name: 法律公眾號週報 description: "法律人公眾號助手（週報模式）。當用戶提到「關注公眾號 / 公眾號監測 / 公眾號有什麼新文章 / 公眾號簡報 / 公眾號週報 / 推薦公眾號 / 該關注哪些法律公眾號 / 對標賬號 / 看看同行在發什麼 / 公眾號選題 / 新增公眾號 / 我想看XX號 / 收藏公眾號」時觸發。五大能力：按執業方向推薦值得關注的法律公眾號、每週從 212 個關注號中篩選實務文章並評分分層生成周報（支援每週一自動推送）、分析對標賬號近期內容給出選題啟發、手動新增自己喜歡的公眾號到關注清單、根據使用者反饋自動迭代最佳化。支援律師/法官/檢察官/法務四種身份，高價值文章自動入庫 IMA 知識庫。每日追蹤用「幫我看看公眾號有什麼新文章」手動跑。" agent_created: true version: 4.1.1

法律公眾號週報（週報模式）

概述

幫法律人解決五件事：該關注哪些號（推薦）、關注的號發了什麼（監測+週報）、同行在怎麼做內容（對標分析）、隨手收藏喜歡的號（自定義新增）、越看越準（自動迭代）。資料獲取走 WebSearch，零配置開箱即用。

核心交付：每週一 08:00 自動掃描關注號近 7 天的新文章，按實務價值評分分層，生成淺色週報，高價值文章自動入庫 IMA 知識庫。

直譯器：優先用 /Users/zouhao/.workbuddy/binaries/python/envs/default/bin/python；指令碼僅標準庫，python3 ≥ 3.8 即可。

鐵律

身份系統

支援四種法律職業身份，影響推薦賬號、內容篩選和評分分層：

身份在首次部署時選擇，可隨時用 mpwatch.py profile --identity <身份> 修改。

評分演算法（五維評分 + 多樣性約束 + 篇數可選）

每週從 212 個號中搜到的候選可能超過 150 篇，使用者可選 20 篇（輕量版）或 40 篇（完整版）。演算法分三步：評分 → 排序 → 截斷。

篇數選擇

使用者在首次部署時選擇，也可隨時用 mpwatch.py profile --limit 20 或 --limit 40 切換。

第一步：五維評分（每篇文章 1-17 分）

總分 = 五維之和（1-17 分）

popularity_proxy 說明：WebSearch 拿不到真實閱讀量，用以下代理指標估算：同一文章在多個搜尋結果中出現（+2）、來源是 10 萬+ 大號（+1）、被其他媒體轉載（+1）。這些訊號疊加，模擬「這篇文章正在被傳播」的效果。

第二步：排序 + 多樣性約束

按總分降序排列後，應用以下約束防止「一個號霸屏」：

• 單賬號上限：同一公眾號最多入選 2 篇
• 單分類上限：同一執業方向最多入選 4 篇
• 必須覆蓋：至少覆蓋 3 個不同執業方向（如果候選足夠）

第三步：截斷 + 分檔

輕量版（20 篇）：

完整版（40 篇）：

篇數不足時按實際數量出，不注水。

評分原則

• 每條入選文章必須有 1-2 句評分理由（為什麼值得看）
• 評分理由中註明關鍵維度得分（如「source=5, content=4, 執業匹配=3」）
• 執業方向匹配的加 +1 檔（如使用者做建工，建工相關文章自動升級）
• 身份匹配的加 +1 檔（如使用者是法官，學術理論文章自動升級）
• 時間超過 7 天的 freshness=1，最多 📄
• 無法確認出處的 source=1，最多 📄
• 反饋加權：歷史 👍 多的來源 popularity_proxy+1，👎 多的 -1

