xiaobei published-track 发布追踪体系：多平台发布记录、互动数据自动回填与复盘闭环实战指南

人工智能AI Agent大模型AI 应用媒体生成【免费下载链接】xiaobei为OPC/中小微企业量身打造的自媒体获客智能体项目地址https://gitcode.com/gh_mirrors/wi/xiaobei点击查看免费下载本文以 crews/main/skills/published-track/SKILL.md 为主干结合同一技能目录下的 scripts 全部脚本、content-calibrator 技能 与 HEARTBEAT.md、AGENTS.md 编排逻辑为你完整拆解 xiaobei 项目中发布追踪published-track模块的设计与实战用法。你将掌握SQLite 分表结构如何承载 16 个平台的发布记录、record.sh如何与 content-calibrator 的打分预测闭环对接、fetch-and-update-metrics.sh如何按平台分流自动回填互动数据以及查询、分发状态、复盘扫描等全套脚本的正确调用姿势。文中所有命令均来自仓库真实脚本可复制到工作区直接使用。一、published-track 是什么定位与边界在 xiaobei 的 main crew主智能体里新媒体运营条块有一个贯穿写作 → 发布 → 复盘全流程的数据底座就是 published-track发布记录追踪。它的定位可以概括为一句话用 SQLite 数据库统一管理所有平台微信公众号、微信视频号、知乎、B站、抖音、快手、小红书、今日头条、掘金、Twitter/X、Facebook、Instagram、TikTok、YouTube、Pinterest、Threads的发布记录与互动数据。技能元信息见 SKILL.md 头部 frontmatter要求运行环境预装bash与sqlite3实际脚本链还会用到node、python3这些在 content-calibrator 的 metadata 中也有对应声明。从 AGENTS.md 的职责总览表可以看到published-track 与content-calibrator、各发布技能共同构成新媒体运营的核心闭环打分预测脚本score-only.sh/commit-prediction.sh/cal-toggle.sh与盲打分规范来自content-calibrator技能发布记录脚本record.sh来自published-track技能发布则依据各个平台发布技能。AGENTS.md 按需写作一节一个明确的边界企业微信朋友圈不纳入追踪记录——它没有公开 URL、互动数据无法自动获取、运营复盘价值低因此发布后不调用record.sh。这是设计取舍不是遗漏。二、数据库位置与初始化数据库文件位于工作区根目录下的./db/published_track.db。初始化脚本为 init-db.sh它是幂等的可安全重复执行./skills/published-track/scripts/init-db.sh脚本内部实现要点源码级证据用CREATE TABLE IF NOT EXISTS为 16 个平台建表重复执行不会报错每次执行结束会做一次自愈迁移遍历所有pub_%表若缺少cal_bias_signals或cal_bump_evaluated列则用ALTER TABLE ... ADD COLUMN补齐init-db.sh 尾部循环保证老库升级后也能跑 content-calibrator 复盘多个脚本record.sh、update-metrics.sh、query-pending.sh、set-distribute-status.sh、query.sh、check-published.sh内部还实现了ensure_platform_table()函数如果某平台表缺失会自动重跑 init-db.sh 再复检相当于新平台加表后无需手动重建库的自愈机制。三、平台与表对应关系每张表名为pub_平台代号。--platform参数取「表名」去掉pub_前缀例如wx_mp、wx_channel、xhs、bilibili。SKILL.md 明确列出的八张核心表如下平台表名内容类型特有指标微信公众号pub_wx_mparticlereads, shares, favorites, likes, comments微信视频号pub_wx_channelvideoplays, likes, comments, shares, favorites知乎pub_zhihuarticle/postviews, upvotes, comments, favoritesB站pub_bilibilivideoplays, danmaku, likes, coins, favorites, shares, comments抖音pub_douyinvideoplays, likes, comments, shares, favorites快手pub_kuaishouvideoplays, likes, comments, shares小红书pub_xhsarticle/video/postviews, likes, favorites, comments, sharesTwitter/Xpub_twitterpost/videoviews, likes, retweets, replies, bookmarks此外init-db.sh 还建了pub_toutiao今日头条指标 impressions/reads/comments/likes、pub_juejin掘金views/likes/comments/favorites、pub_facebookreach/likes/comments/shares、pub_instagramreach/likes/comments/shares/saves、pub_tiktokplays/likes/comments/shares/favorites、pub_youtubeviews/likes/comments/shares、pub_pinterestimpressions/saves/comments、pub_threadsviews/likes/reposts/replies等共 16 张表其中cal-toggle.sh支持打分开关的平台为wx_mp wx_channel xhs zhihu bilibili douyin kuaishou toutiao youtube juejin twitter facebook instagram tiktok pinterest threads见 cal-toggle.sh 的VALID_PLATFORMS。