简体中文 · English
SmartDohub 是一套为个人创作者和内容团队准备的 本地优先 Creator OS。它把抖音与微信公众号素材带进同一个选题池，再沿着对应的内容形态完成打分、修订、发布前预测、发布和复盘。
它不只帮你“收集更多”，更重要的是保留每次判断的依据：评分与预测彼此分离，正式预测不会被事后数据改写，复盘也不会倒灌污染原始结论。
| 一套选题池 | 两条创作闭环 | 可追溯的判断 | 数据归你 |
|---|---|---|---|
| 抖音、公众号和手动导入的素材统一汇总、判断和分流。 | 口播稿与公众号文章使用各自的评分标准和工作台。 | 临时评分、正式 ScoreRun、预测版本与复盘证据边界清晰。 | 稿件、配置、凭据和运行数据保存在本机，不依赖 SmartDohub 云端。 |
flowchart LR
A[抖音 / 微信 / 导入] --> B[统一选题池]
B --> C{选择输出形态}
C --> D[抖音口播闭环]
C --> E[公众号文章闭环]
D --> F[可信评分]
E --> F
F --> G[修订与正式预测]
G --> H[发布与表现快照]
H --> I[复盘与 Rubric 演进]
在同一套工作流中管理抖音博主、微信公众号和文章正文。采集器直接运行在 SmartDohub 进程中，不需要额外 sidecar 服务。
把不同来源的素材放在一个决策面板里，按“抖音口播”或“公众号文章”分别评估，避免平台素材与最终表达形式混在一起。
先保存可信 ScoreRun，再生成并确认正式预测；发布后的表现快照和复盘只追加新证据，不覆盖当初的判断。
- 双渠道采集：抖音作品、微信公众号文章、正文与账号信息进入本地素材库。
- 统一选题决策：跨来源筛选候选素材，再选择目标内容形态。
- 可信盲评：只使用当前稿件快照与干净 Rubric，不读取后验表现数据。
- 评分历史：ScoreRun 显式保存，用户纠偏保留原始 AI 结果和审计记录。
- 正式预测：预测必须绑定有效 ScoreRun，经用户确认后成为不可覆盖的版本。
- 发布与复盘：生产、发布、表现快照和 Retro 使用追加式记录，纠错不抹除历史。
- Rubric 演进：候选规则需经过全量盲评、排序门槛、独立模型审核和用户确认。
- 公众号排版：将 Markdown 转成适合微信公众号编辑器的固定格式富文本。
- Windows 10 或 Windows 11
- PowerShell 5.1+
- Python 3.10+
- Node.js 18+ 与 npm
git clone https://github.com/BaekElk19/SmartDohub.git
cd SmartDohub
.\bootstrap.ps1
.\run.ps1打开 http://127.0.0.1:8765。首次进入后，在“AI 与系统设置”中配置模型；需要采集平台内容时，再按页面提示完成对应登录。
bootstrap.ps1 会创建 Python 虚拟环境、安装依赖、初始化缺失的模板并构建 React 前端。后续启动只需运行 run.ps1。
SmartDohub 没有自建云端后端，运行数据默认位于仓库内已忽略的 data/ 与 scripts/ 目录。Cookie、平台凭据、LLM Key 和个人稿件不会进入发布包。
以下操作仍会访问外部服务：
- 从抖音或微信采集公开内容及账号授权内容；
- 调用你在设置中配置的 LLM 提供商；
- 下载媒体或模型文件。
请遵守平台条款、内容版权要求及所在地法律，不要把真实凭据提交到 Git。
当前版本为 2.0.0-rc.4。无凭据的 L0-L4 编译、离线测试、生产构建、fixture HTTP 合约、发布包审计与隔离冷启动已经通过。
正式 2.0.0 发布前仍需由真实账号所有者完成 L5 验收，包括微信登录与文章/指标链路、抖音 Cookie 与采集链路，以及过期凭据、验证码和平台风控恢复。详情见 L5 验收说明。
欢迎提交 Bug、产品建议和小而清晰的 Pull Request。开始前请阅读 贡献指南。
SmartDohub 以 GNU AGPL-3.0 发布。内联采集器包含经过整理的上游代码，完整来源锁定与第三方许可证见 NOTICE.md 和 third_party/。