli-patterns.md
• 输出模式：shared/output-mode.md

组合性

• 调用：content-parser（URL 提取）、image-gen（插图/卡片）、tts（旁白音频）、asr（通过 coli 转录音频/视频）
• 由其调用：独立使用 — 用户直接触发
• 模板：creator/templates/{wechat,xiaohongshu,narration}/template.md 定义各平台的工作流
• 风格指南：creator/templates/{wechat,xiaohongshu,narration}/style.md 定义各平台的写作风格