工作流一：週報生成（核心）

觸發語：「生成本週公眾號週報」「公眾號週報」「看看最近有什麼實務文章」。

讀清單 → 逐賬號 WebSearch（近 7 天）→ 內容篩選 → 評分分層 → dedupe → render → IMA 入庫 → 交付 → 收集反饋

1. 執行 scripts/mpwatch.py list --json 取 active 賬號；檔案不存在先 init。執業方向用 profile 讀取，影響評分加成。
2. 逐賬號 WebSearch，查詢詞模式："<賬號名>" 公眾號 + 時間詞（如「近一週」「2026年7月」）。每個賬號找近 7 天文章，搜不到就記「未發現」，不編造。
3. 內容篩選：只收錄與法律實務/法律適用直接相關的文章。符合以下任意一條即納入：
4. ✅ 典型案例/類案分析、裁判規則/裁判觀點解讀
5. ✅ 新法新規/司法解釋的條文解讀與適用指引
6. ✅ 實務技能/辦案方法論（舉證、庭審、談判、文書等）
7. ✅ 行業資料/司法統計/法律科技工具評測
8. ✅ 法律風險提示/合規指南（面向企業/當事人視角） 以下內容一律剔除：
9. ❌ 領導調研/視察/講話、黨建活動、政治學習
10. ❌ 法院/檢察院內部行政動態（如人事任免、表彰、運動會）
11. ❌ 純時政新聞（如防汛救災、會議通稿）——除非其中包含可直接引用的法律適用觀點
12. ❌ 普法短文/宣傳稿（無實務參考價值的口水文章）
13. 五維評分：對每篇入選文章按五維演算法打分（source_authority/content_type/practice_match/freshness/popularity_proxy），寫 1-2 句評分理由並註明關鍵維度得分。執業方向匹配的升一檔，身份匹配的升一檔。
14. 排序截斷：按總分降序排列，應用多樣性約束（單賬號≤2篇，單分類≤4篇，覆蓋≥3個方向），按 profile 中的 weekly_limit 截斷（20 或 40 篇）。按總分分檔：13-17=⭐, 8-12=📌, 5-7=📄, <5=淘汰。
15. 候選寫 NDJSON 到臨時檔案，每行：{"account","title","url","date","summary","score","score_reason"}，account/title 必填，score 為 1-3（3=⭐, 2=📌, 1=📄）。
16. 去重：scripts/mpwatch.py dedupe --input <候選檔案> > /tmp/new.jsonl。
17. 渲染：scripts/mpwatch.py render --input /tmp/new.jsonl --out <輸出.md>。新增為 0 也照常渲染（寫「本期無新增」）。
18. HTML：用 Python 指令碼生成淺色週報 HTML（#f8f7f5 背景，評分分欄，⭐ 在最前），儲存到工作區 公眾號週報-<日期>.html。
19. IMA 入庫：⭐ 和 📌 文章自動推送到 IMA 知識庫（走 references/ima-integration.md 配置，未配置時跳過並說明）。
20. 用 present_files 交付；並在回覆裡附各賬號覆蓋情況 + 評分分佈統計 + IMA 入庫條數。
21. 收集反饋：週報交付後，問使用者「這期週報怎麼樣？哪些文章對你有用？」，記錄到 state/feedback.json。

工作流〇：首次部署（初始化全流程）

觸發語：「幫我做公眾號監測」「設定公眾號監控」「首次部署」「我想用這個技能怎麼做」。 當用戶首次使用本技能、或關注清單為空、或執業方向未設定時，執行此流程。

首次引導（自然對話式，不要機械問）

你是使用者的法律同行，幫 ta 把這件事聊明白。分四步走，每步都附帶預設建議，使用者可以隨時說「就這樣」「都行」跳過。

第一步：搞清楚身份

「先確認一下，您是做什麼的？

① 律師 —— 辦案為主，需要實務參考和技能提升 ② 法官 —— 審判為主，需要類案參考和裁判統一 ③ 檢察官 —— 公訴為主，需要刑事案例和檢察政策 ④ 法務 —— 企業合規，需要風險防控和合同審查」

