kingselyjoe wewrite-stats — 文章数据复盘
运行约定
- CLI：确定性操作走
wewrite命令（需在 PATH；缺失则引导uv tool install wewrite，或在仓库里bash install.sh）。 - {home}：用户状态目录 =
$WEWRITE_HOME或~/.wewrite（wewrite home可查）。config/style/history/playbook/output/exemplars 全在 {home}，不在仓库；references 文档中的状态路径同此约定。 读取: <路径>= 用文件读取工具真实读完该文件再继续，不是注释。- references/：本 skill 自带
{skill_dir}/references/；references 文档内的{skill_dir}即本 skill 目录。
执行
读取: {skill_dir}/references/effect-review.md
按其流程执行：fetch_stats.py --days 7 拉数据 → 匹配并回填 history.yaml 的
stats 字段 → 分析最好/最差表现及原因 → 给出后续选题/标题/框架的调整建议。
前置：需要 config.yaml 里的微信 API 凭证。缺凭证 → 告知用户"数据复盘需要配置 公众号 API（config.yaml），当前只能基于 history.yaml 已有记录做定性分析"，然后就 history.yaml 现有内容能分析多少分析多少。刚发布的文章 → 告知等 24h 后再看。
下游影响：回填的 stats 会被选题模块（wewrite-topic）读取——哪种框架/增强策略 表现好会加权到下次推荐。这是数据闭环的一半，另一半是 wewrite-learn 的改稿飞轮。