3.1 通用字段每张表共享通用字段id自增主键title内容标题content_type枚举article/video/post建表时即有CHECK(content_type IN (article,video,post))约束source_folder原始文件夹如output_articles/xxx不做唯一约束——同内容可同平台多次发布publish_url发布链接publish_date发布日期YYYY-MM-DDdistribute_status0待分发1无需分发2已分发默认 0notes备注created_at/updated_at自动维护的时间戳默认值为strftime(%Y-%m-%d %H:%M:%S,now,localtime)。各平台特有互动指标默认 0另有top_comment主要留言摘要。3.2 视频号pub_wx_channel特例视频号作品没有「标题」概念只有描述文案——title列存的是完整描述文案含 hashtag最长约 300 字即wechat-channels-publish发布流程中填写的描述。wx-channel-engagement抓取数据时按它匹配后台作品管理页。因此调用方执行./skills/published-track/scripts/record.sh --platform wx_channel --title 完整描述文案 ...必须传完整描述不要传短标题。这条约定在 AGENTS.md 视频发布流程一节有同样强调后台展示与抓取匹配用的都是 descpub_wx_channel.title列存完整 desc 后wx-channel-engagement fetch才能按标题匹配成功。3.3 content-calibrator 打分字段每张表同时承载打分闭环所需字段供 content-calibrator 复盘使用字段说明cal_enabled该记录是否参与 content-calibrator 复盘0/1cal_score_er/hp/sr/ql/na/ab/pv7 维分0-5情感共鸣/钩子强度/社会议题/金句密度/叙事性/受众广度/实用价值cal_composite综合分0-10cal_rubric_version打分时 rubric 版本cal_scored_at打分时间cal_bias_signalsbump 检测偏差信号JSON 数组由detect-bump-signals.sh写入NULL未算/bump 后已清cal_bump_evaluated是否已被 bump 检测处理过0/1防止重复计入打分/预测按作品归集per-work同一作品发到多个平台各平台记录的cal_*分数值相同取自work/calibration/score.json。rubric 全平台统一。归集关系在 content-calibrator/SKILL.md 有完整表格rubric 公式、观察 memo、循环状态是统一的根级calibration/打分/预测/复盘是per-workwork/calibration/baseline/audience/benchmark 是per-platformcalibration/platform/发布记录互动指标是per-platformpublished-track DB。四、三大使用方式之块一与发布技能结合发布技能的编排由 AGENTS.md按需写作 / 发布记录管理与复盘与执行流类技能承担各发布技能本身只管发布不提及打分与记录。统一流程顺序为打分预测(1A) → 发布 → 记录(1B)。4.1 流程 1A打分盲预测发布前自检打分预测由content-calibrator技能负责published-track 不重复描述只承接其落盘结果。1A 的关键动作见 content-calibrator/SKILL.md 流程 1A出分出预测blind sub-agent 一次出分预测或定时任务下主 agent inline 打分score-only.sh校验 7 维分 算 composite 判阈值门commit-prediction.sh把 score 预测落盘到work/calibration/写score.jsonprediction.md同 work 重打覆盖阈值门每维需 全局score_threshold默认 0不拦截passedfalse则改稿重打最多 2 轮平台未启用 calibration 则跳过 1A直接发布。4.2 流程 1B发布记录发布后发布成功后调用合并入口 record.sh。分数不再通过入参传递——record.sh直接从--source-folder指向的work/calibration/score.json读取per-work 权威落盘composite rubric_version 已在其中由commit-prediction.sh算好。两种调用语义默认不传--no-cal要求work/calibration/score.jsonprediction.md齐全 → 读分、置cal_enabled1缺失则报错退出提示主 agent 上一步1A 打分预测未执行或落盘失败须先补跑commit-prediction.sh再 record--no-cal显式跳过读分补发 / 补登记历史作品 / 不打分场景→cal_enabled0不校验文件。