三剪客 · 一稿多平台改写
## ⚠️ 先申请你自己的 API Key
本 Skill 不内嵌任何密钥,也不代付费用。 请到
算力集市 api.a7w.cn 注册并创建你自己的 API Key
(新用户有赠送点数,可以先免费试跑一两条)。
拿到后填进环境变量A7W_API_KEY,或直接传给--key参数。
请勿使用他人提供的 Key —— 用量与费用都记在 Key 所属账号上。
能做什么
给一篇原稿,自动改写成五个平台的规格与语感:公众号长文、小红书笔记、
抖音口播稿、知乎回答、头条短文。
它替代的不是「润色」,是运营每天真正在做的那个动作:把一篇稿子按分发渠道重做一遍。
最常见的做法是复制粘贴,然后数据不好,然后把原因误判成「内容不行」——
其实问题是形态不对:公众号长文贴到小红书像说明书,口播稿贴到知乎像营销号。
这不是换词,是按平台重写结构。 每个平台改四件事:
| 改什么 | 为什么 |
|---|---|
| 开场 | 公众号有耐心铺现象,小红书第一句必须自报身份,抖音前 3 秒不出钩子就没了 |
| 段落 | 公众号一段 80~220 字,小红书的段不能超过 3 行,抖音一行一个气口 |
| 信息密度 | 小红书一个点一段,知乎要给边界条件,头条一段只讲一件事 |
| 结尾 | 结尾不是「总结一下」,是让读者做一件事——做什么事每个平台不一样 |
三个子命令串起完整流程:
| 子命令 | 干什么 |
|---|---|
plan | 读原稿 → 出改写方案:各平台保留什么、砍什么、原稿还缺什么 |
rewrite | 按平台改写(--platform 单个 / 可重复 / --all 全跑) |
diff | 原稿与改写的结构性对比(字数/段数/开场/结尾)——纯本地,不花钱 |
外加 platforms(零网络看规格表)、cost(只算钱)、models(现查在架模型)。
| 最关心 | 答案 |
|---|---|
| 多少钱 | 按 tokens 计费。实测一次 rewrite --all(5 个平台)约 1.14 万 token,很便宜 |
| 要多久 | 实测 24~28 秒跑完 5 个平台(一个平台一次调用,约 4~8 秒/平台) |
| 要装什么 | 什么都不用装。只用 Python 标准库,不需要 pip install 任何东西 |
| 平台差异是真的吗 | 是。见下面「平台差异」一节,有实测数字 |
| 会瞎编数据吗 | 不提供 --evidence 就不许编数字,提示词里写死了这条约束 |
平台规格是数据,不是写死在提示词里
五个平台的字数区间、段长、段数、开场方式、结尾引导、标签数量、emoji 策略、
标题风格,全部放在 scripts/run.py 的 PLATFORMS 常量里,
提示词和本地闸门都从这张表读。
改规格只改表,不改逻辑。 完整表见 references/platform-specs.md,
也可以零成本看:python3 scripts/run.py platforms。
平台差异(实测,原稿 400 字 / 一次真实 rewrite --all)
| 平台 | 字数(区间) | 段数 | 均段长 | 标签 | 开场类型 | 实测标题 |
|---|---|---|---|---|---|---|
| 公众号 | 1335(1200~2200)✅ | 13 | 102.7 | 0 | 疑问式 | 二创被质疑不算原创,问题可能出在你讲的是剧情 |
| 小红书 | 396(350~800)✅ | 19 | 20.8 | 6 | 第一人称代入 | 做短剧二创,到底算不算原创啊😭 |
| 抖音 | 394(300~600)✅ | 26 | 15.2 | 4 | 劝阻/警告式 | 剪了三个月短剧,我才搞懂播放量为什么卡住 |
| 知乎 | 1075(800~1500)✅ | 12 | 89.6 | 3 | 结论前置 | 短剧二创被质疑不算原创,问题到底出在哪一步 |
| 头条 | 635(600~1200)✅ | 13 | 48.8 | 3 | 共鸣/现象式 | 剪了几十条播放量卡在几千,问题出在哪一步 |
**均段长从 15.2 字到 102.7 字,差 6.8 倍;开场类型五个各不相同;
字数五个平台全部落在区间内。** 这不是同一套话换皮。
对照:本地跨平台二元组相似度最高 0.572,只有 小红书 ↔ 抖音 这一对踩线
(阈值 0.55),被换皮闸门标出;其余 9 对都 ≤ 0.464。
