🔀 内容路由器 · Content Router

一份素材进去，多种成品出来。

写一次，改四次 —— 这是多平台创作者最耗命的地方。 内容路由器把「这篇该做成什么」变成一道可计算的问题：11 维内容画像 → 智能推荐 → 一键调度。

🚧 先说边界：它管「做成什么」，不管「发到哪」

这是两件事，别混：

• 路由器推荐的是跨媒介形态——媒介变了：文字 → 图表 / 视频 / 漫画 / PPT / 可复用技能。
• 平台改写是同媒介换平台——还是文章，只换读者、语气和钩子。

两者的关系是上下游：先路由，再改写。路由器告诉你这篇值不值得做成视频，改写技能负责把它写成视频号能发的样子。 本仓库不碰平台改写，那条线交给 content-creator-skills。

😩 你是不是也这样

同一份素材，公众号写完，知乎版、CSDN 版、小红书版还得从头再改一遍，一晚上没了。

但比这更亏的是另一种累：你花了两天把一篇深度长文做成 60 秒短视频，结果它根本没有叙事张力，讲出来像念说明书； 另一篇随手记的案例，其实天生就是一张信息图，你却把它硬写成了长文。

你根本不知道这篇最适合做成什么。 凭感觉选，一半力气花在错的形态上。

✨ 它怎么解决

一篇素材  ──▶  ① 11维画像  ──▶  ② 匹配推荐（带分数+理由）  ──▶  ③ 生成调度提示词
                字数/结构/密度           PPT ⭐⭐⭐                 交给你的 Agent 执行
                视觉潜力/叙事张力…        信息图 ⭐⭐⭐
                                        短视频脚本 ⭐⭐

不是模板填空。 先给内容做体检，再基于体检结果匹配形态，最后才谈转换。

📐 11 维内容画像

🎯 6 种跨媒介输出形态

以上都是媒介发生改变的形态。公众号版、小红书版这类同媒介换平台的改写，不在本仓库职责内， 请用 content-creator-skills。两件事分开做，才不会互相打架。

上表的「对应工作流」是 Hermes Agent 生态内的私有技能，未随本仓库开源。 但不影响使用：route() 只产出 dispatch_prompt 与目标技能名，你自己接上任意 Agent 或手工执行都行 —— 本仓库可独立运行，零强制依赖。

🚀 30 秒跑起来

git clone https://gitee.com/savantcat/content-router.git
cd content-router
python engine.py analyze README.md

输出：

📐 内容画像报告
========================================
字数:      1,551 字（中文）
密度:      ░░░░░░░░░░ 0.09
结构:      流程步骤
视觉潜力:  ███    高
深度等级:  入门
叙事张力:  █      低
情感色彩:  客观
实战性:    █      低
信息图解:  低
漫画潜力:  中
时效性:    永久

🏆 推荐输出（按适配度排序）
----------------------------------------
🥇 信息图           ⭐⭐  适配 44%  核心点10个+视觉高+图解低
🥈 PPT演示文稿       ⭐⭐  适配 38%  结构流程步骤+视觉高+内容入门
🥉 漫画/视觉故事       ⭐  适配 29%  漫画潜力中+张力低
4. 结构化Skill封装    ⭐  适配 29%  实战低+结构流程步骤+深度入门
5. 60秒短视频脚本      ⭐  适配 14%  张力低+情感客观+非时效

📦 批量路由：素材库 → 产出决策表

单篇分析只是玩具，批量才是刚需 —— 素材囤了一堆，一篇篇问太慢，也永远问不完。

python engine.py batch ./我的素材库 --out 产出决策表.md

一张表告诉你每篇素材该做成什么，直接当工作计划用（实测输出）：

📦 扫描到 7 篇素材
**形态分布**：信息图 ×4、60秒短视频脚本 ×3
**最值得先做的 5 篇**：
- 知识星球_专享版.md → **信息图**（适配 100%）
- 百家号_粘贴版.md → **信息图**（适配 67%）
...

适配度 = 判据命中率（该形态得分 ÷ 该形态满分），跨形态可比。 首推 <40% 时它会直接告诉你「这篇还没有明显适合的形态，别急着动手」——不硬推，这是它可信的原因。

🧩 当库用

from engine import profile_content, recommend_formats, format_profile_report, format_recommendation
from engine import ContentRouter

text = open("我的文章.md", encoding="utf-8").read()

profile = profile_content(text)
print(format_profile_report(profile))
recs = recommend_formats(profile)          # [{"format": ..., "score": ..., ...}]
print(format_recommendation(recs))

# 一键调度：为选中形态生成 dispatch 提示词 + 落盘 JSON 报告
router = ContentRouter(output_dir="./router_output")
result = router.route("我的文章.md", target_formats=["PPT演示文稿", "信息图"])

🔌 作为 MCP 服务调用

server.py 把引擎包成标准 MCP server —— 别人的 Agent 可以直接调这几个工具，不必读源码、不必抄公式。

pip install "mcp>=2.1"

python server.py                                # 本地 stdio（Claude Desktop / Cursor / 任意 MCP 客户端）
python server.py --transport http --port 8769   # 远程 streamable-http
python server.py --selftest                     # 不走协议，直接遍历打全部工具

客户端配置（stdio）：

{ "mcpServers": { "content-router": { "command": "python", "args": ["server.py"] } } }

服务端为纯计算、纯读：5 个工具的四个 annotation hint 全部声明（readOnlyHint=true / destructiveHint=false / idempotentHint=true / openWorldHint=false），不写盘、不发起任何外部请求、不需要 API Key。

💻 命令行

# 分析 + 推荐
python engine.py analyze 我的文章.md

# 分析 + 推荐 + 调度
python engine.py route 我的文章.md --formats PPT演示文稿,信息图,60秒短视频脚本

# 批量：整个素材目录 → 产出决策表（最实用的一步）
python engine.py batch ./我的素材库 --top 20 --out 产出决策表.md

🛡️ 已知风险与规避

📁 项目结构

engine.py          单文件核心引擎（画像 / 推荐 / 调度 / CLI），纯标准库
server.py          MCP 服务端（5 个工具，双通道 stdio / streamable-http）
server.json        MCP 元数据（官方 Registry 格式）
SKILL.md           Agent 技能定义 + 完整 API 说明
skill-card.md      技能卡片（用途 / 输出 / 风险）
_meta.json         元信息

🔗 相关仓库

• content-creator-skills —— 平台改写三件套（多平台改写 / 去 AI 味 / 旧文变选题），负责**「发到哪」**。
• savantcat-portfolio —— 全部开源项目索引。

📄 License

MIT — 见 LICENSE。

👤 作者

合尘猫 · AI 落地实践 · https://savantcat.cn