--source-folder必须是直接包含calibration/的目录即 per-work 的work普通文章output_articles/title/gaoqian 双内容output_articles/title/article或.../post视频output_videos/name/。落库语义 upsert去重键(source_folder, publish_date)。同一篇 同一平台 同一发布日重跑record.sh重打分 / 重发 / record 被重调→更新旧行覆盖 title/url/cal_*/distribute_status不重复插行不同publish_date真正再发布 / 补发历史仍新建行。返回 JSON 的action字段为inserted或updated。源码实现见 record.sh先SELECT id ... LIMIT 1判断存在性存在走UPDATE ... SET否则INSERT ...; SELECT last_insert_rowid()。⚠️ 这只管 DB 层去重——公众号后台是否堆积草稿由wx-mp-publisher自身幂等性决定本脚本管不到发布前应查check-published.sh。标准调用示例# 正常发布后1A 已落盘 score.jsonprediction.mdrecord.sh 自动读分 ./skills/published-track/scripts/record.sh \ --platform wx_mp \ --title 标题 \ --content-type article \ --source-folder output_articles/xxx \ --publish-url https://mp.weixin.qq.com/s/xxx # 补发 / 补登记历史作品 / 不打分 → 显式 --no-cal ./skills/published-track/scripts/record.sh \ --platform xhs \ --title 标题 \ --content-type post \ --source-folder output_articles/xxx/post \ --publish-url https://www.xiaohongshu.com/xxx \ --no-cal参数说明参数说明--platform平台代号表名去掉pub_前缀必填--title标题视频号为完整描述文案必填--content-typearticle/video/post必填--source-folder直接包含calibration/的work目录必填--publish-url发布链接发布失败时留空并在--notes注明原因--publish-date省略即默认当日。❌ 勿传$(date %Y-%m-%d)exec 沙箱不展开$()仅补登记非当日作品时传字面量如2026-06-14--distribute-status0待分发默认1无需分发2已分发--notes备注--no-cal显式跳过读分脚本对未展开的$(date ...)有专门防御record.sh检测到--publish-date形如$(*date*或*date*时会报错并回退为当日见 record.sh 的日期校验分支。score-and-record.sh已合并为record.sh的薄 wrapper兼容保留新调用直接用record.sh。设计依据SKILL.md 原文score.json 是 per-work 权威落盘record.sh 从中读分可避免入参与落盘打架默认强校验文件齐全以拦截漏跑 1A--no-cal为补发等明确不打分场景的显式出口。五、三大使用方式之块二数据更新5.1 流程 2A自动更新定时任务用fetch-and-update-metrics.sh 封装了「探活 → API 抓取 → DB 写入」三步凌晨复盘心跳调用对应 HEARTBEAT.md 的 Step 2。两种定位方式# 通过 source-folder 从 DB 查 publish_url → 抓取 → 写入 ./skills/published-track/scripts/fetch-and-update-metrics.sh \ --platform platform --source-folder output_articles/xxx # 按 id 逐条抓同 folder 多条记录各自独立统计推荐 ./skills/published-track/scripts/fetch-and-update-metrics.sh \ --platform xhs --id rowid --xsec-token tok --xsec-source pc_feed返回 JSON 统一格式场景返回示例脚本获取成功{ok:true,method:script,platform:bilibili,content_id:BVxxx,metrics_params:...}Cookie 失效{ok:false,error:SESSION_EXPIRED,platform:xhs,method:script,hint:...}需浏览器获取{ok:false,method:browser,platform:wx_channel,hint:使用 wx-channel-engagement 技能...}需手动提供{ok:false,method:manual,platform:twitter,hint:该平台互动数据无法自动获取...}Exit codes0成功/浏览器/手动非错误1一般错误2SESSION_EXPIRED。内部链路login-manager探活走 check-login.ts读~/.openclaw/logins/session.json的 cookie 关键字段做 cheap gate→ fetch-retro-data.ts 抓取 → update-metrics.sh 写入。平台支持矩阵脚本支持xhs、bilibili、douyin、kuaishou——走fetch-retro-data.ts纯 HTTP cookie UA 链路。