Skill Publish Log

发布记录管理

记录、查询、统计每次社媒内容发布的信息，作为复盘和归因的数据底座。

数据层定位

本 SKILL 是归因链的发布事件底座，唯一权威存储 outputs/_analytics/publish-log.json（每次发布的平台 / 标题 / 链接 / 时间 / 初始数据 / 标签 / 来源 SKILL）。

• 只存发布事件，不存粉丝时序 — 粉丝数、互动量的时间序列快照由 skill-data-tracker 维护（outputs/_analytics/snapshots/）。本底座不重复记录粉丝时序，避免同一事实两处存储。
• 消费方（读，不回写） — skill-publish-analytics（时段 / 标签 / 类型 / 增长归因）与 skill-social-performance-review（月度复盘）读取本底座做归因。

输入

用户 prompt 中提供以下信息之一：

记录模式（写入）

• 必填：平台、标题（或内容摘要）
• 可选：链接、发布时间（默认当前时间）、内容类型（图文/视频/直播）、初始数据（阅读/点赞/评论/转发）、关联 SKILL（由哪个 SKILL 产出）、备注

查询模式（读取）

• 按时间范围查询："这个月发了什么""最近一周"
• 按平台筛选："小红书上发了哪些"
• 按关键词搜索："关于 AI 的发布记录"
• 查看最近一条："上次发了什么"

统计模式（汇总）

• 按时间统计："这个月发了多少条"
• 按平台统计："各平台发布数量"
• 数据汇总："总互动量排行"

输出

记录模式

确认写入成功，返回记录摘要：

Copy code
已记录发布：
- 平台：小红书
- 标题：《5 个被低估的 AI 工具》
- 时间：2026-07-22 14:30
- 链接：https://...
- 记录编号：#042

查询模式

返回匹配的记录列表（表格形式）：

markdownCopy code
| # | 日期 | 平台 | 标题 | 链接 | 类型 |
|---|------|------|------|------|------|
| 042 | 07-22 | 小红书 | 5 个被低估的 AI 工具 | [链接] | 图文 |
| 041 | 07-20 | 抖音 | AI 剪辑实操 | [链接] | 视频 |

统计模式

返回结构化的统计信息：

markdownCopy code
## 本月发布统计（2026-07）

- 总发布数：12 条
- 按平台：小红书 5 | 抖音 4 | B站 2 | 微博 1
- 按类型：图文 7 | 视频 4 | 直播 1
- 总互动量：点赞 2,340 | 评论 189 | 转发 67

存储格式

数据存储在 outputs/_analytics/publish-log.json，结构如下：

jsonCopy code
{
  "version": "1.0",
  "entries": [
    {
      "id": 42,
      "platform": "小红书",
      "title": "5 个被低估的 AI 工具",
      "url": "https://...",
      "type": "图文",
      "published_at": "2026-07-22T14:30:00+08:00",
      "logged_at": "2026-07-22T14:35:00+08:00",
      "initial_metrics": {
        "views": null,
        "likes": null,
        "comments": null,
        "shares": null
      },
      "skill_source": "skill-card-xiaohongshu",
      "profile": "my-xhs-account",
      "tags": ["AI", "工具推荐"],
      "notes": ""
    }
  ]
}

字段说明：

• id：自增编号
• platform：发布平台
• title：内容标题或摘要
• url：发布链接（可为空）
• type：内容类型（图文/视频/直播/文章）
• published_at：实际发布时间
• logged_at：记录写入时间
• initial_metrics：发布时的初始数据（可部分为空）
• skill_source：产出该内容的 SKILL（可为空）
• profile：关联的账号 Profile（可为空）
• tags：内容标签
• notes：备注

执行步骤

读写、id 自增、过滤、聚合全部由 scripts/log.py 确定性完成（原子写、除零安全）。 LLM 只负责解析用户意图 → 组织参数 → 解读脚本返回的 JSON → 生成用户可读输出。 不要手动改 JSON、不要心算统计。

1. 判断操作模式：根据用户 prompt 识别是记录、查询还是统计
2. 信息不足时追问：记录模式下至少需要平台和标题，缺少时提示补充
3. 调用脚本（数据文件不存在时脚本自动初始化空结构）：

bashCopy code
# 记录（id 自增，原子写回 outputs/_analytics/publish-log.json）
python3 skills/openclaw/skill-publish-log/scripts/log.py record --platform 小红书 --title "标题" \
  --type 图文 --url "https://..." --views 1000 --likes 120 \
  --comments 30 --shares 10 --tags "AI,工具推荐" [--published-at ISO时间] \
  [--skill-source skill-xxx] [--profile 画像名] [--notes 备注]

# 查询（按平台/时间/关键词/画像过滤，--latest 取最近一条）
python3 skills/openclaw/skill-publish-log/scripts/log.py query --platform 小红书 --since 2026-07-01 \
  [--until 2026-07-31] [--keyword AI] [--profile 画像名] [--latest] [--limit N]

# 统计（按 platform/type/month 聚合数量 + 互动总量 + 平均综合分）
python3 skills/openclaw/skill-publish-log/scripts/log.py stat --by platform --since 2026-07-01

4. 解读结果：把 JSON 转成 SKILL.md「输出」节的表格/摘要格式呈现给用户； 脚本返回的 warning 字段（样本不足）如非空须原样传达。

Profile 感知

有 Profile 时

• 读取 platforms.md 自动填充 platform 字段（从主平台推断）
• 读取 identity.md 获取账号名称，自动关联 profile 字段
• 统计时可按 Profile（账号）维度汇总
• 查询时默认只显示当前 Profile 的记录

无 Profile 时

• platform 必须由用户明确指定
• profile 字段留空
• 统计和查询覆盖所有记录，不做账号过滤
• 附注："如提供账号 Profile，可自动关联平台并按账号分组统计"

自研溯源与参考项目见同目录 EASEL-META.md。