这一对是真实的难点:小红书(350~800)和抖音(300~600)的目标长度区间重叠,
原稿只有 400 字,两个平台都在「把整个故事讲一遍」,很难不撞。
改法是在 --brief 里给其中一个换切入角度,或者接受这篇只有 3 个平台值得发。
字数区间:这个包在这一项上返工过一次,值得说清楚。
第一版提示词里写的是「没有把握时宁可贴住区间下限」,结果 5 个平台里 3 个不达标
(公众号 992/1200、抖音 284/300、头条 511/600)——**这句我自己写的"保险"提示词,
正是造成不达标的原因**。
改法是把「目标字数」算出来直接给模型(目标 = 下限 + 35% × 区间长度),
并把措辞从「宁可靠近下限」改成「绝不能低于下限,也不要顶到上限」。
改完同一份原稿再跑,5 个平台全部落在区间内(上表)。
所以 platforms 子命令里会额外打印一列「目标字数」——
它是算出来的,不是手填的,改区间会自动跟着变。
怎么用(命令行)
第 0 步:获取 API Key
到 api.a7w.cn 注册,创建一个 API Key(形如 sk-...)。
第 1 步:装依赖
零依赖。 不需要 pip install 任何东西,只要机器上有 Python 3.7+:
python3 --version
包里自带的 scripts/a7w.py 是零依赖客户端(只用 urllib / json / mimetypes),scripts/run.py 也只用标准库。
第 2 步:填 Key
# Linux / macOS
export A7W_API_KEY=sk-你的key
# Windows PowerShell
$env:A7W_API_KEY="sk-你的key"
也可以存进配置文件反复用(推荐):
python3 scripts/a7w.py login --key sk-你的key
第 3 步:先看规格表(免费,零网络)
python3 scripts/run.py platforms
这个命令不联网、不花钱,直接打印五个平台的完整规格。
先看它,再决定要不要改 PLATFORMS 表。
第 4 步:确认网关通(免费,不花点数)
python3 scripts/run.py models
这个命令打的是 GET https://api.a7w.cn/api/v1/models,会列出当前在架的模型。
模型名会变,一定用
models子命令现查,别写死在脚本里。
但要注意:deepseek-chat这个别名实测可用,且实测确认路由到deepseek-flash
(看响应的model字段:请求deepseek-chat,返回model: "deepseek-flash")。
而它不在/api/v1/models的返回列表里(实测该列表给的是DeepSeek-V4-Pro/DeepSeek-V4-Flash/DeepSeek-V3.2这些版本号名,
响应里又变成小写的deepseek-v4-flash/deepseek-v3.2-think)——
所以「列表里没有」不等于「不能用」,而且列表名、请求名、响应名三者不一定一致。
反过来也踩过一个坑:deepseek-flash当请求名用是失败的——
实测 HTTP 200,但model:null、内容为空、usage也是空的(静默失败)。
它只是路由的目标名,不是可用的请求名。
第 5 步:先出方案,再改写
# 1) 出改写方案(一次调用,不写正文)
python3 scripts/run.py plan --file 原稿.md
# 2) 全平台改写,落盘 JSON
python3 scripts/run.py rewrite --file 原稿.md --all --json --out out.json
# 3) 结构性对比(纯本地,不花钱)
python3 scripts/run.py diff --file out.json
只想改一个平台:
python3 scripts/run.py rewrite --file 原稿.md --platform xiaohongshu
# 想改两个就重复写
python3 scripts/run.py rewrite --file 原稿.md --platform xiaohongshu --platform douyin
想先看不花钱的提示词:
python3 scripts/run.py rewrite --file 原稿.md --platform douyin --dry-run