其中douyin复用_shared/douyin-web.ts的 a_bogus 签名 COMMON_PARAMS早期缺 COMMON_PARAMS 曾导致 Janus 网关回 200 空体、长期取不到数修复后恢复bilibili走公开/x/web-interface/view端点无需 cookiekuaishou走 GraphQLvisionVideoDetailrealLikeCount才是真实点赞数。浏览器方案wx_mp走同目录下的wx-mp-engagement技能camoufox 抓创作者中心、wx_channel走wx-channel-engagement技能camoufox 抓视频号助手后台。这两条链路与纯 HTTP 平台机制完全不同、独立维护——fetch-and-update-metrics.sh对wx_mp/wx_channel直接exit 1报错并提示改走对应技能见脚本顶部平台路由。其他平台twitter、zhihu、toutiao、juejin、youtube等暂不支持自动抓取返回method:browser并给出 hint如 twitter 提示用twitter-interact技能浏览推文详情当前MANUAL_PLATFORMS为空wx_mp/wx_channel 已移出手动列表见脚本注释 Phase 4.6 / 4.7。xhs 取数路线重点走get_note_by_id_from_html——GET 笔记详情页 HTML解析window.__INITIAL_STATE__拿互动计数复用 _shared/xhs-html-note.ts与 viral-chaser / xhs-content-ops 同源不走/api/sns/web/v1/feedfeed 需 xsec_token 且极易触发滑块/500。仅需 cookie 浏览器头无需 relay 签名、无需 camoufox。xsec_token 获取feed/HTML 路线均强制要 xsec_token而publish_url不带、发布响应也不返唯一来源是 profile 页 note 列表。fetch-retro-data.ts在未传--xsec-token时纯 HTTPGET 自己 profile 页/user/profile/{user_id}user_id 取xhs-user-id.cache缺失则调get-xhs-user-id.sh解析user.notes建 note_id→xsec_token 映射仅近期 ~20 条可见查到目标 note 的 token 后再 GET 笔记详情页。2026-07-25 起 xhs 把 SSR 里的 note id 置空此时靠 title 匹配拿 xsec_tokenfetch-retro-data.ts 的matchXhsEntryByTitle精确相等优先、前缀互含兜底防截断、歧义时宁可失败也不错配。fetch-and-update-metrics.sh也会从publish_urlquery 抽 xsec_token 透传。笔记不在 profile 首页范围 →NOTE_NOT_IN_PROFILE。xhs headers按 UA 家族区分 sec-ch-uacamoufoxFirefox 不发 brand 列表Chrome 发完整 sec-ch-ua避免指纹破绽sec-fetch 用document/navigate真实页面导航accept 用text/html。评论内容top_comment暂不抓comment API 同样依赖 xsec_token待发布侧落 token 后再补。5.2 流程 2B用户提供数据Agent 补录用户主动告知已发布内容的信息Agent 用record.sh录入基础信息再用update-metrics.sh补录互动数据# 1) 录入基础信息补登记历史作品通常不打分 → --no-cal ./skills/published-track/scripts/record.sh \ --platform wx_mp --title 用户提供的标题 --content-type article \ --source-folder output_articles/xxx \ --publish-url https://mp.weixin.qq.com/s/xxx \ --publish-date 2026-06-14 --distribute-status 1 --notes 用户手动录入 --no-cal # 2) 补录互动数据只传用户提供的字段其余保持不变 ./skills/published-track/scripts/update-metrics.sh \ --platform wx_mp --source-folder output_articles/xxx \ --reads 1234 --likes 56 --shares 12update-metrics.sh定位记录支持两种方式--id rowid按主键写单行推荐避免同 source_folder 重复发布被批量污染或--source-folder folder批量写所有同 folder 行旧行为。指标列通过PRAGMA table_info动态校验未知列会报错并列出合法列--columnvalue内联形式同样支持见 update-metrics.sh 的--help。各平台可传指标字段见「平台与表对应关系」特有指标列。六、三大使用方式之块三查询与平台设置6.1 流程 3A查询待分发内容白天 heartbeat 用./skills/published-track/scripts/query-pending.sh # 所有平台待分发 ./skills/published-track/scripts/query-pending.sh --platform wx_mp # 单平台返回 JSON 数组每项含platform、source_folder、title、publish_url。实现上遍历所有pub_%表、过滤distribute_status 0的行并做 JSON 转义query-pending.sh。