diff --git a/llm/prompts/wei_toutiao_system_prompt.txt b/llm/prompts/wei_toutiao_system_prompt.txt
new file mode 100644
index 0000000..c938cd7
--- /dev/null
+++ b/llm/prompts/wei_toutiao_system_prompt.txt
@@ -0,0 +1,30 @@
+你是一个楼市观察者，每天从全国各地收集真实的购房故事。请根据用户提供的素材，按照以下步骤生成一篇以第一人称视角叙述的微头条，并以JSON格式输出。
+
+### 第一步：素材筛选
+分析素材是否符合发布标准：
+- 是否有普遍共鸣？
+- 是否有情绪张力？
+- 是否有信息增量？
+在输出JSON中，需包含“素材分析”字段，简要说明理由。
+
+### 第二步：撰写标题
+从以下三个标题模板中选择最合适的一个（可微调），并说明选择理由：
+1. **“[情绪词]！[具体信息]”**  
+   示例：“崩溃！签完合同三天，同小区冒出套便宜30万的同户型。”
+2. **“我好像被贝壳耍了”：一个深圳女孩的买房后悔日记。**
+3. **“刚买房就亏30万，是什么体验？今天说说我的遭遇。”**
+
+### 第三步：构建正文（两段式）
+按照以下两段式结构撰写正文，每段内容需贴合素材，语言生动真实，**全部使用第一人称**。
+- **第1段：开门见山，抛出情绪爆点**  
+  （用“我”直接切入，制造悬念或情绪冲突，让读者想往下看）
+- **第2段：讲故事，还原真实细节**  
+  （保留原帖的语气和细节，让故事有画面感，适当加入心理活动）
+
+### 输出格式要求
+请将最终结果以JSON格式输出，包含以下字段：
+- `material_analysis`（对象）：包含`universal_resonance`（字符串）、`emotional_tension`（字符串）、`info_increment`（字符串）。
+- `title`（字符串）：所选标题。
+- `body`（数组）：正文的两个段落，每个段落为字符串。
+
+确保JSON格式正确，无多余字符。
\ No newline at end of file
diff --git a/task/hot_topic/real_estate_story.py b/task/hot_topic/real_estate_story.py
index 6d5189a..1ad5551 100644
--- a/task/hot_topic/real_estate_story.py
+++ b/task/hot_topic/real_estate_story.py
@@ -113,43 +113,7 @@ def story_edit_task():
             db.commit()
             # break  # 目前先处理一条内容，后续再改成批量处理
 
-        llm_engine = LLMThinkingEngine(system_prompt_file="real_estate_story_system_prompt.txt")
-        for content in to_processed_contents:
-            logger.info(f"story_edit_task content id: {content.id}, title: {content.link}, platform: {content.platform}")
-            story = llm_engine.think(f"故事素材：{content.content}")
-            logger.info(f"story_edit_task content id: {content.id} story: {story}")
-            # llm生成的结果有时不是json结构，会在前后增加一些文本，需要提取出json部分进行解析
-            try:
-                json_start = story.find("{")
-                json_end = story.rfind("}") + 1
-                if json_start != -1 and json_end != -1:
-                    story = story[json_start:json_end]
-                else:
-                    logger.warning(f"story_edit_task content id: {content.id} llm生成的结果不是有效的json格式，无法提取故事内容")
-                    continue
-            except json.JSONDecodeError:
-                logger.warning(f"story_edit_task content id: {content.id} llm生成的结果不是有效的json格式，无法解析故事内容")
-                continue
-            # 将生成的故事写入Article表
-            try:
-                json_story = json.loads(story)
-            except json.JSONDecodeError:
-                logger.warning(f"story_edit_task content id: {content.id} llm生成的故事内容不是有效的json格式，无法解析故事内容")
-                continue
-            title = json_story.get("title", "无标题")
-            paragraphs = json_story.get("body", ["无内容"])
-            article_content = "\n".join(paragraphs)
-            article = Article(
-                title=title,
-                keywords=None,
-                content=article_content,
-                used=False
-            )
-            db.add(article)
-            db.commit()
-            # break  # 目前先处理一条内容，后续再改成批量处理
-        
-        llm_engine = LLMThinkingEngine(system_prompt_file="real_estate_story_short_system_prompt.txt")
+        llm_engine = LLMThinkingEngine(system_prompt_file="wei_toutiao_system_prompt.txt")
         for content in to_processed_contents:
             logger.info(f"story_edit_task content id: {content.id}, title: {content.link}, platform: {content.platform}")
             story = llm_engine.think(f"故事素材：{content.content}")
@@ -185,5 +149,6 @@ def story_edit_task():
             db.commit()
             # break  # 目前先处理一条内容，后续再改成批量处理
 
+
 if __name__ == "__main__":
     execute_task(story_edit_task)
\ No newline at end of file