skills-lottery-picker/MEMORY.md at master

qyyfw/skills-lottery-picker

0 Fork 0

Files

T

QwenPaw f45881dc88 Initial commit

2026-06-19 06:38:31 +00:00

29 KiB

Raw Permalink Blame History

summary, read_when

summary

read_when

Agent 长期记忆 — 彩票预测AI系统 + UUMit平台自动化运营 + xskill技能蒸馏 + 企业分析能力 + 全套AI开发流水线 + 小说/短故事创作 + AI SaaS商业系统架构 + LangBot消息集成 + Build-Your-Own-X全栈编程技能体系 + SkillNet技能市场 + agency-agents-zh专家角色库 + Web全栈编程流水线

手动引导工作区

技术栈变更

架构设计决策

系统优化需求

UUMit平台操作

任务巡航配置

xskill诊断与维护

开源项目评估

企业制度分析

LLM模型配置

工具部署与MCP配置

小说/短故事创作相关咨询

番茄小说审核标准/签约被拒分析

短故事数据反馈与开篇优化

InkOS部署状态与使用

批量去AI味脚本操作

消息平台集成（LangBot/OneBot/微信/钉钉/飞书）

SSH/远程服务器操作

编程全栈技能查询

build-your-own-x 教程索引

SkillNet 技能市场搜索/下载

agency-agents-zh 专家角色激活

AI SaaS平台架构选型

HEARTBEAT.md 自检

SkillOpt技能优化器操作

wanwu/Astron Agent项目评估

番茄小说全本重写与签约申请

短故事第三轮V3框架创作

技术架构

AI 预测系统

架构：自进化AI模型，概率预测 + 动态权重优化（基于准确率反馈）；已完成10轮自进化迭代，权重体系已收敛
技术栈：Python + 机器学习模型
数据源：500.com彩票数据API
当前模型状态：v3，预测置信度 78.6%，数据范围近100期（25010~26059），胜率 0%（学习初期）

数据处理

支持彩种：双色球、大乐透等主流彩票
分析维度：号码频率、奇偶分布、大小比例、和值范围
输出：结构化分析报告 + 推荐号码组合

版本管理系统

机制：内置回滚迭代跟踪，重大变更前自动创建快照
能力：版本历史管理、性能追踪（准确率/效率）、一键回滚、版本比较分析

UUMit 平台集成

授权：设备授权码轮询（5秒间隔），成功后执行 post_auth.next_actions
API 调用：请求头添加 X-Api-Key + X-Platform-User-Id
巡航任务系统：通过 qwenpaw cron 配置定时巡航（无 crontab 环境）
- 定时器：每小时整点执行（0 * * * *），策略 no_confirm_apply=true
- 超时：600秒（10分钟）
钱包：余额 1160 UT（截至06-02查询）
活跃技能：「数据概率分析与预测服务」99 UT（技能ID: d3e3f0a1-2c0d-4ac3-b29b-d283700beb34）
任务API：POST body 格式 {"message":"说明文案","skill_id":"技能UUID"}；rest_request.js --file 指定JSON body，--param 为查询参数

Build-Your-Own-X 全栈编程技能体系

技能文件：skills/build-your-own-x/SKILL.md
定位：全栈编程导师，30个教程类别/200+教程索引
4种开发模式：教学辅导 / 代码生成 / 混合 / 全栈一人团队
与现有工具链深度集成：AnySearch → Build-Your-Own-X → MetaGPT → Ruff → pytest+cov → ECC → readme_gen → git_push → Paramiko → Docker
自动补全机制：用户需求 → 自动匹配教程类别 → 推荐语言/栈 → 结构化指令输出

