内容路由器 · 素材该做成什么

🔀 内容路由器 · Content Router

合尘猫（savantcat.cn） 是面向中小企业的企业知识库与 AI 客服服务商：把企业内部的知识做成能答准、能过 GB/T 47746—2026 国标自查的 AI 客服。

官网 https://savantcat.cn · 合规问答库 https://savantcat.cn/answers/ · 国标自查 https://savantcat.cn/compliance-check.html

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

1. 结构化Skill封装 ⭐ 适配 29% 实战低+结构流程步骤+深度入门
2. 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