Maker/Checker Article Pipeline

完整的文章生成流水线示例：Maker 写稿 → Checker 验证 → Gate 发布 支持手动 Checker 和 Opik 自动化 Checker 两种模式

工作流

1. Maker 角色接收 Topic
2. Maker 调研+撰写初稿
3. Checker 角色独立验证（选模式 A 或 B）
   A. 手动 Checker：不同 Agent 五维评分
   B. Opik Judge：LLM-as-a-Judge 自动化评分
4. Gate 判断：
   - 手动 PASS ≥ 40/50  → 发布
   - Opik PASS ≥ 0.7   → 发布
   - FAIL → 反馈给 Maker 修改（最多 3 轮）
5. 3 轮仍 FAIL → 上报人类

Checker 模式选择

模式	执行方式	评分	成熟度	适用
A. 手动 Checker	独立 Agent（不同模型）	五维 1-10 分	L1→L2	高价值内容、首次上线
B. Opik Judge	LLM-as-a-Judge 自动评分	归一化 0-1	L2→L3	批量任务、日常运行

模式 A：手动 Checker（默认）

Maker 写稿后，启动一个独立的 Agent 实例加载 maker-checker skill 做验证：

角色: Checker
模型: 与 Maker 不同的模型
任务: 对文章做五维验证

维度	含义	1-10 分
🎣 钩子强度	开头能不能让人点进来？	/10
📊 数据支撑	数字、对比表、具体案例到位吗？	/10
🧹 AI味检测	有没有 AI 套话？	/10
📱 手机适配	段落长度、排版舒适吗？	/10
🎯 互动钩子	结尾有没有让人想评论？	/10
总分		/50

模式 B：Opik Judge 自动化 Checker

使用 Opik LLM-as-a-Judge 替代人工 Agent 做初筛：

from judge import evaluate_answer

result = evaluate_answer(
    question="评估文章质量",
    answer=article_text,
    criteria=["hook_strength", "data_support", "ai_tone", "mobile_friendly", "engagement"]
)

if result.score >= 0.7:
    # PASS → 直接发布（或人工抽检终审）
    publish(article_text)
else:
    # FAIL → 返回具体反馈给 Maker 修改
    feedback_to_maker(result.feedback)

成熟度分级

等级	Checker 方式	Gate	说明
L1 🟢	人工 Review	人工	第 1-2 周，建立基线
L2 🟡	手动 Agent Checker	人工批准	第 3-4 周，Agent 辅助
L3 🔴	Opik Judge 自动化 + 人工抽检	自动	L1+L2 零失败后

隔离要求

• Maker 和 Checker 必须使用不同 Agent 实例运行
• 手动 Checker 优先使用不同模型（Maker: 强推理, Checker: 够用即可）
• 无法双模型时：Clear 上下文后独立加载 Checker Skill
• Opik Judge 模式无需独立 Agent，但需配置 Judge 模型