Web 全栈编程工作流水线

技能文件：skills/web-fullstack-pipeline/SKILL.md（385行）
定位：专为 Web 系统设计的标准化迭代流程，吸收 Vibe Coding 三大优点
7 Phase / 10 Loop：需求解析 → 数据层(2) → 后端(2) → 前端(2) → 联调测试 → 体验打磨 → 部署上线
技术栈默认：Python FastAPI + React/Vite/TS + PostgreSQL + Docker
核心差异：每步留构建轨迹（意图→摩擦→下一步），15-25分钟微循环

xskill 工具 — 技能蒸馏系统

仓库：https://github.com/SkillNerds/xskill（MIT协议，v0.5.0）
性质：Python开源CLI工具，从AI Agent会话中提取有效模式沉淀为Skill文件
当前运行状态（2026-06-14）：
- xskill serve：✅ PID 22723（自 Jun12 10:00 UTC 持续运行）
- 已蒸馏技能：✅ 4个（ssq-lottery, ssq-analysis, tomato-novelist, classical-chinese-writing）
- 桥接 cron：每6小时（0:00/6:00/12:00/18:00 自动触发）
时区注意：xskill 日志使用 UTC 时间，桥接 bridge.py 输出使用 CST (UTC+8)，对比时需转换

MetaGPT 部署（已验证通过 ✅）

方式: 容器内安装（metagpt 0.8.2）
LLM 配置: SiliconFlow → nex-agi/Nex-N2-Pro（编程优先）
适用场景：项目启动阶段从零生成完整代码；不适用：已有代码的增量修改

AnySearch MCP

MCP URL: https://api.anysearch.com/mcp
API Key: as_sk_f92eddbbd0360ccd793ac7aa5a391f77
传输方式: streamable_http（原生直连，无需 stdio 代理）

SkillNet 技能市场

安装：pip install skillnet-ai（v0.0.18）✅
功能：搜索50万+社区技能（关键词/语义双模式）、下载、创建、5维质量评估
支持国内镜像：--mirror https://ghfast.top/

agency-agents-zh 专家角色库

仓库：https://github.com/jnMetaCode/agency-agents-zh
规模：226个 .md 文件（201个专家角色 + 25非角色文档），覆盖18个部门
角色加载器命令：list / search / show / load（可按部门筛选/关键词搜索）

辅助工具栈

Paramiko (v5.0.0): SSH/SFTP 客户端 ✅
Ruff (v0.15.16): Python 代码格式化 ✅
pytest (v9.0.3) + pytest-cov: 测试框架 ✅
git_push.py: 自建Git自动推送脚本（Gitea → Gitee → GitHub）✅

LLM 模型配置（通用 — SiliconFlow）

配置项	值
Base URL	`https://api.siliconflow.cn/v1`
API Key	`sk-rliuspmrhfeamklwehbjogypuhybskpnogmtoiyixvdslxhs`
默认模型（编程优先）	`nex-agi/Nex-N2-Pro`
备选模型（通用对话）	`deepseek-ai/DeepSeek-V4-Flash`
嵌入模型	`Pro/BAAI/bge-m3`
重排序模型	`Pro/BAAI/bge-reranker-v2-m3`

SSH 远程连接配置

服务器: 210.16.161.214, root
密码: XHR521yhf
连接方式: pexpect 单条命令模式 ssh -q root@host "command"（避免交互式 shell escaping 问题）
文件传输: pexpect sftp 最可靠（sftp root@host → put local remote）

Docker 容器操作要点

容器同步可靠方式：docker exec -i <container> python3 直接在容器内读写
Base64 最可靠：echo {b64} \| base64 -d \| docker exec -i <container> sh -c "cat > {path}" — 比 heredoc/sed 更稳定
编辑 .py 文件后：必须 rm -rf __pycache__ + 重启容器，否则编译缓存生效
容器内不要启动宿主机进程：容器 API 只做「读状态/返回给前端」

核心业务决策

AI 模型策略

唯一算法原则：AI自进化模型为唯一预测算法，不擅自改动或引入替代算法
透明度：所有分析报告必须标注模型版本和预测置信度
迭代：小步快跑，每次迭代经回测验证后再推进；准确率下降超阈值时触发回滚
优先级：彩票工具高于其他任务类型

彩票工具触发

关键词：双色球、大乐透、今日彩票
执行标准：所有推荐必须基于AI自进化模型预测，不得使用随机或人工选择

UUMit 运营策略

任务竞争环境：任务大厅竞争激烈，热门任务常秒内满员（上限25人），需快速响应
申请策略：启用 no_confirm_apply=true 自动申请，持续轮询新任务释放窗口
项目放弃原则：项目部署验证通过后，用户可随时决定放弃，应快速清理占用资源

