Leadbook

用于把一个商业主题写成独立、高质量、可公开传播的中文短书或白皮书。它继承 tech-book 的工程化写书骨架，但输出目标从技术出版改为普适商业认知与行动资产。

核心边界

• 正文必须独立成立：读者不购买任何产品，也能完整受益。
• 正文禁止硬 CTA：不写“加企微”“领取资料”“购买课程”“咨询我”等转化话术。
• 正文不绑定大鹏的分身系统、课程、定制、企业培训。
• 书外可以生成 distribution-note.md 和 private-domain-pack.md，但它们不得进入正式 PDF。
• 第一版默认写 30-50 页中文短书，不做 200 页大部头。
• Core 链路只依赖 Python 标准库，可完成脚手架、章节同步、Markdown 导出和质量检查。
• 通用模式默认使用公开 Web；小红书、公众号采集、Nowledge、Obsidian 和 Vault 都是可选 Provider，缺失时不得阻塞成书。
• 正式 PDF 可选使用 $kami 的中文 long-doc.html 风格：暖纸底、ink-blue、克制 editorial 排版。
• 正文配图优先使用 Kami 信息图：结构、流程、对比、公式、清单。$imagegen 主要用于封面、章节扉页和书外分发图。

快速开始

新建一本书时，优先运行脚手架：

LEADBOOK_SKILL_DIR="/path/to/installed/leadbook"
python3 "$LEADBOOK_SKILL_DIR/scripts/scaffold_leadbook.py" \
  "/path/to/books/超级个体商业操作系统" \
  --title "超级个体商业操作系统" \
  --content-profile methodology-book \
  --voice-profile product-architect \
  --author "大鹏"

脚手架会复制 assets/repo-template/，自动同步章节并生成带安全标记的标准 book repo。--force 只允许替换带 .leadbook-project.json 标记的既有 Leadbook 项目。之后按阶段工作，不要直接在聊天里散写全文。

完整成书属于耐久任务。每个 Phase 完成后运行 python3 scripts/leadbook-stage.py mark <phase>，把可恢复检查点写入 .leadbook-run.json。恢复时先运行 python3 scripts/leadbook-stage.py next，从第一个未完成阶段继续。具体规则见 [执行检查点](references/execution-checkpoints.md)。

运行前按需读 [运行时与隐私边界](references/runtime-and-privacy.md)。Kami、小红书和公众号采集都是可选 Provider，不阻塞 Core 链路。

工作流

Phase 1：Book Brief

先写清楚这本书为什么存在。产出并维护：

• BOOK_BRIEF.md：书名、副标题、目标、边界、完成标准。
• READER_PROFILE.md：读者是谁、处境、痛点、阅读动机。
• POSITIONING.md：核心主张、反常识判断、竞争性视角。
• book-state.yaml：章节状态、证据状态、输出状态和交付成熟度。
• VISUAL_PLAN.md：正文信息图、封面视觉、章节扉页和输出路径。
• IMAGEGEN_BRIEF.md：仅用于 $imagegen 位图视觉，不用于正文信息图。
• src/INTRODUCTION.md：读者可见开场。正式写作时删除模板标记，写入真实处境、问题重定义和阅读路径。

如果用户只给书名，先根据书名拟一版 brief，再指出缺口。不要把缺口脑补成事实。

BOOKBRIEF.md 必须写清 contentprofile、voiceprofile 和 voiceanchor。书型决定结构，专家文风决定读者感受到“谁在说”，名人锚点负责把 Agent 快速拉进具体思考姿态。没有 voice profile 和 voice anchor，书会退化成资料汇编。

BOOK_BRIEF.md 还必须写清 opening contract 和 chapter rhythm。一本商业书不是把章节模板重复 6 次；它要先把读者带进一个真实处境、误判或反常识 tension，再说明这本书会怎样推进判断。没有 opening contract，正文很容易从第一页开始就像工作坊手册。

Agent 默认自主推进：只给书名时，先生成 v0 brief、v0 evidence plan 和 v0 outline，并在文件里标记 assumptions。不要把可逆判断交给用户。只有作者真实经历、私密案例、商业承诺、身份背书、不可逆定位会显著改变事实边界时，才停下来确认。

