ob-labs/coskills/pmem-style-extraction

ROOT_DIR="$(cd ../.. && pwd)"
PYTHON_BIN="$ROOT_DIR/.venv/bin/python"
test -d "$ROOT_DIR/.venv" || python3 -m venv "$ROOT_DIR/.venv"
"$PYTHON_BIN" -m pip install -U pip
"$PYTHON_BIN" -m pip install -U powermem python-dotenv

"$PYTHON_BIN" scripts/check_config.py

SKILL_URL_DIR="$HOME/.cursor/skills/baoyu-url-to-markdown"
npx -y bun ${SKILL_URL_DIR}/scripts/main.ts <url> -o /tmp/extracted_content.md

你是一位专业的写作风格分析师。请从下面的内容中提取纯粹的风格特征，忽略所有具体的事实、观点和信息内容。
 
请从以下维度提取风格特征：
 
1. **叙事节奏 (narrative_rhythm)**：句子长度偏好、段落节奏、信息密度
2. **金句位置 (key_phrase_placement)**：强调内容的位置习惯（段首/段中/段尾）
3. **排版符号 (formatting_symbols)**：特殊引号、列表符号、分隔符使用习惯
4. **标点习惯 (punctuation_habits)**：省略号、破折号、感叹号等使用频率和场景
5. **段落结构 (paragraph_structure)**：段落组织方式（总分总、递进、并列等）
6. **情感基调 (emotional_tone)**：理性/感性、克制/热烈、严肃/幽默等
7. **修辞手法 (rhetorical_devices)**：比喻、排比、反问等惯用修辞
8. **开篇风格 (opening_style)**：如何引入话题（直入主题/铺垫/引用/提问）
9. **结尾风格 (closing_style)**：如何收束内容（总结/升华/留白/号召）
 
请以 JSON 格式输出，每个维度用简洁的描述性语言概括：
 
{
  "narrative_rhythm": "描述",
  "key_phrase_placement": "描述",
  "formatting_symbols": "描述",
  "punctuation_habits": "描述",
  "paragraph_structure": "描述",
  "emotional_tone": "描述",
  "rhetorical_devices": "描述",
  "opening_style": "描述",
  "closing_style": "描述"
}
 
待分析内容：
---
{CONTENT}
---

"$PYTHON_BIN" scripts/search_profiles.py \
  --features /tmp/extracted_features.json \
  --threshold 0.85

检测到风格特征冲突：
 
【已存 Profile: default】
- 叙事节奏: 短句为主，每段2-4行
- 情感基调: 理性克制
 
【新提取特征】
- 叙事节奏: 长句排比，情绪化段落
- 情感基调: 热烈煽情
 
请选择处理方式：
1. 抛弃 - 仅作参考，不写入
2. 覆盖 - 用新特征替换旧 Profile
3. 分支 - 保留旧 Profile，新建独立风格变体（需指定名称）

Agent: 📱 这个风格适合哪些平台？请从以下选项中选择（可多选，用逗号分隔）：
1. 小红书
2. Twitter / X
3. 公众号
4. 知乎
5. LinkedIn
6. 通用（不限平台）
7. 其他（请说明）
 
请输入序号或平台名称（例如：2,3 或 Twitter,公众号）

Agent: 🏷️ 用几个词描述这个风格的特点，请从以下选项中选择（可多选，用逗号分隔）：
1. 轻松
2. 口语化
3. 专业
4. 严谨
5. 情绪化
6. 理性
7. 幽默
8. 简洁
9. 详细
10. 煽情
11. 克制
12. 热烈
13. 其他（请说明）
 
请输入序号或标签（例如：1,2,7 或 轻松,口语化,幽默）

Agent: 🎭 这个风格的总体基调是？请选择一个：
1. 轻松愉快
2. 理性克制
3. 热烈煽情
4. 专业严谨
5. 幽默风趣
6. 深沉内敛
7. 激情澎湃
8. 其他（请说明）
 
请输入序号或描述

Agent: 📝 请用一句话描述这个风格的适用场景（可跳过，直接回复"跳过"或留空）
 
例如：适合日常分享类内容，语气轻松亲切

Agent 首先调用脚本获取智能建议：
"$PYTHON_BIN" scripts/collect_metadata.py --features /tmp/extracted_features.json --get-suggestions
{"id": "casual-style", "name": "轻松风格"}
 