抢单时机规则

整点后前5秒为最佳扫描窗口
高UT任务（>80UT）约30秒内满员
对等互换任务（51UT）约2-3分钟内有效
整点后超过3分钟的任务列表基本已全部过期或满员
对等互换批量申请法：整点后看到大批同主题对等任务集中释放时，批量申请最有效
窗口规律：工作日（周一）晚间19:00-20:00为对等互换任务集中释放高峰期

申请文案策略

对等互换任务需提供真实、具体、可量化的分享内容
引用已完成的成果（如"已写85章小说"、"历史峰值673UT pending"）增加可信度
文案宜简短（2-3句话）直击主题

AI SaaS 商业系统架构（方案C ✅）

架构决策链

第一步：IM Bot 选型（LangBot ✅，AstrBot ❌ 放弃）

LangBot：原生支持个人微信 OpenClaw 官方协议，Service API 完整，WebUI 一键扫码
AstrBot：❌ v4.25.5 没有个人微信适配器（仅 aiocqhttp、wecom_ai_bot、webchat），已放弃
端口：5300（WebUI + API）
个人微信接入：WebUI → 创建机器人 → 选择「个人微信机器人」→ 扫码登录 → 自动填入凭证

第二步：中间件选型（APISIX + FastAPI 分层）

APISIX = API 网关（路由/限流/认证/监控），Lua+Nginx
FastAPI = Web 框架（写业务逻辑），Python
推荐组合：APISIX（网关层）+ FastAPI（业务层/桥接层）

第三步：AI SaaS 底座选型（方案C混合架构 ✅）

信息	内容
Astron Agent	能力底座（10.5k star, Apache 2.0）
BuildingAI	展示+计费底座（1.7k star, Apache 2.0）
FastAPI	桥接中间件（自研）

方案C分工：

Astron Agent：多租户 Schema 级隔离 + Go RPA 引擎 + 多渠道发布 + SkillHub 技能治理
BuildingAI：开箱即用计费系统 + 精致 UI + 200+ 模型 + Docker 一键部署
FastAPI 中间件：统一认证 + 用量聚合 + IM Bot 桥接 + 限流熔断

最终架构方案

用户 → BuildingAI（SaaS底座：界面/订阅/支付/计费）
              │
              ├──→ FastAPI 中间件（桥接层）
              │       ├──→ LangBot（IM Bot）
              │       ├──→ n8n（工作流）
              │       ├──→ NocoDB（数据库）
              │       ├──→ Apboa（智能体）
              │       ├──→ MinIO（文件存储）
              │       └──→ ...更多工具
              │
              └──→ APISIX（API网关，可选）
                      └──→ 限流/认证/监控/路由

方案C部署与分工

部署方式：单机部署（1Panel 社区版管理）
用户负责：1Panel 部署 BuildingAI + Astron Agent
AI负责：FastAPI 中间件开发 + 两个系统对接
交付流程：用户部署完 → 提供连接信息 → AI 开发中间件 → 用户部署中间件 → 联调
⚠️ 重要：用户部署好后可能切换到 PC 电脑端提问（不再通过飞书App）
实施时间表：约18天（用户部署 BuildingAI 4天 + Astron Agent 4天 → AI 开发中间件 4天 → 联调 4天 → 加固 2天）

Astron Agent vs BuildingAI 能力对比

能力	Astron Agent	BuildingAI
多租户隔离	✅ Schema级	✅ 团队空间
计费系统	❌ 无	✅ 完整
RPA引擎	✅ Go（150+组件）	❌ 无
多渠道发布	✅ 企微/钉钉/飞书/微信	⚠️ 有限
技能治理	✅ SkillHub	❌ 无
UI	⚠️ Workflow Builder	✅ 精致全端
资源消耗	高（10+微服务，16C32G）	中（Docker Compose）
技术栈	Java+Python+Go+Vue 3	NestJS+Nuxt 4