用 mpwatch.py profile --identity <身份> 寫入。身份影響後續推薦和評分。

第二步：搞清楚執業方向

「您主要關注哪幾個領域？可以多選——公司商事、公司法務、銀行金融、建工房產、刑事、勞動、執行、知產、婚姻家事、行政法都行。不確定的也可以說『不區分』，我全推薦。」

對應的 8 個方向來自 references/account-directory.md。用 mpwatch.py profile --areas "方向1,方向2,..." 寫入。

第三步：搞清楚想看什麼

「您主要想通過這份週報解決什麼問題？比如：

① 跟判決 —— 關注最高法院/省高院的典型案例、裁判規則變化，辦案時直接引用 ② 學技能 —— 實務操作、舉證技巧、文書模板、辦案方法論 ③ 追新規 —— 新法新司法解釋一出來就能看到解讀 ④ 都要 —— 不挑，實務相關的全收」

這個偏好會體現在後續評分分層上。選 ① 時最高法/省高院案例自動升 ⭐；選 ② 時實務技能文章優先 📌；選 ③ 時新法解讀自動 ⭐。

第四步：搞清楚看多少

「每週看多少篇文章合適？

① 20 篇輕量版（推薦）—— 每週一 10 分鐘看完，只看最重要的 ② 40 篇完整版 —— 想全面瞭解一週動態，不怕多」

用 mpwatch.py profile --limit 20 或 --limit 40 寫入。使用者可隨時切換。

第五步：搞清楚怎麼看

「週報怎麼看方便？

① 每週自動出（推薦）—— 每週一 08:00 自動掃描，生成 HTML 週報，開啟 WorkBuddy 就能看 ② 想看才跑 —— 不自動跑，您說『幫我看看最近有什麼』時才跑 ③ 先試一次 —— 什麼配置都不做，先跑一次看看效果再決定」

根據使用者選擇： - 選 ① → 建立每週一 08:00 的自動化（走 references/push-setup.md），告訴使用者「下週一 08:00 會出第一份」 - 選 ② → 不建立自動化，告訴使用者「隨時說『跑一次公眾號週報』即可」 - 選 ③ → 立即進入工作流一跑一次，跑完再回來問要不要定時

第六步：推薦賬號 + 執行

把前四步的答案串成一句簡短小結說給使用者聽（「好的，您是律師，做建工+刑事，想看新規和案例，每週一自動出。我來幫您配」），然後：

1. mpwatch.py init（如清單不存在）。
2. 按所選的執業方向+身份，從 references/account-directory.md 推薦賬號。分方向展示，每方向 10-15 個，附一句話理由，標註 ★ 等級（5★=必關注，4★=推薦，3★=可選）。不丟擲 99 個號的資訊風暴，只在使用者說明「全加」時才批次加。
3. 給簡潔選擇：「全加 / 分方向挑 / 我自己選」。確認後 mpwatch.py add 逐個寫入。
4. 補通用礎石：若清單中缺失（最高法、最高檢、本地省高院、人民法院報、法律讀庫、無訟），自動補入。

首次部署的反面教材（不要這樣做）

• ❌ 一口氣列出 99 個號讓使用者選
• ❌ 問完執業方向直接跳到推送配置，跳過「想看什麼」和「怎麼看」

  小蔥技能7w4.net有完整的技能分類。

• ❌ 假設使用者知道 HTML 推送是什麼
• ❌ 用技術命令嚇使用者（先說人話，操作放後面）
• ❌ 每個問題都必須是單選對錯——允許「都行」「你推薦」「先試試」

工作流二：推薦值得關注的公眾號

觸發語：「推薦公眾號」「我該關注哪些號」「XX 方向有什麼好的公眾號」。

1. 讀執業方向：scripts/mpwatch.py profile；未設定先走工作流〇。
2. 按 references/account-directory.md 對應領域挑賬號，逐條給一句話理由；先 WebSearch 核實賬號活躍再推薦。
3. 使用者確認後 scripts/mpwatch.py add <name> --category <分類> --tags <標籤> 逐個寫入。

