夜雨聆风大家好，我是宇哥，专注AI编程、智能体，解决小白AI编程问题。
前面第 6 篇我们做了采集器，第 7 篇做了审核后台。
现在手里有两份真实文件：
data/collected-tools-review.jsondata/review-decisions.json这一步很关键：不要把所有采集到的工具都丢到首页推荐位。
因为有些工具还在待复查，有些摘要需要人工改写，有些价格和开源边界还没确认。第 8 篇我们只做一件事：把审核通过的工具，变成第一版可解释的榜单和推荐页面。
这篇你能做出什么
跟着做完，你会得到这个目录：
tutorials/ai-tool-directory/demo/lesson-08/├── data/│ ├── collected-tools-review.json│ ├── review-decisions.json│ ├── approved-tools.json│ ├── ranking-rules.json│ └── tool-rankings.json├── prompts/│ └── workbuddy-ranking-prompt.md├── scripts/│ ├── generate-rankings.py│ ├── check-rankings.py│ └── generate_lesson08_images.py└── site/ ├── rankings.html ├── styles.css └── app.js最后你能运行：
python3 scripts/generate-rankings.py && python3 scripts/check-rankings.py我这次真实跑出来的结果是：
✅ 榜单和推荐页面生成完成输入审核决策：5 条本期入榜：3 条暂不入榜：2 条生成文件：data/approved-tools.json, data/ranking-rules.json, data/tool-rankings.json页面文件：site/rankings.html, site/styles.css, site/app.js排序闸门：只收录 approve / approve_with_edits，review_later 不入榜✅ 榜单和推荐检查通过审核决策：5 条本期入榜：3 条暂不入榜：2 条入榜工具：Playwright、Dify、n8n分数：Playwright=98、Dify=83、n8n=82排序规则：按 score 降序，且每条都有 score_breakdown看到这组输出，就说明本篇成功：榜单生成了，待复查工具没有混进去，每个分数也能解释。
适合谁，不适合谁
适合你，如果你现在想要的是：
让工具站首页有“推荐”和“榜单”的样子； 不想做黑盒排名，希望每个排序理由都能说清楚； 先用本地 JSON 跑通规则，不急着上数据库； 让 WorkBuddy 帮你写脚本，但你自己决定入榜边界。
不适合你，如果你想一步到位做：
真实用户投票榜； 带浏览量、点击量、转化率的实时榜单； 复杂协同过滤推荐系统； 收费推广位和广告投放系统。
本篇只是 MVP：审核结果 → 透明打分 → 第一版榜单页面。
准备环境
你需要准备：
WorkBuddy：用来让 AI Agent 按提示词生成脚本和页面。 Python 3：本篇只用标准库，不需要安装依赖。 第 7 篇产物： data/review-decisions.json和data/collected-tools-review.json。一个本地项目目录。
本篇真实 demo 路径是：
/root/workspace/wechat-articles/tutorials/ai-tool-directory/demo/lesson-08/你自己的电脑可以用类似路径：
ai-tool-directory/demo/lesson-08/先看最终效果
本篇的处理链路长这样：
输入是第 7 篇导出的审核决策：
[{"slug":"playwright","decision":"approve"},{"slug":"dify","decision":"approve_with_edits"},{"slug":"n8n","decision":"approve_with_edits"},{"slug":"cursor","decision":"review_later"},{"slug":"vercel","decision":"review_later"}]本篇只让这两类进入榜单：
approveapprove_with_editsreview_later 不入榜。原因很简单：待复查就是待复查，不要为了页面好看提前推荐。
第一步｜新建 lesson-08 目录
打开项目目录，新建本篇目录：
mkdir -p demo/lesson-08/data demo/lesson-08/scripts demo/lesson-08/prompts demo/lesson-08/sitecd demo/lesson-08如果你跟着我的路径做，就是：
mkdir -p /root/workspace/wechat-articles/tutorials/ai-tool-directory/demo/lesson-08/data \ /root/workspace/wechat-articles/tutorials/ai-tool-directory/demo/lesson-08/scripts \ /root/workspace/wechat-articles/tutorials/ai-tool-directory/demo/lesson-08/prompts \ /root/workspace/wechat-articles/tutorials/ai-tool-directory/demo/lesson-08/sitecd /root/workspace/wechat-articles/tutorials/ai-tool-directory/demo/lesson-08验收点：看到这 4 个目录就算成功。
data/scripts/prompts/site/第二步｜复制第 7 篇审核结果
把上一章的两个文件复制过来：