Microsoft SkillOpt 工具（已完成 ✅）

项目：microsoft/SkillOpt ⭐ 7.6k, MIT, Microsoft Research
功能：Agent 技能自动优化器 — 像训练神经网络一样训练 SKILL.md 文本
核心流程：Rollout → Reflect → Aggregate → Select → Update → Evaluate（6阶段 ReflACT）
安装：pip install skillopt（v0.1.0，清华镜像可用）
QwenPaw 适配：v2已完成，含LLM反射+SKILL.md编辑+质量评分
全平台批量优化：30个技能全部评分，平均分0.876，12个满分
7个技能被LLM优化提升：news(+0.398), channel_message(+0.350), file_reader(+0.224), make_plan(+0.200), cron(+0.200), agency-agents-zh(+0.150), agent-browser(+0.150)
3个低分技能手动修复：uumit-agent/xskill/ssq-analysis-report 均从0.6→1.0
版本管控：60+版本快照在 versions/，batch_optimize.py 支持 --dry-run
关键陷阱：YAML列表解析需用逗号分隔格式；BOM字符会导致frontmatter解析失败

消息方案决策

消息方案演进

旧方案（已废弃）：onebots + wechat-bridge（Node桥接+onebots+Docker API三重转发，复杂度高，稳定性差）
AstrBot 方案（已放弃）：v4.25.5 无个人微信适配器，无法使用
当前方案（LangBot ✅）：原生支持个人微信 OpenClaw 官方协议，待部署集成

LangBot 集成方案（Event Listener Plugin 桥接）

微信用户 → [OpenClaw] → LangBot → [aiflow-bridge插件] → AIFlow API → AI回复 → 回微信

LangBot 负责消息收发（微信 OpenClaw 官方协议）
aiflow-bridge 插件作为 event_listener：收到消息 → 调用 AIFlow API → 返回回复
AIFlow 零修改，所有功能保留

消息集成经验教训

部署成功 ≠ 集成完成：部署新组件后，必须确认用户在哪个入口操作
新旧并行必须显式切换：旧服务停用前，消息流可能仍走旧路
不同系统的前端完全独立：不能混用（AIFlow 前端 vs LangBot WebUI vs onebots）

小说与短故事创作经验

长篇小说创作原则

汉字计数陷阱：必须用 len(re.findall(r'[\u4e00-\u9fff]', text)) 精确统计，wc -c 或 len() 误差可达30%
"先骨架后血肉"策略：第一轮写骨架 → 第二轮扩充战斗/对话/心理 → 第三轮检查字数
手写质量优于API批量生成：API每次独立调用上下文不共享导致版本分裂（人物名/公会名漂移）
文件名和编号严格统一：第0XX章章节名.md（三位数编号）；内容标题必须与文件名一致

API批量生成版本漂移防范

根因：API每次调用是独立上下文，模型会"自由发挥"人物名/设定
解决方案：生成前必须注入完整的角色设定约束（人物名、公会名、游戏名全部固定）
统一原则：出现版本分裂时，以原始人类手写版本为准统一全篇

番茄小说平台研究

男频热门：高手下山/师父流★★★★★、系统流/顿悟流★★★★★、穿越权谋★★★★★
短故事赛道：2026「千字万金」计划，作者10:10分成，保底80-700元/千字
追读门槛：1000在读以上才能上榜

番茄审核逻辑深度解析（高价值经验 ✅）

关键词替换无效论：番茄的"公司负面审核"基于叙事语义分析，不是关键词扫描。即使把"公司"全换成"上面"，只要故事内核是"被雇佣→被抛弃→逆袭"，审核系统仍能判定为"公司负面"
根因诊断法：当修改关键词无效时，必须追溯到故事前提设定。根本问题是"主人公是公司员工"这个设定本身
成功解法：将主人公从"公司员工"改为"自由职业者"——自由职业者与公司没有雇佣关系，不存在"公司抛弃员工"的叙事
被拒绝案例：《AI能代替一切，除了修脚》被拒3次，最终改为"自由职业程序员"设定后通过

AI味识别与修复方法论

AI味三级检测标准：

P0致命级：「燃点标签」「meta自嘲」「作者闯入叙事」— 必须100%清除
P1明显级：——独立行过度使用、对话脚本化（无动作描写穿插）
P2优化级：场景转换生硬、配角缺乏辨识度、细节不足

扫描阈值（已验证合理）：

深吸一口气 ≤ 2次/全书
握紧/攥紧 ≤ 4次/全书
「燃点标签」/章末标注/全书完标记/meta自嘲 = 0
「被动受害者叙事」（被替代/被代替/被裁）= 0

