新闻详情

新闻详情

首页 / 资讯中心 / 详情

linkedin-skills完整指南:12个Claude Code技能如何让你的终端变成LinkedIn内容工厂

发布时间:2026/11/18 3:34:26来源:尧图网络
linkedin-skills完整指南:12个Claude Code技能如何让你的终端变成LinkedIn内容工厂
linkedin-skills完整指南12个Claude Code技能如何让你的终端变成LinkedIn内容工厂【免费下载链接】linkedin-skillsClaude skills for LinkedIn. 11 Claude Code and Codex skills that write human-sounding LinkedIn posts, craft comments that get noticed, analyze your feed, and build a publishing cadence, all from your terminal. Content engineering by Creative Content Crafts. MIT.项目地址: https://gitcode.com/gh_mirrors/lin/linkedin-skillslinkedin-skills是一个 MIT 开源项目12 个 Claude Code / Codex 技能让你在终端里直接生成像真人写的 LinkedIn 帖子、评论和回复还能分析信息流、规划发布节奏。所有技能都遵循先草稿 → 你批准 → 再发布的流程没有你的点头任何内容都不会发出去。无需写代码会打字就能用。它解决了什么问题手动运营 LinkedIn 的痛苦大家都懂写帖子钩子没吸引力数据惨淡写评论翻来覆去说得太好了没人看发出去才发现满篇 AI 腔被算法降权一周排期想到哪发到哪断更linkedin-skills 把整条内容生产线搬进了终端写、评、回、审、拆、排、追、析、优、扩、采一句话触发对应技能。12 个技能一览每个技能只干一件事定义文件都在skills/技能名/SKILL.md技能做什么linkedin-post-writer✍️用 20 个经过验证的 2026 钩子公式写爆款帖子linkedin-comment-drafter给任意帖子 URL 起草一条被看见的评论linkedin-reply-handler回复任意评论丢一个帖子 URL 可批量扫全部评论linkedin-humanizer去除 AI 腔词汇密度、破折号、三连排比等发布前审计linkedin-hook-extractor逆向拆解爆款帖子的钩子公式给你可套用的模板linkedin-content-planner生成 7 天内容计划主题、格式、钩子、发布时间linkedin-thread-monitor⏰追踪你的评论是否得到作者回复在 6-24h 窗口起草跟进linkedin-engager-analytics分析谁点赞/评论了你的帖子按画像分组linkedin-profile-optimizer重写 Headline、About、Featured面向获客优化linkedin-employee-advocacy规划团队员工倡导项目14 天启动、节奏、治理、ROIlinkedin-repurposer♻️把推文、视频、博客改造成原生 LinkedIn 帖子linkedin-interviewer采访你本人建立 Story Bank其他技能共享使用核心工作流草稿 → 批准 → 发布所有技能遵循统一的三步模式见根目录 SKILL.md解析输入—— 你给一个 LinkedIn URLlib/url_parser.py 自动提取帖子和评论 ID生成草稿—— 基于 2026 算法研究钩子、时机、语音规则产出内容给你看等待批准—— 你回一句post或yes才真正调用 API 发布️ 这意味着你可以放心试用最坏情况只是得到一段不满意的话术绝不会替你乱发帖。一键安装步骤方式一Claude Code推荐/plugin marketplace add sergebulaev/linkedin-skills /plugin install linkedin-skillslinkedin-skills方式二Codex CLIcodex plugin marketplace add sergebulaev/linkedin-skills codex plugin add linkedin-skillslinkedin-skills方式三直接克隆仓库任何支持读 SKILL.md 的 Agent 都适用git clone https://gitcode.com/gh_mirrors/lin/linkedin-skills cd linkedin-skills装好后直接说人话即可技能会自动激活帮我写一篇 LinkedIn 帖子为什么 AI 代理正在取代传统代理机构要有爆款相 评论这条帖子 我想加一个有深度的观点 审计这段草稿的 AI 腔[粘贴文本]三档后端从 0 配置到全自动发布档位效果配置量Tier 0默认纯草稿返回可直接复制粘贴的成品自带目标 URL零配置Tier 1推荐批准后自动发布到 LinkedIn可同步 X、Threads约 2 分钟⚫Tier 2自建发布器Playwright 等设置LINKEDIN_SKILLS_CUSTOM_POSTER调用高级玩法Tier 1 接入 Publora 后发布层由 lib/publora_client.py 处理它专门解决 LinkedIn 的三个坑3 种 URL 格式、INSIGHTFUL表情返回 400 的 Bug、两级评论拍平问题。