cp ../lesson-07/data/review-decisions.json data/review-decisions.jsoncp ../lesson-07/data/collected-tools-review.json data/collected-tools-review.json复制后先检查数量：
python3 - <<'PY'import jsonfrom pathlib import Pathdecisions = json.loads(Path('data/review-decisions.json').read_text(encoding='utf-8'))collected = json.loads(Path('data/collected-tools-review.json').read_text(encoding='utf-8'))print('审核决策：', len(decisions))print('采集记录：', len(collected))print('决策类型：', sorted({item['decision'] for item in decisions}))PY我这里的输入是 5 条审核决策、5 条采集记录。决策类型包含：
approveapprove_with_editsreview_later如果你看到的工具数量不同，也没关系；只要两个文件里的 slug 能对上，就可以继续。
第三步｜把提示词复制到 WorkBuddy
新建文件：
prompts/workbuddy-ranking-prompt.md复制下面这段提示词：
你是我的 AI 工具目录站开发助手。请只在当前 lesson-08 目录里工作，目标是把第 7 篇人工审核后的结果做成第一版“榜单和推荐”页面。输入文件：- data/review-decisions.json：人工审核决策，decision 可能是 approve / approve_with_edits / reject / review_later。- data/collected-tools-review.json：采集证据，包含 source_type、http_status、evidence.risk_level、suggested_update 等字段。请生成：1. scripts/generate-rankings.py - 使用 Python 标准库，不引入第三方依赖。 - 只读取 decision 为 approve / approve_with_edits 的工具。 - 生成 data/approved-tools.json、data/ranking-rules.json、data/tool-rankings.json。 - 排名规则必须透明，至少包含：审核决策、来源质量、目录站适配度、可访问性。 - 每个工具都要输出 score_breakdown，不能只给一个黑盒总分。 - 生成 site/rankings.html、site/styles.css、site/app.js。 - 页面必须显示：本期入榜数量、未入榜数量、排名卡片、分数拆解、推荐场景。2. scripts/check-rankings.py - 检查输入文件存在。 - 检查只把 approve / approve_with_edits 的工具放入榜单。 - 检查 review_later / reject 没有进入榜单。 - 检查每条榜单都有 score_breakdown。 - 检查排名按 score 从高到低排序。 - 检查页面文件存在。请写清楚验证命令：python3 scripts/generate-rankings.pypython3 scripts/check-rankings.py这段提示词最重要的不是“页面要漂亮”，而是 3 个边界：
只收录审核通过或修改后通过； 每个分数必须能拆开看； 排名只能叫站内推荐起步规则，不能写成权威评测。
第四步｜设计一个能解释的评分规则
第一版不要做复杂算法，先做一个小白能看懂、也方便你以后调整的规则。
本篇规则是 4 个维度：
注意，这不是工具真实能力排名，也不是市场份额排名。它只是你的目录站第一版排序：透明、保守、可修改。
第五步｜写生成脚本
新建文件：
scripts/generate-rankings.py核心逻辑先从读取两个输入文件开始：
from pathlib import Pathimport jsonROOT = Path(__file__).resolve().parents[1]DATA = ROOT / 'data'DECISIONS = DATA / 'review-decisions.json'COLLECTED = DATA / 'collected-tools-review.json'APPROVED_DECISIONS = {'approve', 'approve_with_edits'}defread_json(path):return json.loads(path.read_text(encoding='utf-8'))decisions = read_json(DECISIONS)collected = {item.get('slug'): item for item in read_json(COLLECTED)}这几行做了两件事：
读取人工审核决策； 把采集证据按 slug建索引，方便后面合并。
然后只保留入榜工具：
approved = []excluded = []for decision in decisions: action = decision.get('decision', 'review_later')if action notin APPROVED_DECISIONS: excluded.append(decision)continue approved.append(decision)验收点：Cursor 和 Vercel 在我的样例里是 review_later，所以这一步不能进入 approved。
第六步｜给每个工具生成 score_breakdown
排名不要只输出一个总分。我们要输出这种结构：
{"name":"Playwright","score":98,"score_breakdown":{"review_decision":40,"source_quality":25,"directory_fit":18,"accessibility":15}}这样做的好处是，下一次你觉得“目录适配”太主观，就可以只改这一项，不用推翻整个页面。