短故事 V3.0 创作框架（2026-06-18 ✅）

规格

每章：2000+ 汉字（V3确认），每章 ≥ 1 个反转
标题公式（已验证）：
- 数字+身份+噱头（CTR 12.63%）
- 反差+反套路（CTR 13.04%）
- XX都做A我偏做B（CTR 11.11%）
- 极致反差越___越___（CTR 66.67%）
标题禁忌：
- 抽象概念标题（CTR 0.66%）
- 平淡诉求标题（CTR 2.65%）
- 普通叙事标题（CTR 1.03%）
- 开篇不兑现书名

开篇核弹规则（必遵守）

前 100 字出冲突
前 300 字兑现书名
前 500 字展示差异化钩子
Ch1 结尾必须用「行动驱动力钩子」

爆款数据规律

CTR < 5% → 标题有问题
CTR > 10% → 标题合格，但内容可能留不住人
决定点击率的是标题，决定完读率的是开篇

00后反向思维创作方法论 V2.0

核心公式：主角不想→被逼→没办法→做了→发现还挺爽→嘴上说不要身体很诚实

三条已验证的爆款路径：

概念反差：世界规则与读者预期相反
人设共鸣：社恐/躺平/边界感等00后真实心理状态
系统损友化：系统是麻烦制造者+吐槽伙伴

2026年6月热门题材

反内卷/摸鱼赚钱/觉醒反杀/替身中介/跑路倒计时/女配觉醒

创作高效策略

批量处理优于逐章修改：85章小说用Python脚本批量处理（段落不规则化、去AI味、补钩子）比逐章重写高效百倍。先重写前5章（签约编辑关键区），批量处理后续章节。
数据分析驱动创作方向：从CTR数据判断标题和开篇质量
搜索+提取组合研究法：浏览器不可用时，search批量查询+extract提取关键页面内容
迭代扩写策略：短故事先写1000字骨架，再分2-3轮追加内容到2000+汉字。每轮追加300-700汉字即可达标，比一次性写2000字更容易控制质量
Python脚本一次性生成策略：15章×2000+汉字=30,000+汉字，用Python脚本一次性生成（三重引号字符串），分批生成（每5章一批）最优。注意单次write_file约37KB限制

敏感词扫描覆盖

必须检查：公司/集团/企业（负面语境）、被裁/裁员/辞退/被优化、被替代/被代替
即使中性用法（如"在一家公司上班"）也建议替换，审核系统可能机械扫描

小说项目状态

短故事项目

📗 R2 第二轮四部（全S级质量 ✅）

#	书名	仓库	字数	状态
1	《系统让我内卷，但这个世界的法律不允许》	`r2-xi-tong-rang-wo-nei-juan`	~9,000汉字	✅ 已推送
2	《全基地都是我的替身》	`r2-quan-ji-di-ti-shen`	~8,500汉字	✅ 已推送
3	《全班都在考研，我报了骑手培训班》	`r2-quan-ban-kao-yan`	~8,700汉字	✅ 已推送
4	《AI能代替一切，除了修脚》	`r2-ai-xiu-jiao`	~7,700汉字	✅ 已推送（被拒3次后修改通过）

R2数据表现

最佳CTR：《全球通缉榜第一归来》CTR 12.63%（展现388/阅读49）
最高CTR：《AI能代替一切，除了修脚》CTR 66.67%但仅3展现（标签定位错误）
最差：《全基地都是我的替身》CTR 0.66%
方向确认：淘汰战神/丧尸；聚焦反向世界观×系统损友、社恐×远程替身、00后反向×现实痛点

📗 R3 第三轮（V3框架，已完成3部 ✅）

#	书名	仓库	字数	状态
1	《越躺平越强，我摆烂成了全服第一》	待推送	15章全部≥2000汉字	✅ 已完成，敏感词处理完成
2	《神明中介：我帮神仙接单，神仙帮我躺赢》	`r3-shen-ming-zhong-jie`	15章总33,217汉字	✅ 已推送
3	《满级大佬回新手村，我装了三天萌新》	`r3-man-ji-da-lao-hui-xin-shou-cun`	15章全部≥2000汉字	✅ 已推送
4	《分手后我觉醒了吞金兽系统》	创作中	已完成简介+第1-7章（需扩写到2000+）	🔄 创作中