完整工作流(含预算控制)
# 1) 先算钱(不调模型)。没给单价就只报 token,不给金额
python3 scripts/run.py cost --file 原稿.md --all
# 2) 给单价后算点数与金额;配上 --budget 就是硬上限
python3 scripts/run.py cost --file 原稿.md --all --price-in 1 --price-out 2 --budget 1
# 3) 带预算跑。超了就就地中止,退出码 5,不会把钱花出去
python3 scripts/run.py rewrite --file 原稿.md --all \
--price-in 1 --price-out 2 --budget 1 --json --out out.json
# 4) 用真实 token 数核算(不是估算)
python3 scripts/run.py cost --from-result out.json --price-in 1 --price-out 2
直接用 curl 调(不依赖本包脚本)
改写底层就是一个标准的 OpenAI 兼容调用:
curl -sS -X POST "https://api.a7w.cn/api/v1/chat/completions" \
-H "Authorization: Bearer $A7W_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-chat",
"messages": [{"role": "user", "content": "把下面这篇稿子改写成抖音口播稿规格,只输出 JSON:……"}],
"temperature": 0.7,
"max_tokens": 4096,
"response_format": {"type": "json_object"}
}'
成功响应不带
code字段。 实测调用成功时返回的就是标准 OpenAI 形态
(id/object/created/model/choices/usage/system_fingerprint),"code" in payload为False。code==1那套信封只用于生成应用的响应,
不适用于本端点——所以别拿code判成败。
参数说明
全局
| 参数 | 说明 |
|---|---|
--key | 临时指定 Key;优先级最高。别把它写进脚本或文档 |
--json | 以 JSON 输出,写在子命令前面或后面都可以(rewrite --json --out out.json 可直接喂给 diff / cost --from-result);JSON 模式下 stdout 只有一个完整 JSON,进度走 stderr |
--out <文件> | 把结果写到文件 |
--model | 模型名,默认 deepseek-chat(实测可用)。用 models 现查在架模型 |
--temperature | 采样温度,默认 0.7 |
--max-tokens | 最大输出 token,默认 4096(公众号长文别低于这个数) |
--dry-run | 只打印将发送的提示词,不调模型、不花钱 |
--no-json-mode | 不要求上游返回 JSON 对象(个别模型不支持 response_format 时用) |
原稿输入(plan / rewrite / cost 共用)
| 参数 | 说明 |
|---|---|
--file <文件> | 原稿文件(.md / .txt)。自动剥掉 UTF-8 BOM |
--text "正文" | 直接给原稿正文;与 --file 同时给时以 --text 为准 |
--platform <key> | 目标平台,可重复多次:--platform wechat --platform douyin |
--all | 全平台都跑(5 个)。与 --platform 同时给时以 --all 为准 |
平台 key:wechat / xiaohongshu / douyin / zhihu / toutiao。
plan —— 出改写方案
| 参数 | 说明 |
|---|---|
--brief "要求" | 改写要求(作者口述的意图) |