工作流三：對標賬號內容分析

觸發語：「分析對標賬號」「看看 XX 號最近在發什麼」「幫我找選題」。

按 references/benchmark-framework.md 執行：取樣近期文章 → 四維分析（更新節奏/選題分佈/標題套路/爆款特徵）→ 輸出 3-5 個可直接用的選題建議。只給有把握的建議，不編造閱讀資料，不照抄標題。

工作流四：手動新增喜歡的公眾號（自定義收藏）

觸發語：「關注 XX 公眾號」「把 XX 號加到監測」「新增 XX 到我的列表」「收藏這個公眾號」「我想看 XX 號的文章」。

這是使用者隨時可以使用的快捷入口——不需要經過推薦/部署流程，直接把自己喜歡的號塞進去。

流程

1. 確認賬號名：使用者提供公眾號名稱（如「天同訴訟圈」「高杉LEGAL」）。名稱若不完整，請使用者確認全稱。
2. 可選核實：用 WebSearch 搜一次確認該公眾號當前活躍、確實存在（搜尋詞："<賬號名>" 公眾號）。不存在或不活躍的如實告知使用者、讓使用者核對全稱。
3. 確定分類：根據公眾號內容自動歸類。參考分類取值：法院 / 檢察 / 律協 / 學術 / 法律媒體 / 實務自媒體 / 對標賬號 / 其他。有疑問時問使用者，不猜。
4. 寫入清單：scripts/mpwatch.py add "<賬號名>" --category "<分類>" --tags "<標籤1,標籤2>"。
5. tags 根據內容特點加（如「建工」「勞動法」「案例」「行業」等），幫助分類展示。
6. 新增成功後告訴使用者：「已加入關注清單，共 N 個號」。
7. 防重：新增前指令碼自帶重名校驗，同名賬號不會重複新增，直接告訴使用者「已在清單中」。

示例對話

使用者：關注「法客帝國」公眾號

→ WebSearch 確認活躍 → 分類「實務自媒體」、標籤「公司商事,案例,裁判規則」→ add → 回覆：「已加入關注清單（共 130 個號）。下次跑週報時會包含它的文章。」

工作流五：自動迭代（越看越準）

觸發語：「迭代」「最佳化週報」「讓週報更準」「看看哪些號該刪了」。

每次週報生成後自動執行，也可手動觸發。

反饋收集

週報交付後，主動問使用者：

「這期週報怎麼樣？ - 哪些文章對你有用？（👍） - 哪些覺得沒必要？（👎） - 有沒有漏掉什麼重要內容？」

記錄到 state/feedback.json（每條：日期、文章標題、評分、使用者反饋 👍/👎/漏掉）。

評分自適應

基於反饋資料自動調整後續評分：

• 來源加權：某賬號的文章連續 3 次 👍 → 該賬號後續文章自動 +1 檔
• 來源降權：某賬號的文章連續 3 次 👎 → 該賬號後續文章自動 -1 檔（或標記「建議移除」）
• 型別偏好：使用者對某類內容（如裁判規則 vs 學術理論）的 👍 率明顯高 → 該類內容自動 +1 檔
• 頻率控制：使用者對週報頻率的反饋（太多/太少）→ 建議調整自動化頻率

賬號健康檢查

每週自動檢查：

• 連續 4 周無產出 → 標記「疑似停更」，建議使用者移除
• 連續 4 周無實務文章 → 標記「內容不符」，建議使用者移除
• 連續 4 周 👍 率 > 80% → 標記「高質量」，推薦使用者關注該賬號的其他平臺

定期回顧

每月第一週週報自動附帶「月度回顧」：

• 本月共收錄 N 篇文章，⭐ X 篇 / 📌 Y 篇 / 📄 Z 篇
• 最有價值的 5 個賬號（按 👍 率排序）
• 建議移除的 3 個賬號（連續無產出或無實務內容）
• 建議新增的 3 個賬號（基於高 👍 文章的來源推薦）

