imtangyujing Jay Writer Plus — 写作工作流总控
这是 Jay 写作系统的入口。每次写稿，先看这份文件，它告诉你这一篇走哪条路、每个节点调哪个 skill、你这个人在哪一步介入。
设计这套系统的所有底层判断，记在
决策记录-decisions.md。开新对话只需要贴那一个文件，不用再贴聊天记录。
子流程索引
根据稿件类型和用户当前阶段，路由到对应子 skill：
- 选题发散：
skills/topic-selection/SKILL.md - 普通长文：
../../jay-writer/SKILL.md - 技术解读：
skills/tech-blog-writer/SKILL.md - 商稿正文：
skills/commercial-article/SKILL.md - 商稿提纲：
skills/commercial-outline/SKILL.md - 招股书解读：
skills/prospectus-decoder/SKILL.md - 标题生成：
skills/qbitai-title-generator/SKILL.md - 发表前冷读：
skills/cold-reader/SKILL.md - 发表后迭代：
skills/skill-editor/SKILL.md
一句话原则
漏斗逻辑：AI 把素材铺到最厚 → 你把角度收到最准 → AI 对着契约执行 → 独立冷读把关。每个节点交给更擅长它的一方。
这不是把人移出 loop，是把人放到唯一一个 LLM 自对弈还补不上的节点：发散端的角度取舍。
主流程（默认路径）
素材进来
│
▼
〔你的一秒元判断〕这篇的点，明不明？
│
├── 明（一眼新闻、心里已有角度）──────────────┐
│ │
└── 不明（素材厚 / 角度不清 / 自己也没想清） │
│ │
▼ │
① 宽搜索铺素材 topic-selection（AI 主导） │
│ 产出带信源的素材地图，标红待查的少数 │
▼ │
② 你精读 人，只看标红的 5% │
│ │
▼ │
③ 选题会发散 topic-selection（AI 主导） │
│ 抛 3 个互相拉开的角度提纲 │
▼ │
④ 你取舍 人，砍，说理由 → 锁契约 │
│ │
▼ │
⑤【契约】angle + 骨架 + 边界 + 赌的 HKR ◄───────┘
│
▼
⑥ 写作 henry-writer / tech-blog-writer / commercial-article
│ （对着契约执行，按文章类型选 skill）
▼
⑦ 起标题 qbitai-title-generator
│
▼
⑧ 冷读 cold-reader v2.0（独立空白上下文，加权）
│
▼
⑨ 改 → 终稿
│
▼
⑩ 你微调 → 发表
│
▼
⑪ 数据 articles.csv（打开率/完读率/分享率/评论）
│
▼
⑫ 校准 反复出现的信号 → skill-editor 改 criteria
（写作标准回 henry-writer，选题标准回 topic-selection）
「明」这条捷径直接跳到 ⑤：你心里已有角度时，自己写一句话契约（或直接口述给写作 skill），跳过①到④，省掉选题会这层负担。走不走选题会，是你一秒钟的元判断，只有你能做——它依赖你对读者、对公司定位、对自己心里有没有现成角度的体感。
节点 × skill × 谁动手
| 节点 | skill | 主导方 | 这一步在做什么 |
|---|---|---|---|
| ① 宽搜索铺素材 | topic-selection | AI | 扩展搜索边界，把你不会去找的信源/相邻事实/可当主体的人铺到桌上，产出带信源素材地图 |
| ② 精读 | — | 人 | 只读 AI 标红的待查项，省掉全文复核 |
| ③ 角度发散 | topic-selection | AI | 抛 3 个互相足够远的角度提纲（安全/主流/冒险） |
| ④ 取舍锁契约 | topic-selection | 人 | 砍角度，说理由（理由喂回选题判断的校准） |
| ⑥ 写作 | henry-writer ‖ tech-blog-writer ‖ commercial-article ‖ prospectus-decoder | AI | 对着契约出稿，按类型选 skill |
| ⑦ 标题 | qbitai-title-generator | AI + 人 | 出多个候选，HKR 评估，你（或领导）定 |
| ⑧ 冷读 | cold-reader v2.0 | AI（独立上下文） | 加权评分：工艺层轻判，设计/原创层重判 |
| ⑩ 微调 | — | 人 | 终稿按需手调 |
| ⑫ 校准 | skill-editor | 人 + AI | 数据反复指向的盲区，升级回对应 skill |
写作 skill 怎么选（节点⑥）
| 素材类型 | 用 |
|---|---|
| 现象解读、人物故事、调查报告类长文 | henry-writer |
| 论文 / 模型发布 / 技术博客的大众化转译 | tech-blog-writer |
| 商业合作稿（已有提纲展开成正文） | commercial-article |
| 招股书 / IPO 文件解读 | prospectus-decoder |
所有写作 skill 的语言风格 DNA 统一由 henry-writer 定（禁破折号、禁中式冒号乱用、「」标术语、禁 metadiscourse、人优先于事、判断在事实之后）。任何一篇稿子需要按 henry 语言风格润色，都回 henry-writer，不另起标准，避免风格分叉。
三个评估/迭代工具的分工
- cold-reader：发表前，独立空白上下文，预判读者会在哪里掉队 + 加权评分。
- skill-editor：发表后，拿真实数据回溯，把反复出现的盲区升级回 skill。
- 两者共用一套诊断语言，指向 henry-writer 同样的位置，所以一个反复出现的冷读信号能无缝升级成一次 skill-editor 修改。
校准回路是整个 loop 里唯一有真值（读者数据）喂进来的环节。做对它，其他节点会被它自动带着进化。
这套系统不做什么
- 不替你做角度取舍（④ 永远是人）。LLM 判别器在「有真值」的维度（事实、结构、违禁词）可靠，在「无真值」的维度（横向映射妙不妙、共鸣强不强）系统性偏向平庸，补不上你那 20 分。
- 不无限自对弈。主观质量上，更多轮冷读会把稿子越磨越光滑、越磨越平庸（分数不线性上升，中间某轮往往比最后一轮好）。冷读默认一轮，反复出现的问题才升级 skill。
- 不让脚手架永远在场。模型每次大版本更新，挑一篇难度适中的稿子关掉某个节点裸跑，看数据掉不掉，让数据告诉你这根脚手架还 load-bearing 不。详见 decisions。