说实话，wewrite 这个项目我盯了很久。

GitHub 上 300+ star，功能列表看得人流口水——热点抓取、选题评分、7 层去 AI 痕迹、自动排版推送草稿箱。一套流程跑下来，公众号文章从 0 到发布，一句话搞定。

问题是：它太重了。

我只想移植两个功能：效果复盘、学习飞轮。结果翻了半天文档，发现这俩功能的设计思路很好，但实现方式跟我在 OpenClaw 上跑的写作系统对不上。

得改。

于是又了这篇晨念死磕 AI 的第 43 篇实战笔记。

今天用 skill-creator 这个神技，把移植过程完整复盘一遍。中间踩的坑、改的设计，全给你摊开。

先说结论：移植了什么

学习飞轮是这次移植的核心价值。

它的逻辑很简单：你改了 AI 的初稿，系统记住你改了什么，下次写作自动应用。

比如你总是把"讲真"改成"坦白说"，系统学会之后，初稿直接写"坦白说"。改得越来越少，效率越来越高。

这才是 AI 写作的正确打开方式：不是替代你，是学会你。

说白了，原理是这样的

这套写作系统跑在 OpenClaw 上，核心是一个叫「晨念公众号写作系统」的 Skill。

写文章流程（改造后）：
  步骤2 云撰 → 先读 playbook.md → 再读风格库
  步骤6 惊雷 → 先读 playbook.md → 再读策略库

复盘流程：
  数据复盘 → 飞书 Bitable 存储
  学习飞轮 → playbook.md 进化

就这么简单。

playbook 是你的个性化规则集，优先级高于风格库。每次复盘提取的规律，都会写入 playbook。

下次写文章，系统先读 playbook，把你总结的规律用上。

开搞前，先说说我踩的三个坑

坑 1：微信 API 权限问题

wewrite 的效果复盘功能，依赖微信数据分析 API。

我兴致勃勃地配置了 AppID 和 Secret，结果报错：48001 api unauthorized

查了半天文档，才发现——未认证订阅号没有数据分析 API 权限。

💡 踩坑点：如果你的公众号是未认证订阅号，数据 API 这条路走不通。别浪费时间配置了，直接用手动输入模式。

解决方案：改设计。

数据复盘改为手动输入模式。用户告诉我阅读数据，我写入飞书 Bitable。

虽然不能自动拉取，但核心功能不受影响。学习飞轮更是完全独立，根本不需要 API。

坑 2：硬编码问题

移植的时候，我随手把飞书的 app_token 和 table_id 硬编码到了 SKILL.md 里。

看起来没问题，直到用户问我："这些配置能改吗？"

我一看，傻了。改一个 token 要改三四个地方，还容易漏。

💡 踩坑预警：敏感配置千万别硬编码到流程文档里。一是维护困难，二是安全问题——一旦文档泄露，token 也跟着泄露。

解决方案：配置分离。

创建 config.json，把所有配置集中管理：

{
  "output_path": "/root/sync-chennian",
  "feishu_bitable": {
    "app_token": "xxx",
    "table_id": "xxx"
  }
}

SKILL.md 里只写：从 config.json 获取配置。

坑 3：playbook 触发不完整

这是最隐蔽的一个坑。

我给「云撰」步骤加了 playbook 读取，但忘了给「惊雷」步骤加。

结果是什么？

playbook 里写着「反直觉策略优先」，但惊雷步骤没读到，还是按默认策略出标题。

💡 听晨念一句劝：规则文件的读取逻辑，必须覆盖所有使用规则的步骤。漏一个，规则就白写了。

解决方案：惊雷步骤也加上了 playbook 优先读取。

现在标题设计会优先应用 playbook 里的标题规则——反直觉策略、疑问式公式，都是基于数据复盘总结出来的。

Step 1：创建飞书数据表

效果复盘需要一个数据存储的地方。

飞书 Bitable 是现成的选择——结构化、可视化、支持 API 操作。

我创建了一个「微信公众号数据表」，字段包括：

这张表有两个用途：

1. 数据复盘
   ：存储阅读数据，分析标题策略效果
2. 学习记录
   ：存储修改对比，提取写作规律

Step 2：移植脚本

wewrite 的脚本写得不错，但有两个问题：

1. 微信 API 权限限制（前面说过了）
2. 数据写入的是本地 yaml 文件，而不是飞书

我重写了两个脚本：

sync_to_feishu.py：同步文章到飞书 Bitable

• 支持手动输入模式
• 自动从 config.json 读取飞书配置
• 支持新增文章和更新阅读数据

learn_edits.py：学习飞轮

• 对比初稿和定稿，计算 diff
• 分类修改类型（用词替换、段落删除、结构调整...）
• 输出到本地 lessons/ 目录 + 飞书 Bitable
• 每 5 条学习记录触发 playbook 更新