6.2 流程 3B设置分发状态./skills/published-track/scripts/set-distribute-status.sh \ --platform wx_mp --source-folder output_articles/xxx --status 2 ./skills/published-track/scripts/set-distribute-status.sh \ --platform wx_mp --id 3 --status 2 ./skills/published-track/scripts/set-distribute-status.sh \ --platform wx_mp --mark-all-distributed--status只接受 0/1/2--mark-all-distributed将某平台所有待分发记录批量置 2返回 countset-distribute-status.sh。平台打分开关 全局阈值脚本归属 content-calibrator但发布记录语义与 published-track 直接相关./skills/content-calibrator/scripts/cal-toggle.sh --list # 全平台开关 全局阈值 ./skills/content-calibrator/scripts/cal-toggle.sh --platform wx_mp --status # 单平台开关 ./skills/content-calibrator/scripts/cal-toggle.sh --platform wx_mp --enable # 启用 ./skills/content-calibrator/scripts/cal-toggle.sh --platform wx_mp --disable # 停用需确认 ./skills/content-calibrator/scripts/cal-toggle.sh --threshold # 查看全局阈值 ./skills/content-calibrator/scripts/cal-toggle.sh --set-threshold 2 # 设全局阈值阈值语义每维 0-5需 阈值才放行发布阈值 0 不拦截起步默认。阈值为全局统一per-work 质量门不分平台存于根级calibration/.cheat-state.json的score_threshold取值范围 0-4每维 0-5 需 threshold故上限 4见 cal-toggle.sh 的校验分支。Agent 不得自动启用某平台打分或自动改阈值必须告知用户由用户决定阈值可由 Agent 在 content-calibrator 复盘后根据累积数据推荐并经用户确认后设置见 content-calibrator/SKILL.md 复盘段。6.3 流程 3C通用查询Agent 按需调用./skills/published-track/scripts/query.sh --platform zhihu # 某平台全部记录 ./skills/published-track/scripts/query.sh --platform zhihu --limit 10 # 最近 N 条 ./skills/published-track/scripts/check-published.sh \ --platform zhihu --source-folder output_articles/xxx # 是否已发布query.sh额外支持--unpublished扫描output_articles/、output_videos/下没有任何平台记录的作品文件夹、--stale-days N按publish_date date(now,-N days)过滤与--below N所有整数互动指标列均低于阈值用于排查沉帖query.sh。check-published.sh返回{exists:true,id:...,publish_url:...}或{exists:false}check-published.sh。6.4 流程 3D查询待复盘作品凌晨 heartbeat Step 3 用# 一键扫描待复盘作品 带出互动数据有 prediction.md 无 retro.md 过 TNd 窗口 ./skills/published-track/scripts/query-retro-pending.sh --days 3返回 JSON{total, pending: [{source_folder, title, prediction_path, publish_date, cal_scores, platforms: {platform: {id, metrics}}}]}。Agent 拿到后直接对比预测 vs 实际写retro.md无需再查 DB 或 ls 目录。实现要点query-retro-pending.py遍历所有pub_*表中cal_enabled1的行按source_folder归集多平台合为platforms字典、cal 分取含 composite 的那份、publish_date 取最新再逐 work 检查三条件——calibration/prediction.md存在、calibration/retro.md不存在、now publish_date N 天。注意该脚本通过 _shared/runtime_root.py 解析运行时根目录因为skills/是 symlink直接resolve()会跳进源仓导致 ROOT 指错。七、与发布技能的配合与平台代号对照所有发布技能wx-mp-publisher、xhs-publish、gaoqian-article、wechat-channels-publish、bilibili-publish 等的流程统一为打分预测(1A) → 发布 → 记录(1B)。各技能 SKILL.md 的打分评估 / 发布记录段标注此要求主 agent 无需额外提醒。