Phase 2：Research & Evidence

资料先行。正式写作前先读 references/research-stack.md，按最小最强工具集建立证据链。写作前维护：

• SOURCE_MAP.md：调研来源地图，记录来源层级、工具、关键词、用途和权重。
• AUTHORITY_ACCOUNTS.md：领域权威公众号/作者/机构地图，先确认值得抓取的账号，再抓文章。
• CLAIM_LEDGER.md：关键事实、数据、判断、来源和可信度。
• CASE_LIBRARY.md：案例、反例、场景、可公开程度。
• BEHAVIORSEEDPLAN.md：从 brief / reader / positioning / outline 自动推导行为层采集对象。
• BEHAVIOR_LEDGER.md：招聘、活动、公开项目、合作公告等行为信号。
• TRANSACTION_LEDGER.md：定价页、产品页、报名页、交付边界、购买异议等交易信号。
• bibliography.md：参考来源。
• 每章 src/chapter-xx/refs.md 和 cases.md。

默认从公开 Web 完成 L1、L3、L4、L5 四层证据。只有用户明确需要且环境真实可用时，才增加小红书、公众号或本地内容 Provider。公开来源必须记录能直接打开的具体 URL；搜索关键词、网站名、平台首页和“公开案例页”不算证据。

搜索年份使用当前年份和近三年，不写死年份。市场数据、平台规则、行业事实必须进 CLAIM_LEDGER.md。不能核验的数据写数量级或标记缺口。

默认证据层级：

1. L1-fact：高权重事实来源，用于行业数据、平台规则、政策、公司信息、报告。
2. L2-demand：小红书、公开评论、问答，用于用户痛点原话、标题钩子、评论反对意见、收藏/评论/转发信号。
3. L3-behavior：招聘 JD、活动议程、公开项目、合作公告，用于判断市场真实动作和组织资源配置。
4. L4-transaction：定价页、产品页、报名页、交付边界、购买异议，用于判断付费意愿和引流品定位。
5. L5-discourse：公众号、博客、访谈、对标作者，用于观点谱系、案例素材和叙事结构。
6. L6-owned：Nowledge / Obsidian / Vault，用于低权重内部上下文、自有案例、历史项目、用户原话或场景补充。

Nowledge/Obsidian 不作为高权重信息源。不得用它们单独支撑市场事实、行业判断、平台规则或高置信数据；如确实使用，优先写入 CASE_LIBRARY.md，并标记为自有案例、历史经验或场景。

小红书调研使用本地 REST fallback。当前 xiaohongshu-mcp 的 MCP search_feeds 工具可能超时；当搜索不稳定时，直接运行：

python3 scripts/xhs-research.py \
  "个人IP打造" "内容获客" "中小企业AI落地" \
  --limit 20 \
  --details 5

脚本会生成 research/xhs/.md 和 research/xhs/.json。把其中的平台事实和高频问题写入 CLAIMLEDGER.md，把可复用案例、反例、读者场景写入 CASELIBRARY.md。小红书材料只能作为需求侧和内容侧证据；涉及行业事实、市场规模、政策规则时必须再用权威来源交叉验证。

公众号调研必须先做 AUTHORITY_ACCOUNTS.md。先用通用 Web 搜索或 $wechat-article-search 发现专家、机构、媒体、操盘者和反方声音，再用 $wxmp-article-harvester 对已确认账号批量归档。商业、运营、平台和 AI 相关主题默认抓最近 365 天文章；经典理论可补更早文章，但必须标记为 evergreen。

正确流程是：关键词发现 → 确认账号 → 批量归档 → 本地关键词筛选。网页和单篇公众号链接用通用网页抓取工具落地。所有资料都要回填到 SOURCEMAP.md；只有被实际引用的事实才进入 CLAIMLEDGER.md，避免把资料堆积误认为研究完成。

正式正文必须做证据去后台化：不要把“需求侧样本”“公众号元数据”“线索”“文章池”写给读者。后台材料要翻译成具体来源、具体场景、具体判断和边界。规则见 references/research-stack.md。

Phase 2 完成不等于“资料很多”。证据真正闭环的最低标准是：

• bibliography.md 已形成读者可见参考页，不只是几条占位列表。
• 每个写入 book-state.yaml 的章节 refs / cases 数，都已经回填到对应 src/chapter-xx/refs.md 和 cases.md。
• outputs.references 只有在读者可见参考页和章节映射都闭环后才能标 true。
• SOURCE_MAP.md 中标记 used/selected/fetched/exported/done 的来源都有具体 URL。
• CLAIMLEDGER.md 的 fact、BEHAVIORLEDGER.md 和 TRANSACTION_LEDGER.md 的有效记录都能回到具体 URL。