长篇小说项目

📗 《浪潮黄金手》— 科技自强工业文（完结 ✅）

Gitea: http://git.qihuyun.com/qyyfw/fqxs-langchao-huangjin-shou
完结终章（501-506章）：暗网覆灭→0.2nm突破→全球同盟→归途无锡→黄金手峰会→十年传承

📗 《完美冰》— 文学性诗意科幻（完结 ✅）

Gitea: http://git.qihuyun.com/qyyfw/fqxs-wanmeibing
完结终章（101-105章）：裂缝里的芽→不完全的桥→交界处→暗流停→不完美的冰

📗 《开局送外卖》— 都市修仙（完结 ✅）

Gitea: http://git.qihuyun.com/qyyfw/fqxs-kaiju-song-waimai
完结终章（421-425章）：另一个我→裂缝里的金色→守旧社·终局→第七社区·日常→裂缝里的新芽

📗 《网游之巅峰神豪》— 全本重写完成 ✅

仓库：wangyou-zhi-dianfeng-shenhao
状态：85章全本重写（前5章完全重写，6-85章批量修复），质量检查S级通过
- 每章≥2500汉字
- AI味/敏感词/被动叙事全部归零
签约：已重新向番茄小说提交签约申请，等待批复中

⚠️ 同步规则（默认强制执行）

每次创作/修改短故事或长篇小说后，必须同步更新Gitea仓库。

Gitea地址：http://git.qihuyun.com | 账号：qyyfw
凭据：存储在~/.git-credentials
推送流程：git init → config → add → commit → curl创建仓库API → remote add → branch -m main → push

🔍 质量检查清单（必执行）

章节完整性 — 文件数正确，编号连续
汉字字数 — 短故事V3每章≥2000汉字，长篇每章≥2500汉字
审核敏感词扫描 — 公司/集团/企业（负面语境）→ 0处；被裁/裁员/辞退/被优化 → 0处
AI味残留扫描 — 燃点标签/章末标注/——独立行/全书完标记/meta自嘲/深吸气(≤2次)/握紧攥紧(≤4次)
被动受害者叙事 — 被替代/被代替/被裁 = 0
开篇核弹检查（短故事） — 前100字出冲突 / 前300字兑现书名 / 前500字差异化钩子
剧情连贯性 — 每章有钩子推动，章末悬念衔接；无逻辑断裂
书名/标题一致性 — 文件名与内容标题一致
全篇设定一致性 — 角色名/公会名/游戏名/关键道具名统一，无版本漂移
编码检查 — 无BOM字符，确保汉字字数检测正常

执行规则：先检查，再推送。发现问题 → 全部修复 → 再次检查通过 → 推送。

高价值经验原则

输出与沟通原则

中文输出原则：用户明确要求中文时，输出必须全中文
展示效果优于解释原理：介绍新能力时先跑Demo展示实际产出
回答要精准匹配问题：问什么答什么，不要夹杂额外推荐
主动诊断优于重复执行：当用户反复要求运行某已知自动命令时，应主动说明自动机制已在运行
用户交互模式：用户常用"。"或"继续"表示"你决定，继续推进"
智能检测重复粘贴：用户反复粘贴同一文件内容时，应主动对比检查差异

工具与系统原则

工具安装后必须验证功能可用性：仅验证"安装成功"不够，必须实测完整工作流
Python复杂依赖安装 — "剥洋葱法"：逐层 import → catch → install 循环推进
Git自动推送最佳路径：Gitea自建 ✅ 最可靠；GitHub ❌ 网络不稳定
技能融合关键：在 SKILL.md 中明确列出每个工具的集成方式和触发条件
Python进程空间不变性：pip install 新包后，已在运行的进程不会加载新包，必须先 kill 旧进程再启动新进程
清 pycache 暴露隐藏 bug：修改 Python 文件后必须 rm -rf __pycache__，否则旧 .pyc 掩盖新错误
Base64 最可靠的远程文件传输：比 heredoc + sed 在 SSH 嵌套中更稳定
问题诊断优先级：用户反馈「功能不工作」时，先追踪消息流路径找到断点，再针对断点修复