输出的方案含:keep(必须保留的信息点)、cut(可以砍的,附原因)、needs(原稿缺什么,如实说,不补编)、每个平台的 strategy / opening_plan /ending_plan / est_chars、以及 risks(这次最可能踩的坑)。
rewrite —— 按平台改写
| 参数 | 说明 |
|---|---|
--brief "要求" | 改写要求 |
--evidence "素材" | 可以使用的真实素材。没写就不许编数字 |
--price-in | 输入单价(点/百万 token),配合 --budget 用 |
--price-out | 输出单价(点/百万 token) |
--budget | 预算上限(点)。超了就地中止,退出码 5 |
diff —— 结构性对比(纯本地)
| 参数 | 说明 |
|---|---|
--file <结果.json> | 必填。rewrite --json --out 的结果文件 |
输出:各平台字数 / 段数 / 均段长 vs 原稿的 delta、开场类型、
开场是否真的换了(与原稿开场句相似度 < 0.6 才算换了)、
结尾引导与行动指令、与原稿的整体相似度,以及平台两两之间的相似度。
不调模型、不花钱,同一个文件跑两次结果完全一样。
cost —— 只算钱
| 参数 | 说明 |
|---|---|
--file / --text / --platform / --all | 按原稿估算 token 与费用 |
--from-result <结果.json> | 读真实调用记录里的 token 数算钱(不是估算) |
--price-in / --price-out | 单价,单位「点/百万 token」 |
--budget | 预算上限(点)。给了 --budget 就必须给单价,否则退出码 2 |
为什么不给默认单价:实测接口的 GET /api/v1/pricing 只有 6 条规则
(一条全局 * + full_video / asr / flashvsr / action_transfer /person_replacement 等特例),不含文本大模型;GET /api/v1/models 的
75 条记录里也没有任何价格字段;chat/completions 的成功响应里usage 只有 prompt_tokens / completion_tokens / total_tokens,没有点数。
所以拿不到可信的文本模型单价,本包拒绝凭空编一个——
token 数我们估(实测标定),金额必须由你给单价。
platforms —— 列规格表(零网络)
| 参数 | 说明 |
|---|---|
--json | 输出整张规格表 + 平台红线 + 标定比例 |
models —— 列出在架模型
| 参数 | 说明 |
|---|---|
--type | 模型类型,默认 text;传 all 看全部 |
--json | 原始 JSON |
六道硬闸门
硬闸门 = 命中即拦截 + 标红 + stderr 汇总 + 退出码非 0。不许只警告。
| # | 闸门 | 判什么 | 扣分 |
|---|---|---|---|
| 1 | 合规 | 广告法违禁词(最/第一/国家级/100%/绝对化/根治/保本/包过…)+ 平台特有红线(小红书站外导流、知乎私域引流、抖音禁止外链…) | 高 40 / 中 20 / 低 8 |
| 2 | 占位符残留 | {}、[待填]、XXX、(此处省略)、待补充、TODO/TBD、[请填写…] | 40 |
| 3 | prompt_echo | 与提示词示例去标点后相等、字符二元组 Jaccard ≥ 0.75、或示例二元组覆盖度 ≥ 0.60。标题比整条;正文整段 + 逐句两层都查 | 30 |
| 4 | 字数区间 | 必须落在该平台的目标区间,超出/不足按偏离程度扣分 | 上限 60 |
| 5 | 结构完整性 | 必须有 标题 + 正文 + 结尾引导,且结尾要含该平台的行动指令 | 每项 25 |
| 6 | 成本上限 | --budget 超了就地中止(用真实 usage 累计,超了就停) | 退出码 5 |
外加一道跨平台换皮检测(本地):两两比较正文的字符二元组 Jaccard,
两篇都 ≥ 200 字才比较,≥ 0.55 判为疑似换皮 → 标红 + 退出码 3。
为什么只有这五项算硬闸门:硬闸门的标准是「发出去会出事」。
标题字数不够是质量不达标,合规违禁是会被罚,两者不是一回事。
话题标签数、emoji 策略、段落风格只扣分不拦截——