行为层和交易层由 Agent 自动推导，不默认要求用户提供公司名或关键词。Agent 从 BOOKBRIEF.md、READERPROFILE.md、POSITIONING.md、OUTLINE.md、SOURCE_MAP.md 生成采集方向。用户只在行业取向、竞品范围或不可逆定位会改变书的立场时介入。

Phase 3：Framework & Outline

根据书型选择 contentprofile，根据作者姿态选择 voiceprofile，再用 voice_anchor 指定最典型的名人锚点。详细规则见 references/profiles.md。

生成 OUTLINE.md 时：

• 用 ## 表示正式章节。
• 章节路径统一为 chapter-01、chapter-02，不要用中文标题生成路径。
• 每章写清：这一章在整本书里的任务。它是重定义、论证、建模、案例、步骤、边界还是收束。
• 每章写清：结论或判断、读者问题、证据或来源、案例或反例、行动产出、作者判断。
• 每章写清：至少 1 个可视化机会。如果没有，也要说明为什么文字更清楚。
• 目录要体现读者路径，而不是只罗列概念名。需要时按 Part / 阶段组织。

整本书默认要有一个 reader-facing opening block，放在正文正式章节之前。它至少回答四件事：

1. 读者正处在什么真实场景或误判里。
2. 这本书到底要重新定义什么问题。
3. 读完以后读者会获得什么新判断和行动框架。
4. 这本书会怎样推进，不是简单罗列目录。

运行：

python3 scripts/sync-summary.py

这会生成 src/SUMMARY.md，创建章节目录，并以 merge 方式同步 book-state.yaml，保留已有研究、输出和章节进度。

Phase 4：Chapter Writing

每章作为一个独立写作检查点。每次只加载：

1. OUTLINE.md
2. BOOK_SUMMARY.md
3. 当前章 refs.md
4. 当前章 cases.md
5. glossary.md
6. CLAIM_LEDGER.md 的相关条目

章节不再强制使用同一套标题骨架。统一标题会把白皮书、研究报告和 playbook 都压成课程手册。每章必须满足 chapter contract，但呈现结构按 content_profile 和章节任务调整。

每章必须包含这些内容，可以换标题、合并段落或换顺序：

• 结论或判断：本章直接给出什么判断。
• 读者问题：读者在什么具体场景里需要这一章。
• 证据或来源：事实、案例、行为信号、交易信号或需求材料来自哪里。
• 案例或反例：公开案例、自有案例、行为信号、交易信号或假设案例，并标明边界。
• 行动产出：读者读完能得到一个判断、步骤、清单、模板、自测或路线图。
• 作者判断：体现 voice_profile 的取舍、边界和立场。

正文不等于 workbook。能放进 dist/worksheets/、附录或章节尾工具箱的填写任务，不默认占正文主结构。只有 playbook 和 course-manual 才应高频使用练习、自测、模板块；methodology-book、whitepaper、business-report 优先保证论证推进、节奏变化和作者判断。

推荐结构按书型选择：

• methodology-book：问题定义 → 旧框架失效 → 系统模型 → 案例/反例 → 行动原则。
• whitepaper：事实背景 → 趋势判断 → 证据链 → 风险边界 → 对读者的影响。
• playbook：场景 → 错误做法 → 步骤 → 模板/清单 → 停手条件。
• course-manual：学习目标 → 解释 → 示例 → 练习 → 检查标准。
• research-analyst：数据断言 → 趋势判断 → 二阶影响 → 反方证据 → 边界条件。

全书需要足够的 toolbook 元素：对比表、步骤、提示框、错误清单、模板块、自测题、案例框、信息图。但不要为了凑数量把每章压成工作表。一般每章 1-2 个高价值元素就够；playbook 和 course-manual 可以提高密度，methodology-book、whitepaper、business-report 以判断推进和阅读节奏为先。

每章完成后更新 BOOK_SUMMARY.md 和 book-state.yaml。没有更新摘要和状态，不算完成。

六章以上或要求 PDF 的任务不得把研究、全书写作、构建和视觉 QA 压在一个不可恢复的长回合里。至少在 research、outline、writing、build、visual-qa 后写检查点；后台会话提前结束时，从 .leadbook-run.json 继续，不重新研究或重写已完成章节。