Agent: 💡 系统建议的 Profile ID 是：casual-style
 
🆔 请选择：
1. 使用默认建议（casual-style）
或直接输入自定义 ID（只能使用小写字母、数字和连字符）

Agent: 💡 系统建议的显示名称是：轻松风格
 
📛 请选择：
1. 使用默认建议（轻松风格）
或直接输入自定义名称

"$PYTHON_BIN" scripts/collect_metadata.py \
  --features /tmp/extracted_features.json \
  --platforms "Twitter,公众号" \
  --tags "轻松,口语化,幽默" \
  --tone "理性克制" \
  --description "适合日常分享类内容，语气轻松亲切" \
  --profile-id "xiaohongshu-casual" \
  --profile-name "小红书轻松版" \
  --output /tmp/metadata.json

"$PYTHON_BIN" scripts/store_profile.py \
  --features /tmp/extracted_features.json \
  --mode new \
  --source "来源标题或URL" \
  --profile-id $(jq -r '.profile_id' /tmp/metadata.json) \
  --profile-name $(jq -r '.profile_name' /tmp/metadata.json) \
  --tags $(jq -r '.tags | join(",")' /tmp/metadata.json) \
  --platforms $(jq -r '.platforms | join(",")' /tmp/metadata.json) \
  --tone $(jq -r '.tone' /tmp/metadata.json) \
  --description $(jq -r '.description' /tmp/metadata.json)

"$PYTHON_BIN" scripts/list_profiles.py

"$PYTHON_BIN" scripts/list_profiles.py

用户："帮我分析这篇文章的写作风格并保存：[粘贴文章内容]"
 
Agent（自动执行，无需用户干预）：
  1. 提取特征 → 保存到 /tmp/extracted_features.json
  2. 自动检测冲突 → 无冲突
  3. 开始逐个询问元数据（用户交互）：
     步骤 1/6：适用平台？
       → Agent 展示选项，等待用户回答
       → 用户："2,3"（Twitter 和公众号）
       → Agent："✓ 已选择：Twitter, 公众号"
     
     步骤 2/6：风格标签？
       → Agent 展示选项，等待用户回答
       → 用户："轻松,口语化,幽默"
       → Agent："✓ 已选择：轻松, 口语化, 幽默"
     
     步骤 3/6：总体基调？
       → Agent 展示选项，等待用户回答
       → 用户："2"（理性克制）
       → Agent："✓ 已选择：理性克制"
     
     步骤 4/6：简短说明？
       → Agent 询问
       → 用户："适合日常分享类内容，语气轻松亲切"
       → Agent："✓ 已填写"
     
     步骤 5/6：Profile ID？
       → Agent 获取智能建议并展示："系统建议：casual-style"
       → Agent："请选择：1. 使用默认建议 或直接输入自定义 ID"
       → 用户："1"（使用建议）或 "xiaohongshu-casual"（自定义）
       → Agent："✓ 已设置：casual-style"（或用户输入的值）
     
     步骤 6/6：Profile 名称？
       → Agent 展示建议："系统建议：轻松风格"
       → Agent："请选择：1. 使用默认建议 或直接输入自定义名称"
       → 用户："1"（使用建议）或 "小红书轻松版"（自定义）
       → Agent："✓ 已设置：轻松风格"（或用户输入的值）
  
  4. Agent 汇总并调用 Python 脚本保存元数据
  5. 自动存储 Profile
  6. 显示确认信息
 
整个流程中，用户只需要在元数据收集时依次回答6个问题，其他步骤自动进行。

用户："学习这篇文章的风格：https://example.com/article"
 
Agent（自动）：
  1. 调用 url-to-markdown → 获取内容
  2. 提取特征 → 自动检测冲突 → 无冲突
  3. 开始逐个询问元数据（用户依次回答6个问题）
  4. 自动存储

用户："分析这篇情绪化的文章"
 
Agent（自动）：
  1. 提取特征 → 自动检测冲突
  2. 发现与 default 冲突 → **暂停，展示冲突对比**
  
  ⚠️  检测到风格冲突...
  请选择：1.抛弃 2.覆盖 3.分支
  
  用户选择：3（分支）
  
  3. Agent 继续：开始逐个询问元数据（系统建议 profile_id: emotion-style）
  4. 自动存储为独立分支