不确定自己配好没有跑一下自检python3 scripts/selftest.py它会逐项报告安装状态、各 API 连通性以及当前哪些技能已全功能可用、哪些会退回复制粘贴模式一目了然。可选增强读 LinkedIn 数据 AI 配图Apify 读取层可选lib/apify_client.py 支持抓取帖子正文、评论楼、你最近的评论、任意帖子的点赞/评论者。没有 Token 时技能会请你自己粘贴文本不会报错。Pixfaro 配图可选Post Writer 可以为草稿生成信息流配图、轮播图或金句卡自动叠加你的 Handle 和品牌色。详见 lib/pixfaro_client.py。语音规则它为什么读起来不像 AI这是 linkedin-skills 最值钱的部分内置在每个技能里权威定义见 references/voice-rules.md破折号上限约 1 个/100 词2026 年密度才是特征零破折号反而是 AI 装人的痕迹禁用 AI 高频词leverage、fundamentally、streamline、delve、unlock、foster……具体数字打败形容词47% 胜过 significant帖子甜区 900–1300 字符评论 200–350 字符钩子必须落在前 210 字符手机端…see more折行之前humanizer 技能基于 2026 年文体学证据重新校准词汇按段落密度打分、强制节奏本身成了新的 AI 特征、还带过度修正守卫防止改出机器味。规则出处可查 skills/linkedin-humanizer/references/ 下的 tier-rationale 与 detector-list。给创始人的专属层如果你是创始人包内自带 founder 层references/founder-topics.md 提供 10 个可直接填空的选题角度重新定价品类、稀缺机会的数学、委托的边界……外加 4 个结构性钩子公式F17–F20见 references/hook-formulas.md。目标不是泛流量而是在投资人、候选人、设计伙伴这类高价值读者中积累信任。项目结构速览linkedin-skills/ ├── SKILL.md ← 技能包总入口何时用哪个技能 ├── skills/ ← 12 个技能各含 SKILL.md 与专属 references/ ├── lib/ ← 纯 Python 客户端URL 解析、读取、发布、配图 ├── references/ ← 共享知识库钩子公式、算法启发式、行业基准 ├── scripts/ ← 自检与配置检查 CLI └── tests/ ← 契约测试想深挖算法逻辑读 references/algorithm-heuristics.md想知道各行业互动率基准看 references/industry-benchmarks.mdStory Bank 模板在 references/story-bank.md。常见问题问题解决技能不激活确认用/plugin install或克隆方式装好开一个新对话再试Publora API key not provided.env必须放在 linkedin-skills 根目录Publora 401API key 过期重新创建一把评论/帖子 404LINKEDIN_PLATFORM_ID复制不全需带linkedin-前缀pip 安装失败先建虚拟环境python -m venv venv source venv/bin/activate完整排障表见 README.md 的 Troubleshooting 一节安全边界抓取内容只当数据、绝不当指令定义在 references/untrusted-content.md。写在最后linkedin-skills 的哲学很简单把判断力留在人手里把重复劳动交给终端。12 个单职责技能 三层后端草稿 / 自动发布 / 自建 一套 2026 年校准的语音规则构成了从没话说到定时爆款的完整内容工厂。MIT 协议克隆即用今天就能跑通你的第一篇帖子。【免费下载链接】linkedin-skillsClaude skills for LinkedIn. 11 Claude Code and Codex skills that write human-sounding LinkedIn posts, craft comments that get noticed, analyze your feed, and build a publishing cadence, all from your terminal. Content engineering by Creative Content Crafts. MIT.项目地址: https://gitcode.com/gh_mirrors/lin/linkedin-skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