把风格问题也做成硬闸门,工具会在正常使用中频繁返回非 0,最后没人看退出码,闸门就废了。
退出码(可直接用于 CI)
| 退出码 | 含义 |
|---|---|
0 | 全部干净 |
2 | 参数/配置错误(例如给了 --budget 却没给单价) |
3 | 有硬闸门命中(合规/占位符/照抄示例/字数区间/结构/跨平台换皮) |
4 | 调用失败(网络 / 鉴权 / 点数 / 模型名) |
5 | 预算超限,已就地中止 |
130 | 用户中断 |
--json 输出契约(给流水线与 agent 消费,只在 --json 下生效):
- 成功:结果对象里多一个
"ok": true;顶层是数组时包成{"ok": true, "data": [...]} - 失败:stdout 输出一个 JSON 信封,形如
{"ok": false, "exit": 3, "error": {"kind": "gate", "message": "…"}}(exit 就是本次真实退出码),kind 取 gate / usage / budget / call / interrupt / internal。internal 是没预料到的异常(代码 bug)的兜底:此时 stdout 给信封、
完整 traceback 原样打到 stderr、退出码固定 1 —— 报 bug,不藏 bug
—— 只有在本次还没吐过任何 JSON 结果时才补这个信封;已经吐过结果时
(例如跑到一半才发现比例不合格),ok 就写在那个结果里,退出码不变
- 人读文案照旧走 stderr;退出码语义一个都不变;非
--json模式输出与以前完全一致 --json写在子命令前面或后面都可以
三个真实事故写进了代码
1. prompt_echo:模型会照抄提示词里的示例,哪怕标着「这是错的写法」。
本库标题工坊实测过两次:提示词里写过的示例句子模型直接产出,
其中一次一字不差就是提示词示例,而且拿了那一轮的最高分 89.0——
最高分变成「抄标准答案」而不是「真的最好」,排序就废了。
所以本包:提示词里不出现任何一句可复制的完整中文句子,
举例只用描述性语言 + 登记在 PROMPT_SAMPLES 里的跨主题示例
(主题刻意选「电动车充电桩」,与三剪客真实业务明显不搭);
万一有人把真实示例加回去,闸门会兜住。
阈值 0.75 的标定依据:196 条正常产出与跨主题示例的最高相似度只有 0.174,
而「少两个字的同构照抄」是 0.765——0.75 有 4 倍以上的安全距离。
闸门写完必须用坏数据喂一遍。 自测时发现原来只比「整段正文」是不行的:
正文 1000+ 字、示例二三十字,Jaccard 的分母被撑到 1000 多,
模型把示例原样抄进正文的某一段时,这道闸门完全看不见——
而长文场景下「抄示例」恰恰就是「有一段是抄的」。
所以改成整段比一次 + 逐句再比一次。这个漏洞是喂罐头数据喂出来的,不是看代码看出来的。
第二轮又补了第三条判据(覆盖度)。 逐句比对的比对单位是一句话,
而拆句只在 。!?; 和换行处切、不在逗号处切:
模型把示例揉进自己那句话里(不在示例末尾断句)时,比对单位被撑到 30~36 字,
Jaccard 又被摊薄。实测(示例主题充电桩,去标点后 16~21 字):
| 形态 | 逐句 Jaccard | 覆盖度 | 逐句层 | 加覆盖度后 |
|---|---|---|---|---|
| 示例1 独立成句 | 1.000 | 1.000 | 抓住 | 抓住 |
| 示例1 揉进长句(36 字) | 0.576 | 1.000 | 漏 | 抓住 |
| 示例2 揉进长句(33 字) | 0.645 | 1.000 | 漏 | 抓住 |
| 示例3 揉进长句(30 字) | 0.517 | 1.000 | 漏 | 抓住 |
五条示例的单句逃逸临界长度是 21~27 字,而长文里 27 字以上的句子是常态。
所以覆盖度不是与逐句层冗余,而是互补:逐句层只兜得住「示例自己独立成句」。
判定用 ECHO_CONTAIN = 0.60(示例二元组里有多大比例出现在被比对象中);
长度守卫是相对的 max(6, 示例长度/2)。误伤实测:45 条真实历史句子/标题,
覆盖率最大只有 0.105(余量 5.7 倍),误伤 0 条。
2. 一次调用写五个平台 = 换皮。
如果让模型一次同时产出五个平台的稿子,它会先写最好写的那一份,
再裁剪成另外四份。所以本包一个平台一次调用,
