---
slug: "whatsapp-style"
name: "whatsapp-style"
version: 1.0.1
displayName: "WhatsApp样式工具-专业版"
summary: "企业级WhatsApp格式化平台,支持样式预设/批量转换/团队规范/多平台适配。WhatsApp样式工具专业版,面向企业和专业团队的高级消息格式化平台。核心能力: - 全部WhatsApp格"
summary_zh: "企业级WhatsApp格式化平台,支持样式预设/批量转换/团队规范/多平台适配。WhatsApp样式工具专业版,面向企业和专业团队的高级消息格式化平台。核心能力: - 全部WhatsApp格"
license: "MIT"
edition: "pro"
description: |-
  WhatsApp样式工具专业版,面向企业和专业团队的高级消息格式化平台。核心能力:
  - 全部WhatsApp格式语法支持(加粗/斜体/删除线/等宽体/列表/引用)
  - 自定义样式预设与消息模板管理
  - 批量格式转换,支持文件级处理
  - 团队样式规范与一致性校验
  - 多平台格式适配(WhatsApp/Telegram/Slack)
  - 实时格式预览与智能修复
  - 格式审计日志与版本管理

  适用场景:
  - 企业客服团队的统一消息样式规范
  - 营销消息批量格式化与质量管控
  - 多渠道消息格式自动适配
  - 消...
tags:
  - 沟通协作
  - 消息样式
  - WhatsApp
  - 企业级
  - 批量转换
  - 格式规范
  - 社交
  - 通信
  - rule
  - message
  - self
  - whatsapp
  - violations
tools:
  - read
  - exec
  - write
homepage: ""
category: "Communication"
---
# WhatsApp样式工具-专业版

## 付费版专享能力

| 能力 | 免费版 | 付费版 |
|---|---|---|
| 基础功能 | 支持 | 支持 |
| WhatsApp样式工具-专业版WhatsApp格式化 | 不支持 | 支持 |
| WhatsApp样式工具-专业版批量转换 | 不支持 | 支持 |
| 多渠道消息批量发送 | 不支持 | 支持 |
| 消息模板与变量注入 | 不支持 | 支持 |
| 送达状态实时回调 | 不支持 | 支持 |

## 核心能力

### 1. 自定义样式预设
创建和管理可复用的样式预设,团队共享统一的消息风格.
> 详细代码示例已移至 `references/detail.md`

**输入**: 用户提供自定义样式预设所需的指令和必要参数.
**处理**: 解析自定义样式预设的输入参数,执行核心处理逻辑,返回结构化结果和执行状态.
### 2. 批量格式转换
支持文件级和目录级的批量格式转换,大幅提升运营效率.
**输入**: 用户提供批量格式转换所需的指令和必要参数.
**输出**: 返回批量格式转换的处理结果,包含执行状态码、结果数据和执行日志.
### 3. 多平台格式适配
将同一内容自动适配为不同平台的消息格式.
**输入**: 用户提供多平台格式适配所需的指令和必要参数.
**处理**: 解析多平台格式适配的输入参数,执行核心处理逻辑,返回结构化结果和执行状态.
**输出**: 返回多平台格式适配的处理结果,包含执行状态码、结果数据和执行日志.
### 4. 团队样式规范
定义团队统一的消息样式规范,自动校验消息一致性.
```python
class TeamStyleGuide:
    """团队样式规范管理器"""
# ...
    def __init__(self, org_name: str):
        self.org_name = org_name
        self.rules = {
            "required_elements": [],
            "forbidden_patterns": [],
            "style_guidelines": []
        }
# ...
    def add_rule(self, category: str, rule: dict):
        """添加样式规则"""
        self.rules[category].append(rule)
# ...
    def validate(self, message: str) -> dict:
        """校验消息是否符合团队规范"""
        violations = []
        import re
# ...
        for rule in self.rules["forbidden_patterns"]:
            if re.search(rule["pattern"], message, re.MULTILINE):
                violations.append({
                    "rule": rule["name"],
                    "severity": rule["severity"],
                    "message": rule["message"]
                })
# ...
        for rule in self.rules["required_elements"]:
            if not re.search(rule["pattern"], message):
                violations.append({
                    "rule": rule["name"],
                    "severity": "warning",
                    "message": f"缺少必需元素: {rule['description']}"
                })
# ...
        return {
            "compliant": len(violations) == 0,
            "violations": violations,
            "message_length": len(message)
        }
# ...
guide = TeamStyleGuide("优品商城")
# ...
guide.add_rule("required_elements", {
    "name": "company_footer",
    "pattern": r"优品商城",
    "description": "消息须包含公司名称"
})
# ...
guide.add_rule("forbidden_patterns", {
    "name": "no_double_asterisk",
    "pattern": r'\*\*',
    "severity": "error",
    "message": "禁止使用双星号加粗,请用单星号"
})
# ...
guide.add_rule("forbidden_patterns", {
    "name": "no_markdown_headers",
    "pattern": r'^#{1,6}\s',
    "severity": "error",
    "message": "禁止使用Markdown标题"
})
# ...
test_message = "*订单通知* 您的订单已确认。- 优品商城"
result = guide.validate(test_message)
print(f"校验结果: {result}")
```