根因诊断与重复任务处理原则

根因诊断需持续重新验证：新进程实例的故障表现可能与旧实例完全不同
用户重复指令高效策略：用户反复发出同一指令（≥3次）时，前2-3轮深入排查，之后仅对比最新输出与上轮差异
系统空闲状态识别：当系统持续运行且无新输入时，全链路执行结果应始终相同，这是正常空闲状态
日志时区统一注意：不同组件可能使用不同时区（如 xskill 使用 UTC，桥接使用 CST UTC+8）

开源选型方法论

「协议-功能-技术栈」三角验证：选型必须同时验证协议友好度、功能覆盖率、技术栈匹配度
「成品底座 + 自研中间件」模式：当开源项目覆盖 80%+ 需求时，用开源项目做底座，自研轻量中间件补齐差异
用户模糊表述必须追问：用户说"多个工具"时，需追问具体是同类多个还是不同类型多个
部署成功 ≠ 集成完成：部署新组件后，必须确认用户在哪个入口操作，不能假设用户会知道新组件的独立入口

数据采集与环境依赖原则

先验证API再大规模调用：换数据源/调参数前，先用小规模测试验证格式和容量，再批量采集
提前检查环境依赖可用性：开始大型任务前，先用python -c "import X"检查所有需要的依赖
HTML解析不要假设DOM结构不变：HTML解析脚本的第一步永远是验证字段位置
Python类型混用注意：numpy float传入math.log()可能导致意外行为，需及时转换为原生类型
存档脚本字段完整性：写完存档脚本后，用集成脚本跑一遍完整流程验证字段完整性

技能优化方法论

SkillOpt技能优化原则：像训练神经网络一样训练SKILL.md文本，通过Rollout→Reflect→Aggregate→Select→Update→Evaluate流程
批量优化策略：使用batch_optimize.py对全部技能进行评分和优化，保存版本快照以便回滚
QwenPaw适配器集成：通过API桥接将SkillOpt与QwenPaw环境集成，实现端到端技能优化
SkillOpt单次处理量：每次只处理1-3个技能，batch_size设为2-3（SiliconFlow API单次调用约10-30秒，批量过多会超时）

Shell写文件陷阱

heredoc不稳定：复杂的Python代码通过shell heredoc写入时，括号、反引号、管道符会被shell解释，导致语法错误。/bin/sh中Python heredoc(<< 'EOF')内不能使用圆括号()
推荐方案：用Python生成Python — 逐行构建lines列表，用json.dumps处理字符串，最后join写入
BOM问题：Windows风格的UTF-8-BOM(\\xef\\xbb\\xbf)会导致YAML frontmatter解析失败。读取用utf-8-sig，写入时strip BOM改用utf-8
YAML列表解析：parse_skill_md的简单key:value解析器不支持YAML列表语法。触发词要用逗号分隔字符串格式：triggers: 查,搜索,找
Python正则转义陷阱：在.py文件中写r'[\\u4e00-\\u9fff]'会被解释为字面量反斜杠+u，应使用re.compile(r'[\\u4e00-\\u9fff]')（直接在源码中用Unicode范围）
write_file内容量确认：单次write_file可写入约37KB Python脚本。要得到2000汉字，Python源码中需有约2000汉字的字符串内容。实际有效汉字量约为文件字节数的60-70%
编码问题导致字数检测为0：shell heredoc写入的文件可能因BOM或编码问题导致Python读取为空。改用Python直接open()写入可避免
sed批量替换的精度：sed -i替换敏感词时需精确控制，避免误替换。建议先用Python脚本做精准替换（可逐处计数）

待办事项

进行中

R3故事4《分手后我觉醒了吞金兽系统》：续写第8-15章（扩写至每章2000+汉字），完成后推送至Gitea
R3故事1《越躺平越强》：推送至Gitea仓库
《网游之巅峰神豪》：等待番茄小说签约批复结果
R2/R3短故事发布：需通过番茄作家专区后台手动发布（浏览器工具不可用，需替代方案）
浏览器环境修复：agent-browser和browser-use均不可用，需找到替代方案登录番茄作家后台

用户信息

番茄小说账号：18010193521 / XHR521yhf
番茄作家专区：https://fanqienovel.com/writer/login?bookId=7649966088226098201&tab=2
Gitea：http://git.qihuyun.com | 账号：qyyfw

29 KiB Raw Permalink Blame History Unescape Escape