關注清單管理

分類建議取值：法院 / 檢察 / 律協 / 學術 / 法律媒體 / 實務自媒體 / 對標賬號 / 其他（渲染簡報時按此順序分欄）。

定時自動推送

使用者要「每週自動推送」時，按 references/push-setup.md 配置。

推送方式三選一（按優先順序詢問使用者）： 1. WorkBuddy HTML 推送（推薦）：每次生成帶排版的 HTML 週報，通過 present_files 在 WorkBuddy 對話中直接預覽，使用者開啟 WorkBuddy 即可檢視。 2. 郵件推送：週報渲染為 HTML 郵件傳送到指定郵箱（需配置 SMTP）。 3. 桌面檔案：週報存 ~/Desktop/legal-mp-daily/，使用者自己開啟看。

預設每週一 08:00 執行。已配置的自動化不要重複建立；先 automation_update mode=list 查重。

免費使用與版權保護

本技能完全免費，全部功能開箱即用，無需啟用碼、不繫結裝置，可自由複製安裝到任何 WorkBuddy 環境。

防修改保護： 核心指令碼內建完整性校驗（EXPECTED_HASH），程式碼被篡改後啟動即鎖死拒絕執行，提示從官方渠道獲取原版。

版本與更新： 執行 scripts/mpwatch.py version 檢視當前版本；scripts/mpwatch.py update --check 檢視更新方式。新版本由作者釋出，使用者下載後覆蓋安裝（保留 assets/accounts.json 和 state/ 目錄即可保留個人資料）。

版權宣告： 本技能受《中華人民共和國著作權法》保護。允許免費使用與轉發原版分發包；未經許可不得修改後二次分發或用於商業用途。

數字指紋： 分發包內含隱形數字水印與金絲雀資料。任何未經許可的複製、蒸餾（抽取賬號清單/評分體系二次開發）、二次分發均可被技術溯源，並作為著作權維權證據。賬號清單的遴選、分類、標註構成《著作權法》第十五條保護的彙編作品。

已知限制

• WebSearch 覆蓋不全：無法保證每個公眾號每次都能搜到全部新文章。部分公眾號（尤其是新號、小號）可能搜尋結果較少或缺失。這是技術限制，不是賬號問題。
• 無即時性：WebSearch 結果有索引延遲，通常滯後 6-24 小時。不適合「剛發的文章立刻看」場景。
• 評分依賴主觀判斷：五維評分由 AI 基於標題+摘要判斷，無法像 k-NN 那樣量化。評分理由（含各維度得分）是為了讓判斷可解釋，但仍有主觀成分。
• 閱讀量不可得：WebSearch 拿不到文章真實閱讀量。popularity_proxy 用「多平臺轉載/大號首發/被引用」等訊號模擬，不等於真實閱讀數。
• 20/40 篇硬上限：每週只推 20 或 40 篇，可能遺漏一些質量不錯但排名靠後的文章。如需更多可隨時手動跑「幫我看看公眾號有什麼新文章」獲取全量。
• 反饋資料稀疏：自動迭代依賴使用者反饋，反饋越少迭代越慢。建議每週至少給 1-2 條反饋。
• IMA 需要單獨配置：IMA 知識庫整合需要使用者提供 API 憑證，未配置時自動跳過。
• 無法閱讀原文：WebSearch 返回的摘要是搜尋引擎的摘要，不是全文。如需閱讀原文請點選連結跳轉。
• 完整性校驗可被繞過：EXPECTED_HASH 校驗是本地校驗，技術上可被懂程式碼的人繞過。這是「防君子不防小人」的設計，目的是防止篡改版冒充原版流通，而非絕對阻止破解。

安全與隱私

• 無外部憑證：本技能不需要任何 API key / OAuth token / cookie。純 WebSearch 驅動。
• 無敏感資料：不讀取通訊錄、不訪問微信客戶端、不儲存任何使用者私密資訊。
• 本地執行：mpwatch.py 僅標準庫，只在技能目錄內讀寫 assets/ 和 state/，無網路請求。
• IMA 憑證：如使用者配置 IMA，憑證僅本地儲存，不傳送到任何伺服器。
• 反饋資料：使用者反饋僅儲存在本地 state/feedback.json，不傳送到任何伺服器。