本篇真实生成的前三名是：
这里再次提醒：这只是本地项目的第一版推荐规则，不要在页面里写成绝对排名。
第七步｜生成榜单页面
脚本会生成：
site/rankings.htmlsite/styles.csssite/app.js页面至少要展示：
本期入榜数量； 暂不入榜数量； 每个工具的排名、分类、摘要； 推荐场景； 审核备注； 分数拆解。
本篇文件结构长这样：
你可以直接在浏览器打开：
site/rankings.html如果页面能看到 3 张排名卡片，并且每张卡片下面都有“审核 / 来源 / 适配 / 可访问”这几个分数，就说明页面生成成功。
第八步｜写验证脚本
新建文件：
scripts/check-rankings.py验证脚本至少检查 6 件事：
1. review-decisions.json 存在2. tool-rankings.json 存在3. 只有 approve / approve_with_edits 进入榜单4. review_later / reject 没有进入榜单5. 每条榜单都有 score_breakdown6. rankings.html / styles.css / app.js 都存在检查排序时可以这样写：
scores = [item.get('score', 0) for item in rankings]if scores != sorted(scores, reverse=True):raise SystemExit(f'榜单没有按分数降序排列：{scores}')这行的意思是：页面展示顺序必须和分数顺序一致。否则读者看到的榜单就会乱。
第九步｜运行验证命令
在 lesson-08 目录下运行：
python3 scripts/generate-rankings.py && python3 scripts/check-rankings.py我的真实输出是：
✅ 榜单和推荐页面生成完成输入审核决策：5 条本期入榜：3 条暂不入榜：2 条生成文件：data/approved-tools.json, data/ranking-rules.json, data/tool-rankings.json页面文件：site/rankings.html, site/styles.css, site/app.js排序闸门：只收录 approve / approve_with_edits，review_later 不入榜✅ 榜单和推荐检查通过审核决策：5 条本期入榜：3 条暂不入榜：2 条入榜工具：Playwright、Dify、n8n分数：Playwright=98、Dify=83、n8n=82排序规则：按 score 降序，且每条都有 score_breakdown
看到这几个点，就算通过：
入榜是 3 条； 暂不入榜是 2 条； Cursor、Vercel 没有进入榜单； 分数按 98、83、82 降序排列； 每条都有 score_breakdown。
常见报错和排查
1. 缺少 review-decisions.json
如果看到：
缺少输入文件：data/review-decisions.json先检查你有没有从第 7 篇复制文件：
ls data/review-decisions.json没有的话，执行：
cp ../lesson-07/data/review-decisions.json data/review-decisions.json2. 入榜工具数量不对
如果检查脚本提示“入榜工具不匹配”，通常是你的过滤条件写错了。
检查这行是不是只包含两个状态：
APPROVED_DECISIONS = {'approve', 'approve_with_edits'}不要把 review_later 加进去。
3. 分数顺序不对
如果输出类似“榜单没有按分数降序排列”，检查排序代码：
approved.sort(key=lambda item: (-item['score'], item['name'].lower()))前面的负号表示按分数从高到低排。
4. 页面打开是空白
先看文件是否生成：
ls site/rankings.html site/styles.css site/app.js再检查浏览器控制台。如果 app.js 报 JSON 错误，通常是你手动拼字符串时少了引号或逗号。最稳的方式是用 Python 的 json.dumps(..., ensure_ascii=False) 写入页面数据。
完整代码 / 配置汇总
本篇最重要的 4 个输出文件是：
data/approved-tools.jsondata/ranking-rules.jsondata/tool-rankings.jsonsite/rankings.html其中 ranking-rules.json 是后面最值得保留的文件。它记录了你为什么这么排，而不是只留下一个看不懂的页面。
本篇真实 demo 已保存到：
tutorials/ai-tool-directory/demo/lesson-08/这一篇你学会了什么
这一篇我们没有做复杂推荐算法，而是先做了一个适合小白项目的稳定闭环：
从审核决策里过滤入榜工具； 把待复查工具挡在榜单外； 用 4 个维度生成透明分数； 输出 JSON，方便后续页面、SEO 和运营继续复用； 生成一个本地可打开的第一版榜单页面。
这就是做目录站时很重要的一步：推荐位不是随便摆，最好从第一天就有规则。
下一篇预告
下一篇我们做第 9 篇：
用WorkBuddy做AI工具站09：做SEO页面和站点地图会继续使用本篇的：
data/tool-rankings.jsonsite/rankings.html目标是把榜单、分类、工具详情变成更适合搜索引擎理解的页面结构，并生成第一版站点地图。
资料来源
本系列第 7 篇 demo 输出： review-decisions.json、collected-tools-review.json本篇真实验证命令： python3 scripts/generate-rankings.py && python3 scripts/check-rankings.py