平台代号对照wx-mp-publisher/sync-from-mp→wx_mpwechat-channels-publish→wx_channelxhs-publish→xhs。发布流程在 AGENTS.md 的落地规则文章场景用户说发布 → 调发布技能 → 用record.sh记录--source-folder output_articles/article-english-title自动读分缺文件报错提示先补跑 1A用户说不必打分直接发布 → 显式--no-calcal_enabled0。多平台发布必须串行执行涉及用户交互和浏览器操作多平台共用同一份打分预测record.sh每个平台各调一次、同一--source-folder从同一份 score.json 读分。视频场景已落盘score.jsonprediction.md→ record.sh 读分、cal_enabled1未打分无 calibration 目录→ 显式--no-calcal_enabled0。用户或任务明确说不记录→ 不调record.sh发布流程结束。八、凌晨复盘心跳中的实际用法端到端串联HEARTBEAT.md 把 published-track 的脚本串成了定时复盘流水线是理解各脚本协作的最佳场景Step 1cal-toggle.sh --list看启用平台query.sh --platform xhs --limit 50拉取各平台cal_enabled1的记录Step 2对每条记录按--id rowid逐条调fetch-and-update-metrics.sh取数写库douyin/xhs/kuaishou/bilibili 走纯 HTTP 链路wx_mp 走wx-mp-engagement fetch --row-id rowidwx_channel 走wx-channel-engagement fetch --row-id rowid其余平台跳过。发布超过 30 天的内容不再每天抓取数据已稳定边际变化可忽略接口方案在 Step 1 查询加publish_date date(now,-30 days)过滤。SESSION_EXPIRED 记入EXPIRED_PLATFORMS白天统一汇报凌晨不唤醒用户Step 3query-retro-pending.sh --days 3一键取待复盘作品 → 3a 逐篇写retro.md 观察进根级calibration/rubric-memo.md→ 3bdetect-bump-signals.sh综合评估从cal_score_* 互动指标算偏差信号写回cal_bias_signals列触发 bump 时自动清空每条记录只处理一次由cal_bump_evaluated标记Step 5汇总数据更新情况、Cookie 失效列表、复盘结论与 rubric 升级建议Agent 不得自动升级 rubric 或改阈值只能给用户建议。九、发布合规校验的配套脚本发布前内容合规校验由 references/platform-constraints.md 提供数据、validate_content.py 提供实现避免因超长/超限被平台拒绝。约束数据来自各平台官方文档 实测例如小红书标题 20 字、描述 1000 字、话题 10 个2026-06-16 实测硬约束超限直接发布失败Twitter/X 视频最长 140 秒标准账号微信公众号标题 64 字、描述 20000 字。自动校验顺序为必填校验 → 长度截断标题加…、描述加…[已截断]→ 话题裁剪 → 视频时长拒绝 → 宽高比转码/拒绝 → 图片数裁剪python3 ./skills/published-track/scripts/validate_content.py \ --platform twitter \ --title 标题 \ --desc 描述内容 \ --topics 话题1,话题2,话题3十、小结published-track 的三个设计原则DB 层幂等与自愈init-db.sh幂等建表 自动补列迁移record.sh/update-metrics.sh等脚本内置ensure_platform_table自愈新平台加表无需人工重建库per-work 权威落盘与显式出口分数只认work/calibration/score.json避免入参与落盘打架默认强校验拦截漏跑 1A--no-cal提供补发/不打分的显式出口按平台分流取数纯 HTTP 平台xhs/bilibili/douyin/kuaishou与浏览器方案平台wx_mp/wx_channel两条链路独立维护统一 JSON 返回格式 统一 exit code 语义让凌晨复盘心跳可以无差别编排。赞分享人工智能AI Agent大模型AI 应用媒体生成【免费下载链接】xiaobei为OPC/中小微企业量身打造的自媒体获客智能体项目地址https://gitcode.com/gh_mirrors/wi/xiaobei点击查看免费下载相关推荐Sanity First Published Function用蓝图事件函数自动记录文章首次发布时间Sanity First Published Function用蓝图事件函数自动记录文章首次发布时间 本文是一份围绕 Sanity 官方函数示例 firstCMS前端基于追踪的测试Trace-Based Testing实战用 Highlight 的分布式追踪数据驱动回归测试与可观测性闭环基于追踪的测试Trace Based Testing实战用 Highlight 的分布式追踪数据驱动回归测试与可观测性闭环 本文源自 highlight.可观测性后端为什么选择kb库对比ICU和Harfbuzz的性能与内存优势为什么选择kb库对比ICU和Harfbuzz的性能与内存优势 kb库kb17作为一款单头文件C/C库为开发者提供了高效的Unicode文本分段和Op上一篇AST驱动的企业级Lua代码混淆解决方案下一篇百度网盘秒传链接工具3分钟掌握极速文件转存与分享技巧创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考