mcpField
R
ray-kb

ray-kb

github.com/imraywang创意与媒体35942 次安装今天更新
代码仓库

关于 ray-kb

ray-kb 是面向 Ray 的口播稿写作与长文再分发技能,供内容创作流程使用。它区分快速口播、长文改编、审读和录后复盘,并要求稿件只围绕一个中心判断;不会自动发布。

主要功能

  1. 01从灵感或长文生成口播稿
  2. 02保存母稿关联与内容指纹
  3. 03检查稿件结构并估算时长
  4. 04审读现有口播稿并按确认修改
  5. 05对照录制稿沉淀表达样本

适用场景

  1. 01将文章中的核心判断改写成口播稿
  2. 02把现场观察整理为快速口播母稿
  3. 03对比生成稿与实际录制稿并更新样本

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/imraywang/rayskills --skill ray-kb

安装后在 Claude Code 中输入/ray-kb确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

agents/
openai.yaml
evals/
evals.json
references/
fast-oral.md
recording-feedback.md
script-review.md
voice.md
scripts/
oral_script_check.py
test_oral_script_check.py

详细介绍

来自项目 README

Ray KB(口播生产与再分发)

目标只有一个:写出 Ray 拿到就能录的稿子。表达先行,事实只守底线,一切为了内容和传播。

唯一的风格约束

每次写口播之前,完整读取 口播表达规则,按里面的样本清单把 Ray 的真实稿件整篇读完再动笔。表达规则之外不加任何写作限制。

固定原则

  1. 一份口播稿只讲一个中心判断。
  2. 正文里只放能直接念的话(叙事型可以有单独成行的 【原声:……】);拿不准的、编补的内容全部进「待确认」,不在正文里自保。
  3. 立论点先核实再动笔。中心判断依赖的事实查不实,就换判断或降低说法,「待确认」里 🔴 立论级最多一条。编经历之前先从对话、知识库和发布记录里找真实经过。
  4. 长文再分发时,衍生稿记录 source_draft 与 source_sha256,方便母稿变了之后知道要重看。
  5. 不自动发布。未经用户明确要求,不生成图片卡片成品,不调用付费视频或图片生成。
  6. 用户提供实际录制稿时,逐字稿以用户版本为准;生成稿保留为比较证据。录制完成不等于已经公开发布,平台、链接和时间未知时只标记 recorded。

选择工作模式

  • 原生快速口播 fast-oral:从灵感、现场观察、咨询案例或对话里的判断出发,没有现成长文。读取 原生快速口播,只建一份母稿。素材是一个故事、带原始录音或影像时,用其中的叙事型写法。
  • 长文再分发 article-repurpose:输入是完整长文,或能沿 content-pack 找到完整母稿。按下方流程执行。
  • 审读或录后学习:用户给的是现成口播稿、最终录制稿或要求对照两版,不重新生产,分别走“口播稿审读”或“录后对照与学习”。

用户只说“做一条口播”、同时有长文和新想法时:主要讲长文里的判断就走再分发,新判断就走快速口播。

科普讲解稿不归这里。 用户要的是讲清楚一件事、一个原理,让观众看懂、学到东西、愿意收藏转发,说了“科普”“讲解向”“改成科普版”或“不要太多我的判断”时,Ray 的观点不是主角,本 skill 的“观点说满、编补进待确认”会把稿子写成说教。本机装了 ray-kepu 时交给它;没装时仍可在这里写,但按叙事型的事实照实讲、结尾不下 Ray 的判断。

知识库根目录不写死:优先用户明确路径,再向上查找 .ray-obsidian.json 或兼容目录结构。找不到时可以在当前工作区交付一份稿件,并说明这次没有进入知识回流;需要长期管线时转交 ray-obsidian。

长文再分发

只接收 kind: draft、kind: article 或已经发布的完整正文。收到 content-pack、调研或审核卡时,沿 frontmatter 的 draft 链接找到母稿;找不到就说明缺口。

从母稿里挑一个最适合视频的判断:脱离工具名仍然成立,前几秒就能说出冲突或反直觉的东西。候选可以在对话里比较,文件里只留采用的那个。不要试图把长文每一段都塞进口播。

衍生稿与母稿放在一起:<vault>/10-创作/30-文章草稿/<母稿名>-口播稿.md。frontmatter:

kind: oral-script
status: ready-to-record
source_draft: "[[母稿文件名]]"
source_sha256: "母稿完整文件的 sha256"
central_judgment: "观众看完只记住的一句话"
target_duration_seconds: 150
recording_status: pending

正文三段:

  1. ## 逐字稿:只放能直接念的话,不混入括号提示、列表、表格或镜头说明。
  2. ## 待确认:格式见 口播表达规则。
  3. ## 素材与来源:用到的链接、截图、录屏想法。可以简短,不需要事实边界说明。

验证与交接

python3 scripts/oral_script_check.py <口播稿.md> --source <母稿.md>   # 长文再分发
python3 scripts/oral_script_check.py <快速口播母稿.md>                 # 快速口播

脚本只检查结构能不能用:章节齐不齐、正文里有没有混进列表和括号、母稿指纹对不对,时长估算只是参考。它不管风格。交付前把逐字稿从头默念一遍,念不顺的地方直接改。

需要做成解说视频时,把口播稿路径和中心判断交给 ray-explainer;若装了独立仓库 ray-skills 的 ray-broll,也可交给它做拼贴画面。

口播稿审读

“审一下这篇口播稿”“哪里会让人划走”类请求走审读,不重新改编,按 口播稿四关审读 执行。审读只管传播效果,不核对事实。诊断完问是否改稿,用户确认后才动手;改的时候同样遵守 口播表达规则。

录后对照与学习

用户给出最终录制稿、要求比较生成稿与实际表达,或要求把修改沉淀下来时,按 录后对照与表达学习 执行:

  1. 分别保留生成稿和实际录制稿;最终录制正文原样保存,不再润色。
  2. 先比较叙事,再比较口癖、情绪和句子,找出机器稿哪里不像 Ray。
  3. 学到的东西落在样本上:把这篇录制稿加进 口播表达规则 的样本清单,而不是新增写作规则。
  4. 用户只要求对照时,不生成第三版,不推断已经发布。

交付要求

交付稿件路径、中心判断、估算时长和「待确认」里有几条;有 🔴 立论级的,单独点出来。一两句话说清楚,不写内部检查报告。

评论

支持 Markdown