mcpField
W
wewrite-stats

wewrite-stats

github.com/imraywang营销与增长3.5k138 次安装2 天前更新
代码仓库

关于 wewrite-stats

wewrite-stats 是用于复盘公众号文章表现的营销技能，供内容运营者分析数据并调整后续选题。它可将统计数据回填历史记录，并将表现反馈给选题推荐。

主要功能

  1. 01获取近 7 天文章数据
  2. 02将数据写入历史记录
  3. 03分析表现最佳与最差的内容
  4. 04提出选题、标题和框架建议

适用场景

  1. 01复盘已发布文章的表现
  2. 02依据数据调整后续选题与标题

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/imraywang/wewrite --skill wewrite-stats

安装后在 Claude Code 中输入/wewrite-stats确认已加载。

附带文件references/effect-review.md

详细介绍

来自项目 README

wewrite-stats — 文章数据复盘

运行约定

  • CLI：确定性操作走 wewrite 命令（需在 PATH；缺失则引导 uv tool install wewrite，或在仓库里 bash install.sh）。
  • {home}：用户状态目录 = $WEWRITE_HOME 或 ~/.wewrite（wewrite home 可查）。config/style/history/playbook/output/exemplars 全在 {home}，不在仓库；references 文档中的状态路径同此约定。
  • 读取: <路径> = 用文件读取工具真实读完该文件再继续，不是注释。
  • references/：本 skill 自带 {skill_dir}/references/；references 文档内的 {skill_dir} 即本 skill 目录。

执行

读取: {skill_dir}/references/effect-review.md

按其流程执行：fetch_stats.py --days 7 拉数据 → 匹配并回填 history.yaml 的 stats 字段 → 分析最好/最差表现及原因 → 给出后续选题/标题/框架的调整建议。

前置：需要 config.yaml 里的微信 API 凭证。缺凭证 → 告知用户"数据复盘需要配置 公众号 API（config.yaml），当前只能基于 history.yaml 已有记录做定性分析"，然后就 history.yaml 现有内容能分析多少分析多少。刚发布的文章 → 告知等 24h 后再看。

下游影响：回填的 stats 会被选题模块（wewrite-topic）读取——哪种框架/增强策略 表现好会加权到下次推荐。这是数据闭环的一半，另一半是 wewrite-learn 的改稿飞轮。

评论

支持 Markdown