章节初始文件带 <!-- leadbook-template: chapter --> 标记。正式写作时删除该标记；Markdown 导出会自动跳过仍是模板的未写章节，让 draft 适合逐章 WIP。

更新状态时，book-state.yaml 里的 refs / cases 必须和对应 refs.md / cases.md 的真实有效记录一致。不能只在状态表里写“本章有 3 条 refs”，但章节证据文件仍停留在模板占位。

Phase 5：Review & Quality Gate

正式合并前读 references/quality-gates.md。先合并正文，再跑正文底线检查：

python3 scripts/export-markdown.py
python3 scripts/check-leadbook.py --target draft dist/book.md

leadbook 有三档完成状态，不能混用：

• draft：正文可读，适合继续写作和内部修改；允许证据、视觉和附件未闭环。
• review-ready：主书完整，Markdown / HTML / PDF 可评审；参考资料、证据表、信息图、字体和状态表齐全。
• publish-ready：整套公开分发包完整；公众号/权威来源达到主题要求，工作表、参考资料页、书外分发说明和私域承接包全部完成。

只写完正文时，最多汇报 review-ready。没有通过 publish-ready 检查，不得说“可公开发布”“可作为完整引流品交付包”。

draft 检查重点：

• 正文是否独立成立。
• 是否出现硬 CTA 或产品绑定。
• 关键事实是否能回到 CLAIM_LEDGER.md。
• 正文是否把后台证据语言翻译成读者语言。
• voiceprofile 和 voiceanchor 是否形成专家口吻，而不是资料汇编。
• 是否有空泛商业词。
• 每章是否有结论、问题、模型、案例、行动建议。
• book-state.yaml 是否准确记录证据、输出和交付状态。
• 如果 outputs.references=true 或 quality.reference_page=true，必须已经有像样的读者参考页，并且章节 refs.md / cases.md 不是空模板。
• 如果 wxmp_pack 仍是 partial，只能标为 draft 或 review-ready，不能标为 publish-ready。

draft 在构建前运行，允许 VISUAL_PLAN.md 中已经登记 Output Path 的 SVG / section image 尚未生成；检查器只给 warning。进入 review-ready 后，所有必填视觉资产必须真实存在。

Phase 6：Build & Kami Output

合并正文：

python3 scripts/export-markdown.py

生成或更新 Kami 信息图：

python3 scripts/generate-kami-diagrams.py

Leadbook 信息图必须采用当前 $kami 的 diagram primitive 逻辑：图是嵌入正文的 SVG 结构素材，不是带边框、水印和内部大标题的大卡片。生成器必须保持：

• 已安装 Kami 时使用当前主线 Skill，默认路径 ~/.agents/skills/kami；未安装时保留 Core Markdown 能力并使用内置基础 HTML 模板。
• 不写 Kami information diagram、模板名、水印或无关备注。
• 不在图内重复大标题；标题和解释交给正文段落与 caption。
• SVG 在 HTML/PDF 中按正文宽度输出，可见图形区域也要贴近正文宽度，不能只让透明画布变宽。
• 节点内中文必须居中、可读、不出框；长标签先改短，再换行。
• 箭头、节点、分隔线按固定网格落点；不能出现肉眼可见的漂浮箭头、错位、遮挡。

如果需要封面或章节扉页视觉，使用 $imagegen 生成位图，复制到 assets/images/，并回填 IMAGEGEN_BRIEF.md。正文解释性配图默认不用 $imagegen，用 Kami SVG 信息图。

生成 Kami HTML：

python3 scripts/export-kami-html.py dist/book.md dist/book.html

渲染 PDF：

python3 scripts/render-pdf.py dist/book.html dist/book.pdf

生成逐页视觉 QA 清单和页面图片：

python3 scripts/prepare-pdf-visual-audit.py

必须实际查看 dist/qa/contact-sheet.png 和逐页 PNG，把每页 Checked、Issues、Fix Status 与图表 ID 填完，将 audit_state 改为 passed。自动渲染只准备清单，不代表视觉通过。

输出阶段读 references/kami-output.md。PDF 里只放正式书籍正文和必要附录。distribution-note.md、private-domain-pack.md 只作为书外运营物料保存。