Step 3：更新 SKILL.md

SKILL.md 是写作系统的核心流程文档，也是 OpenClaw 识别 Skill 的入口。

这次更新了三个地方：

步骤7 归档：增加飞书同步

文章写完 → 归档到本地 → 同步到飞书 Bitable

步骤8 晨曦：拆分为两个分支

分支 A：效果复盘（数据驱动）
分支 B：学习飞轮（风格进化）

步骤2 云撰 + 步骤6 惊雷：增加 playbook 优先读取

优先级：playbook.md > 风格库 > 策略库

Step 4：创建 playbook.md

playbook 是这次移植的灵魂。

初始规则从哪来？

我把最近一个月的阅读数据导入了飞书 Bitable，分析了标题策略效果：

结论：反直觉策略优先。

写入 playbook：

## 标题规则
1. 反直觉策略优先
   - 用"悄悄""史诗级""终于"制造张力
   - 公式：[产品名] + 悄悄/终于 + [震撼词] + [利益点]

2. 标题必带核心搜索词
   - Claude / OpenClaw / Skill / Agent

下次写文章，系统会自动应用这些规则。

跑起来！

移植完成，验证一下：

测试 1：数据复盘

输入：晨曦复盘
结果：查询飞书 Bitable，输出复盘报告

测试 2：学习飞轮

输入：学习我的修改 [初稿路径] [定稿路径]
结果：对比 diff，提取规律，写入 playbook

测试 3：写作流程

输入：晨念，写一篇关于X的文章
结果：云撰和惊雷步骤都读取了 playbook，优先应用反直觉标题策略

恭喜，跑通了！

这套架构的优势

1. 配置分离

敏感配置集中在 config.json，流程文档保持干净。

改配置只改一个地方，不会漏。

2. 规则优先级清晰

playbook.md（个性化规则）
    ↓ 覆盖
风格库（底线规则）
    ↓ 补充
策略库（通用方法）

你的规则优先级最高，系统的规则兜底。

3. 学习闭环

写文章 → 人工修改 → 学习规律 → 写入 playbook → 下次应用

越用越像自己，越改越少。

这才是 AI 写作的正确姿势。

最后，给大家参考下当前写作系统的目录

晨念公众号写作系统 v3.3.0 目录结构

wechat-article/

├── 📄 SKILL.md # 核心流程文档 (19KB)
├── 📄 config.json # 配置文件：输出路径、飞书Bitable配置
├── 📄 wechat_config.json # 微信公众号API配置（敏感）
├── 📄 playbook.md # 个性化写作规则（学习飞轮产物）
│
├── 📁 reference/ # 参考文档（按需加载）
│ ├── writing-techstyle.md # 科技流写作风格指南 (16KB)
│ ├── writing-style.md # 商业流写作风格指南 (10KB)
│ ├── title-strategy.md # 爆款标题设计策略
│ ├── effect-review.md # 效果复盘流程
│ ├── learn-edits.md # 学习飞轮流程
│ └── agent-config.md # Agent配置参考
│
├── 📁 scripts/ # Python脚本
│ ├── check_kill_list.py # Kill List检测器
│ ├── state_manager.py # 状态持久化管理
│ ├── learn_edits.py # 学习飞轮：diff分析
│ ├── sync_to_feishu.py # 同步文章到飞书Bitable
│ └── fetch_wechat_stats.py # 微信数据API拉取（需认证）
│
├── 📁 tools/ # 工具脚本
│ └── fetch_article.py # 文章抓取工具
│
├── 📁 lessons/ # 学习记录（自动生成）
│ └── YYYY-MM-DD-lesson.yaml # 当日diff分析结果
│
└── 📁 article/ # 文章输出目录（可选）

希望对大家有所启发！

大家也可以去做起来！！