并且在提示词里明确要求「不许整句搬运原稿措辞」「信息的出场顺序也可以不一样」。
实测把这两条加上之后,跨平台最高相似度从 0.71 降到 0.525(另一次跑是 0.572)。
残留难点:小红书 ↔ 抖音 这一对在本包里是最容易踩线的
(两者目标长度区间重叠,原稿短的时候都在讲同一个故事)。
闸门会把这一对标出来,但不自动改——改法是给它换切入角度,或者干脆不发那一篇。
3. 合规闸门自己也会误伤,而误伤会让闸门废掉。
实测原稿里有一句「回头翻一条自己播放量最低的视频」,
被「最X」规则判成高风险「广告法第九条禁止最高级用语」并整篇拦截。
这个诊断是错的——那是在描述自己的数据,不是商品宣称。
所以加了一条很窄的语境豁免:最X 前一个字是计量类名词(量/率/数/分/位/条/次/段/部/集/页/个/天/月/年)
且后面紧跟「的/之」时,放过但在报告里登记(gates.compliance.exempted)——
不静默放过。豁免词表刻意不含 价/时/款/种/家:
「课时最低的课程」「单价最低」都是真实的价格宣称形态,必须照拦。
成本口径(实测标定)
拿一次真实 rewrite --all 的 5 次调用,用 usage 除以实际字符数标定:
| 方向 | 标定值 | 平台间波动 |
|---|---|---|
| 输入 | 1 原始字符 ≈ 0.621 token(1 token ≈ 1.61 字) | 极小:5 个平台 1.609~1.615 |
| 输出 | 1 原始字符 ≈ 1.11 token | 较大:知乎 0.93 · 公众号 0.99 · 头条 1.18 · 小红书 1.33 · 抖音 1.63 |
输出侧平台间差异几乎全部来自换行数:抖音一句一行(18 行),
每个换行都是一个 token,所以最费。用哪个数都是估算,真实账单看账户流水。
排错
| 现象 / 报错 | 原因 | 怎么办 |
|---|---|---|
Missing or invalid relay API key(HTTP 401) | Key 无效、已过期或写错 | 重新到 https://api.a7w.cn/ 领取;确认没把 Bearer 重复写进环境变量 |
| 点数不足(HTTP 402) | 账号点数用完 | 到 https://api.a7w.cn/ 充值后重试 |
| 模型不存在(HTTP 404) | 模型名写错或已下架 | python3 scripts/run.py models 现查在架模型名 |
配置错误:给了 --budget 就必须给单价 | 预算没有单价就没意义 | 补 --price-in / --price-out(点/百万 token) |
!! 预估成本 … 已超过 --budget … 就地中止 | 预估闸门在花钱之前就拦下了 | 跑单平台、调低 --max-tokens,或提高预算 |
!! 已花 … 点,超过 --budget | 真实 usage 累计超了(退出码 5) | 已完成的平台结果仍会输出,从断点继续 |
| 字数标红「不在区间」 | 模型没数准字数。本包的提示词会给一个算出来的「目标字数」(下限 + 35% 区间),实测 5 平台全部达标;但换模型 / 换原稿仍可能偏 | 用 --evidence "更多真实素材" 给它东西写(别加长度约束凑字,那只会换来重复表达);或调 PLATFORMS 里的区间 |
!! 有 N 个平台被硬闸门拦下 | 合规命中等 | 看 stderr 的逐条原因;改完重跑。退出码 3 |
| 合规命中「最X」但你看不出问题 | 可能是程度副词作描述(如「冲突最强的那一段」) | 已知过度报告的残留(同族「播放量最低的」已豁免)。要么改措辞,要么人工确认后放行;不要改成只警告 |
!! 跨平台换皮 | 两个平台的正文太像 | 用 diff 看是哪一对;重跑该平台,或在 --brief 里指定该平台换一个切入角度 |
模型返回的不是合法 JSON | 模型在 JSON 前后多吐了字符 | 脚本已用 json.JSONDecoder.raw_decode 扫第一个完整对象。仍失败就加 --no-json-mode 并换模型 |
模型没返回 choices / 产出为空 | 输出被 max_tokens 截断 | 加大 --max-tokens(公众号长文建议 4096 以上)。注意下面那条推理模型的坑 |