#
## 快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

> 详细的输入输出格式请参考下方章节说明。

## 适用场景

### 场景一:客服团队统一消息风格
企业客服团队使用样式预设确保所有客服消息风格一致.
```python
manager = StylePresetManager()
# ...
manager.create_preset("cs_welcome", "service", """*"style_result" 客服中心*
# ...
您好 "style_metadata"!
# ...
_我是您的专属客服 "style_status"_
# ...
请问有什么可以帮您?
1. 查询订单
2. 售后服务
3. 产品咨询
# ...
manager.create_preset("cs_closing", "service", """*感谢您的咨询*
# ...
_希望本次服务对您有帮助_
# ...
如有其他问题,随时联系我们.
# ...
welcome_msg = manager.apply_preset("cs_welcome", {
    "company": "优品商城",
    "customer_name": "张三",
    "agent_name": "小李"
})
print(welcome_msg)
```

### 场景二:营销内容批量格式化
营销团队将一批Markdown格式的活动文案批量转换为WhatsApp格式.
```bash
python3 batch_convert.py --input ./campaigns/july/ --output ./campaigns/july_whatsapp/
# ...
```

### 场景三:多渠道消息一键适配
同一内容一次编辑,自动适配WhatsApp、Telegram和Slack三个平台.
```python
adapter = MultiPlatformAdapter()
# ...
content = """*产品发布会邀请*
# ...
我们诚挚邀请您参加新品发布会.
# ...
*活动详情*
1. 时间:7月25日 14:00
2. 地点:线上直播
3. 主题:2026年度新品发布
# ...
adapted = adapter.adapt_multi(content)
# ...
for platform, text in adapted.items():
    print(f"\n{'='*40}")
    print(f"平台: {platform}")
    print(f"{'='*40}")
    print(text)
```

## 使用流程

### 从免费版升级
```bash
skill-platform skills install whatsapp-style-tool-pro
skill-platform gateway restart
# ...
```

### 全新安装
```bash
skill-platform skills install whatsapp-style-tool-pro
# ...
python3 init_presets.py --org "你的公司名"
# ...
python3 validate_whatsapp_style.py --input test_message.txt --pro
```

#
## 输入格式

| 参数名 | 类型 | 必填 | 说明 |
|:-----|:-----|:-----|:-----|
| content | string | 否 | whatsapp-style处理的内容输入 |, 默认: 全部维度 |
| strict_level | string | 否 | 审查严格度, 可选: strict/normal/loose, 默认: normal |

## 输出格式

```json
{
  "success": true,
  "data": {
    "overall_grade": "A",
    "total_score": 92,
    "max_score": 100,
    "summary": "处理完成",
    "details": [
      {
        "item": "代码风格",
        "status": "pass",
        "score": 95,
        "comment": "符合规范"
      },
      {
        "item": "安全合规",
        "status": "warn",
        "score": 80,
        "comment": "符合规范"
      }
    ],
    "improvements": [
      {
        "priority": "high",
        "suggestion": "建议优化",
        "expected_gain": "+5分"
      },
      {
        "priority": "medium",
        "suggestion": "建议优化",
        "expected_gain": "+3分"
      }
    ]
  },
  "error": null
}
```

## 异常处理

| 错误场景 | 原因 | 处理方式 |
|---:|---:|---:|
| 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 |
| 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 |
| 网络错误 | 连接超时或不可达 | 