Rationalizations

1. 為什麼選 WebSearch 而非爬蟲：微信無公開 API，爬蟲有法律風險和封號風險。WebSearch 是合法合規的替代方案，雖然覆蓋不全但可持續。
2. 為什麼單檔案指令碼：降低維護成本，使用者不需要理解多檔案架構。純標準庫，零依賴，python3 ≥ 3.8 即可。
3. 為什麼用評分分層而非 k-NN：k-NN 需要訓練集，對 212 個號的泛化能力有限。評分分層用「評分理由」讓 AI 的判斷可解釋，且不需要維護訓練資料。
4. 為什麼淺色模板：與法律週報（#f8f7f5）保持視覺一致性，降低使用者在兩個技能間切換的認知成本。
5. 為什麼預設週報而非日報：法律人的時間碎片化，每天看 20+ 篇文章不現實。週報模式（每週一集中看）更符合實際工作節奏。
6. 為什麼加身份系統：不同法律職業的資訊需求差異很大。律師需要辦案參考，法官需要類案統一，檢察官需要公訴技能，法務需要合規管理。身份讓推薦和評分更精準。
7. 為什麼加自動迭代：靜態的評分規則會隨著時間失效（賬號停更、內容質量下降、使用者興趣變化）。自動迭代讓系統「越看越準」，不需要使用者手動維護。

指令碼參考

scripts/mpwatch.py（純標準庫，無網路，只寫技能目錄內 JSON 與 --out 指定檔案）：

• init / list / add / remove / profile / stats — 清單與配置
• dedupe --input <NDJSON> — 與 state/seen.json 比對去重，stdout 輸出新增條目並標記已見
• render --input <NDJSON> [--out 檔案] [--date 日期] — 按分類分欄渲染 Markdown 簡報
• feedback [--list] [--add <標題> --account <來源公眾號> --rating 👍/👎] [--stats] — 使用者反饋管理（自動迭代；--account 讓 --stats 能按來源統計）
• version — 顯示當前版本
• update --check — 檢視版本與更新方式
• selftest — 隔離環境全鏈路自測；每次改指令碼後必跑

scripts/render_html.py（獨立指令碼，不是 mpwatch.py 的子命令）：

• python3 scripts/render_html.py --input <NDJSON> --out <HTML> [--date 日期] [--identity 律師] — 渲染淺色週報 HTML（評分分欄 ⭐/📌/📄）

打包結構

法律公眾號週報/
├── SKILL.md                         ← 本檔案
├── VERSION                          ← 版本號（與 frontmatter version 一致）
├── scripts/mpwatch.py               ← 清單管理 + 去重 + 渲染 + 反饋（單檔案）
├── scripts/render_html.py           ← 淺色週報 HTML 渲染（評分分欄，獨立指令碼）
├── assets/accounts.json             ← 關注清單 + 執業方向（init 生成，指令碼維護）
├── state/seen.json                  ← 已見文章庫（去重用，自動生成）
├── state/feedback.json              ← 使用者反饋庫（自動迭代用，自動生成）
└── references/
    ├── account-directory.md         ← 分執業方向的推薦目錄
    ├── benchmark-framework.md       ← 對標分析框架
    ├── push-setup.md                ← 定時推送配置指南
    ├── ima-integration.md           ← IMA 知識庫整合指南
    └── update-guide.md              ← 版本更新指南

這個 Skill 質量不錯，專門幫法律人追蹤公眾號週報內容。五維評分把文章分出必看、值得看、掃一眼三個層次，匹配身份和執業方向推薦更精準，生成的週報排版簡潔專業。首次使用有引導流程，遇到問題還有降級兜底，體驗比較友好。不足之處在於依賴微信搜尋獲取資料，搜尋結果不穩定時週報可能漏掉重要文章。IMA 知識庫功能需要額外配置才能用，對新手有一定門檻。