| 换了在架模型后正文被截断、或只吐出一段思考 | 实测 models 列表里的 DeepSeek-V4-Pro 与 DeepSeek-V3.2 是推理模型,会先花 completion token 出思维链再给答案。实测一句两字的回复:DeepSeek-V3.2(路由到 deepseek-v3.2-think)花掉 105 个 reasoning token,DeepSeek-V4-Pro 花掉 54 个 | 用默认的 deepseek-chat(实测非推理、最快);非要用推理模型就把 --max-tokens 提高 1.5~2 倍 |
HTTP 200 但 model:null、内容为空、usage 为空 | 实测把 deepseek-flash(deepseek-chat 的路由目标名)当请求名用就是这个结果——静默失败,状态码骗人。脚本会报「模型没返回 choices」而不是产出空文件 | 请求名用 deepseek-chat;要换模型就用 models 列表里的名字(如 DeepSeek-V4-Flash) |
参数错误:找不到原稿文件 / 结果文件不是合法 JSON(退出码 2) | 路径写错,或 diff / cost --from-result 拿到的不是本包生成的结果文件 | 这两个命令要的是 rewrite --json --out 生成的结果文件,不是原稿。检查路径 |
| 原稿第一个字是乱码 / 字数偏 1 | UTF-8 BOM(Windows Out-File、记事本另存为) | 脚本已自动剥掉 BOM;若仍异常,把原稿另存为「UTF-8 无 BOM」 |
| Windows 下中文乱码 | 控制台代码页不是 UTF-8 | chcp 65001,或加 PYTHONIOENCODING=utf-8 |
收集排错信息时请附上:完整命令、--dry-run 的输出、原始报错文本、退出码。
不要在报错信息或截图里带上你的 API Key。
文件结构
sanjianke-multiplat-rewrite/
├── SKILL.md 本文件
├── README.md 给人看的说明
├── LICENSE.md MIT,署名三剪客
├── references/
│ ├── platform-specs.md 五个平台的完整规格表
│ ├── rewrite-methodology.md 改写方法论:什么叫按平台重写结构
│ └── compliance.md 合规红线、违禁词、平台特有红线
└── scripts/
├── a7w.py api.a7w.cn 零依赖客户端
└── run.py 改写 / 方案 / 对比 / 成本 / 模型清单
端点速查
| 用途 | 方法与路径 |
|---|---|
| 大模型对话(本包全部能力都走这个) | POST https://api.a7w.cn/api/v1/chat/completions |
| 模型清单 | GET https://api.a7w.cn/api/v1/models |
| 计费规则表(实测不含文本模型) | GET https://api.a7w.cn/api/v1/pricing |
协议是 OpenAI 兼容:Authorization: Bearer <Key>,请求体用model / messages / temperature / max_tokens / response_format。
联系我们
- 技术微信:9872659 —— 加好友时说一下是从哪个 Skill 找过来的,直接给你配套的 API Key 与能跑的示例。
- 要算力 / 要 API Key:算力集市 · 注册领 API Key —— 一个 Key 调用全部 AI 算力,注册、充值、创建 Key 都在这里。
- 更多 AI 插件与接口:AI 插件市场。
相关链接
- 算力集市 api.a7w.cn(注册领 Key):https://api.a7w.cn/
- 五个平台的完整规格表:
references/platform-specs.md - 改写方法论(什么叫按平台重写结构):
references/rewrite-methodology.md - 合规红线与违禁词:
references/compliance.md
免责声明:本包内置的违禁词表与判定口径是启发式自检工具,来自公开经验整理,
不构成法律意见,也不代表任何平台的官方审核标准(官方标准不公开、且会变)。
内容的使用与合规责任由使用者承担;医疗、保健食品、金融、母婴、特殊化妆品等
高风险类目必须人工复核。