## 依赖说明

### 运行环境
- **Agent平台**: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
- **操作系统**: Windows / macOS / Linux
- **Python**: 3.8+(批量转换和预设管理脚本需要)

### 第三方依赖
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|:---:|:---:|:---:|:---:|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
| Python 3.8+ | 运行时 | 推荐 | python.org 下载 |
| pathlib | 标准库 | 必需 | Python内置 |
| re | 标准库 | 必需 | Python内置 |
| json | 标准库 | 必需 | Python内置 |

### API Key 配置
- 本Skill为纯Markdown指令型工具,无需额外API Key
- 所有格式处理在本地完成,不依赖外部服务
- 预设库存储在本地文件系统,无需云端凭证

### 可用性分类
- **分类**: MD+EXEC()
- **说明**: 基于Markdown的AI Skill,通过自然语言指令驱动Agent执行文本格式化任务
- **运行模式**: 纯本地处理,支持批量文件操作和预设管理
- **安全等级**: 不涉及敏感数据;审计日志可选开启;预设库支持版本管理
- **兼容性**: 与免费版(whatsapp-style-tool-free)完全兼容,支持无缝升级

## 案例展示

### 示例1: 基础用法
**输入**:
```json
{
  "content": "示例内容",
  "strict_level": "normal"
}
```
**输出**:
```
评级: B级(良好) - 总分: 85/100
# ...
检查详情:
- 代码风格: 通过(95分) - 检查通过
- 安全合规: 警告(75分) - 检查通过
- 无障碍性: 通过(85分) - 检查通过
# ...
改进建议:
1. [高优先级] 建议优化
2. [中优先级] 建议优化
```

### 示例2: 进阶用法
**输入**:
```json
{
  "content": "示例内容",
  "strict_level": "strict"
}
```
**输出**:
```
评级: C级(及格) - 总分: 70/100
# ...
检查详情:
- 代码风格: 通过(90分) - 检查通过
- 安全合规: 不通过(50分) - 检查通过
- 无障碍性: 警告(70分) - 检查通过
# ...
改进建议:
1. [高优先级] 建议优化
2. [高优先级] 建议优化
3. [低优先级] 建议优化
```

### 示例3: 边界情况 - 边界情况
**输入**:
```json
{
  "content": "示例内容"
}
```
**输出**:
```
评级: D级(不及格) - 总分: 45/100
# ...
检查详情:
- 代码风格: 不通过(40分) - 检查通过
- 安全合规: 不通过(30分) - 检查通过
- 无障碍性: 通过(65分) - 检查通过
# ...
改进建议:
1. [紧急] 建议优化
2. [高优先级] 建议优化
```

## 常见问题

### Q1: PRO版的样式预设可以导出共享吗?
**A:** 可以。预设以JSON格式存储,支持导出和导入。团队可以将预设库共享给所有成员,确保消息风格统一.
```bash
python3 export_presets.py --output team_presets.json
# ...
python3 import_presets.py --input team_presets.json
```

### Q2: 批量转换支持哪些文件格式?
**A:** 支持所有文本格式文件,包括 `.txt`、`.md`、`.text`。对于 `.docx` 等富文本格式,建议先导出为纯文本再进行转换.
### Q3: 多平台适配会改变消息内容吗?
**A:** 不会。多平台适配仅调整格式符号(如加粗符号、列表符号等),不修改消息的文字内容。各平台的消息文本保持一致,仅格式语法有所不同.
### Q4: 团队样式规范可以设置强制执行吗?
**A:** 可以。在配置中设置 `strict_mode: true` 后,不符合规范的消息将被拦截并提示修正。违规记录会写入审计日志,便于追溯.
### Q5: 预设模板支持版本管理吗?
**A:** PRO版支持预设版本管理。每次修改预设时自动保存历史版本,可随时回滚到之前的版本.
### Q6: 如何与免费版用户协作?
**A:** PRO版与免费版完全兼容。PRO版用户创建的预设可以导出为标准格式,免费版用户可以通过手动方式应用。免费版的格式规则在PRO版中继续生效.
## 错误处理

| 错误场景(续)| 原因 | 处理方式 |
|:---------|---------:|:---------|
| LLM响应超时或无响应 | 网络延迟或模型负载过高 | ，请求；确认Agent平台LLM服务正常 |
| 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求，参考示例章节 |
| 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述，补充必要的上下文信息 |
| 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求；检查命令权限设置 |