主书评审前必须运行：

python3 scripts/check-leadbook.py --target review-ready --update-state dist/book.md

公开发布前必须运行：

python3 scripts/check-leadbook.py --target publish-ready --update-state dist/book.md

只有带 --update-state 且返回 0 的检查器能把成熟度升级，并在 dist/qa/gates/ 写入与当前 Markdown、HTML、PDF、视觉审计和参考资料摘要绑定的 receipt。正文、HTML、PDF 或参考资料变化后旧 receipt 自动失效；禁止手工把 reviewready / publishready 改为 true。

publish-ready 会检查整个项目，不只检查正文：book-state.yaml、公众号/权威账号状态、参考资料页、dist/worksheets/、distribution-note.md、private-domain-pack.md、HTML/PDF 和视觉资产都会进入硬门。若某个主题明确不需要公众号证据，必须在汇报里说明，并显式使用 --allow-partial-wxmp，不能默认跳过。

review-ready 和 publish-ready 都会检查章节证据映射：如果 book-state.yaml 声明某章已有 refs 或 cases，但对应 src/chapter-xx/refs.md / cases.md 仍是空模板，检查必须失败。整本书不能只在 CLAIMLEDGER.md 和 CASELIBRARY.md 里堆后台材料。

publish-ready 还会默认检查行为层和交易层：BEHAVIORLEDGER.md 至少 3 条有效行为信号，TRANSACTIONLEDGER.md 至少 3 条有效交易信号，且 book-state.yaml 标记闭环。若主题明确不需要其中一层，必须在汇报里说明，并显式使用 --allow-missing-behavior 或 --allow-missing-transaction。

自动检查通过不等于视觉通过。宣称 review-ready 或 publish-ready 前，必须把 PDF 渲染成页面图片，至少逐页检查所有含图页面：正文宽度、图内文字、caption、分页、封面和目录。检查结果必须写入 dist/qa/pdf-visual-audit.md。没有页面级视觉 QA 审计文件，不得说成书可交付。

书外运营物料

当用户明确要“文章末尾怎么介绍这本书”“私域怎么承接”时，生成：

• dist/distribution-note.md：书籍定位、适合读者、读完能得到什么、文章末尾介绍和分发边界，不写进 PDF。
• dist/private-domain-pack.md：欢迎语、标签问题、读者分层、后续内容和边界说明，不写进 PDF。
• dist/worksheets/：至少一份读者可填写或可执行工作表，必须和主书核心模型直接对应。

这些材料服务分发，不改变书的正文。

资源说明

• scripts/scaffold_leadbook.py：创建新 leadbook repo。
• assets/repo-template/scripts/xhs-research.py：通过本地 xiaohongshu-mcp REST API 采集小红书搜索、笔记详情和评论样本，作为调研证据包。
• assets/repo-template/scripts/generate-kami-diagrams.py：根据 VISUAL_PLAN.md 生成新版 Kami SVG primitive 信息图。
• assets/repo-template/scripts/prepare-pdf-visual-audit.py：渲染全部 PDF 页面、生成 contact sheet 和逐页视觉 QA 清单。
• assets/repo-template/scripts/leadbook-stage.py：记录并验证可恢复阶段检查点。
• assets/repo-template/：每本书项目的模板和脚本。
• assets/repo-template/BEHAVIORSEEDPLAN.md：行为层自动推导计划模板。
• assets/repo-template/BEHAVIOR_LEDGER.md：行为层信号账本模板。
• assets/repo-template/TRANSACTION_LEDGER.md：交易层信号账本模板。
• assets/repo-template/dist/qa/pdf-visual-audit.md：PDF 页面级视觉 QA 审计模板。
• references/research-stack.md：最小最强调研工具集、权威账号地图、证据层级和来源权重规则。
• references/profiles.md：内容 profile 和专家 voice profile。
• references/quality-gates.md：正文质量门和禁区。
• references/kami-output.md：Kami 排版输出规则。
• references/runtime-and-privacy.md：Core/Optional Provider、依赖、凭证和隐私边界。
• references/execution-checkpoints.md：长任务阶段门、恢复方式与完成状态事务。
• tests/test_leadbook.py：Core、安全、状态、视觉和隐私回归测试。
• evals/evals.json：代表性调用与预期行为。