我让 AI 帮我写公众号,它连发布都包了

最近在折腾 AI Agent,我突发奇想:既然 AI 能帮我写文章,由于什么它不能顺手帮我发出去?

结果证明:它真能。

这篇文章就是想聊聊我是怎么把"写"和"发"打通的,以及这里面的核心——Skill(技能)


啥是 Skill?

先不说虚的。现在的 AI(像 Claude 4.5、Gemini 3 这些)很强,但它们有个毛病:眼高手低

它们像个读过万卷书的实习生,你问什么它都知道,但你让它"把这个文件传到后台去",它就傻眼了——它没手,也不懂具体怎么操作。

Skill 就是给 AI 找回双手,再给它一本操作手册。

技术上别扯什么"模块化封装",其实就两样东西:

  1. SOP(标准作业程序):告诉 AI 先干啥后干啥。
  2. 工具(脚本):给它代码,让它能读文件、发请求。

Tool(工具)只是榔头,Skill(技能)是教它怎么用榔头造房子。

打个比方:AI 是个刚毕业的高材生,Tool 是鼠标键盘,而 Skill 就是即使我也得看两眼的《新媒体运营保姆级教程》。把这三样凑齐了,它才能真的帮你干活。


为什么要搞这个?

因为发公众号真的太烦了

你试试这个流程:在本地写好 Markdown -> 复制到排版工具 -> 发现图裂了 -> 一张张上传图片 -> 搞定排版 -> 复制到微信后台 -> 还是会有格式问题。

这完全是浪费生命。

所以我写了这个 WeChat Article Publisher。现在,我只需要跟我的 AI 说一句:

“把这篇文章发到微信。”

剩下的事它全包圆了:

  1. 自动搬运图片:自己扫描文章里的本地图片,上传到微信服务器,替换链接。
  2. 搞定排版:自动转成微信能用的 HTML,连手机端列表序号消失这种坑都填平了。
  3. 自动摘要封面:自己找图当封面,自己截第一段当摘要。
  4. 直接进草稿箱:你打开后台,文章已经躺在那了。

它是怎么工作的?

逻辑其实特别简单,就是把我们平时的操作变成了代码流:

在这里插入图片描述

看图说话,这就是 Agent 的"脑回路":

  1. 左边是发令:你一声令下"发微信",Agent 马上反应过来:“噢,这活归 wechat-publisher 管”。
  2. 中间是流水线:技能模块开始自动运转——先把本地图片传到云端,再把文章"洗剪吹"(排版美化),最后打包塞进手机预览框。
  3. 下面是交差:活干完了,直接把成果(MediaID)甩回给你。

这就是 Agent 最好玩的地方:不用我自己死记硬背那些 API 参数了。 我把方法教会给 AI,以后这就成了它的一项本能。


源码都在这

代码我都放 GitHub 了,想让你的 AI 替你打工的,直接拿去用:

👉 https://github.com/aximof/wechat_artical_publisher_skill

觉得好用就给个 Star,纯属用爱发电,听个响也好。


随便聊聊

这篇文章本身,就是我写完代码后,用这个 Skill 一键推送上来的。

别光把 AI 当聊天机器人用,试着当它的"师傅"。写个 Skill,把你的经验传给它,让它真正成为你的分身。

行了,我去发文章了。😉

Read more

在 VSCode 中本地运行 DeepSeek,打造强大的私人 AI

在 VSCode 中本地运行 DeepSeek,打造强大的私人 AI

本文将分步向您展示如何在本地安装和运行 DeepSeek、使用 CodeGPT 对其进行配置以及开始利用 AI 来增强您的软件开发工作流程,所有这些都无需依赖基于云的服务。  步骤 1:在 VSCode 中安装 Ollama 和 CodeGPT         要在本地运行 DeepSeek,我们首先需要安装Ollama,它允许我们在我们的机器上运行 LLM,以及CodeGPT,它是集成这些模型以提供编码辅助的 VSCode 扩展。 安装 Ollama Ollama 是一个轻量级平台,可以轻松运行本地 LLM。 下载Ollama 访问官方网站:https://ollama.com * 下载适合您的操作系统(Windows、macOS 或 Linux)的安装程序。 * 验证安装 安装后,打开终端并运行: ollama --version  如果 Ollama 安装正确,

By Ne0inhk
DeepSeek-R1是真码农福音?我们问了100位开发者……

DeepSeek-R1是真码农福音?我们问了100位开发者……

从GitHub Copilot到DeepSeek-R1,AI编程工具正在引发一场"效率革命",开发者们对这些工具的期待与质疑并存。据Gartner预测,到2028年,将有75%的企业软件工程师使用AI代码助手。 眼看着今年国产选手DeepSeek-R1凭借“深度思考”能力杀入战场,它究竟是真码农福音还是需要打补丁的"潜力股"? ZEEKLOG问卷调研了社区内来自全栈开发、算法工程师、数据工程师、前端、后端等多个技术方向的100位开发者(截止到2月25日),聚焦DeepSeek-R1的代码生成效果、编写效率、语法支持、IDE集成、复杂代码处理等多个维度,一探DeepSeek-R1的开发提效能力。 代码生成效果:有成效但仍需提升 * 代码匹配比例差强人意 在代码生成与实际需求的匹配方面,大部分开发者(58人)遇到生成代码与实际需求完全匹配无需修改的比例在40%-70%区间,12人遇到代码匹配比例在70%-100%这样较高的区间。 然而,有30人代码匹配比例低于40%。这说明DeepSeek-R1在代码生成方面有一定效果,但在部分复杂或特定场景下,仍有很大的提升空间。

By Ne0inhk
AI+游戏开发:如何用 DeepSeek 打造高性能贪吃蛇游戏

AI+游戏开发:如何用 DeepSeek 打造高性能贪吃蛇游戏

文章目录 * 一、技术选型与准备 * 1.1 传统开发 vs AI生成 * 1.2 环境搭建与工具选择 * 1.3 DeepSeek API 初步体验 * 二、贪吃蛇游戏基础实现 * 2.1 游戏结构设计 * 2.2 初始化游戏 * 2.3 DeepSeek 生成核心逻辑 * 三、游戏功能扩展 * 3.1 多人联机模式 * 3.2 游戏难度动态调整 * 3.3 游戏本地保存与回放 * 3.4 跨平台移植 * 《Vue.js项目开发全程实录/软件项目开发全程实录》 * 编辑推荐 * 内容简介 * 作者简介 * 目录 一、

By Ne0inhk
[DeepSeek] 入门详细指南(上)

[DeepSeek] 入门详细指南(上)

前言 今天的是 zty 写DeepSeek的第1篇文章,这个系列我也不知道能更多久,大约是一周一更吧,然后跟C++的知识详解换着更。 来冲个100赞兄弟们 最近啊,浙江出现了一匹AI界的黑马——DeepSeek。这个名字可能对很多人来说还比较陌生,但它已经在全球范围内引发了巨大的关注,甚至让一些科技巨头感到了压力。简单来说这 DeepSeek足以改变世界格局                                                   先   赞   后   看    养   成   习   惯  众所周知,一篇文章需要一个头图                                                   先   赞   后   看    养   成   习   惯   上面那行字怎么读呢,让大家来跟我一起读一遍吧,先~赞~后~看~养~成~习~惯~ 想要 DeepSeek从入门到精通.pdf 文件的加这个企鹅群:953793685(

By Ne0inhk