新闻详情

新闻详情

首页 / 资讯中心 / 详情

为什么Claude写的LinkedIn帖子会爆?深度拆解social-media-skills的AI技能机制

发布时间:2026/11/16 2:16:00来源:尧图网络
为什么Claude写的LinkedIn帖子会爆?深度拆解social-media-skills的AI技能机制
为什么Claude写的LinkedIn帖子会爆深度拆解social-media-skills的AI技能机制【免费下载链接】social-media-skills项目地址: https://gitcode.com/gh_mirrors/so/social-media-skillsClaude 写的 LinkedIn 帖子为什么会爆答案藏在开源项目 social-media-skills 里——一套让 AI 智能体掌握社媒内容创作技能的 markdown 文件包。它由拥有 41.5 万 跨平台粉丝、年曝光超 1 亿次的创作者 Charlie Hills 开源包含 17 个 AI 技能让 Claude 用你自己的语气写出 LinkedIn 帖子、推文、Reels 脚本和 YouTube 缩略图。这篇文章带你完整看懂它的机制。一、什么是 social-media-skills简单说它是一组技能文件Skills每个技能是一个 SKILL.md里面写明了触发词、输入流程、写作规则和输出格式。安装后Claude 识别到你在做社媒任务时会自动套用对应技能的语气规则、平台约束和写作框架 整套系统的设计思路是先让 AI 学会你是谁、你怎么写再让它产出内容。这正是帖子质量稳定、不像AI 腔的关键。二、核心机制每个技能都先读声音系统所有技能共享一个底层上下文。基础是 voice-builder它通过两步生成两个文件about-me.md你是谁、写给谁看、3~5 个内容支柱、你的独到观点、品牌承诺和禁区300 词以内voice.md声音指纹档案——语气、句子节奏、开头钩子模式、收尾 CTA 风格、招牌短语500 词以内这两个文件就是其他所有技能如 post-writer、post-scorer动笔前的必读教材。没有它们技能会直接停下来让你先运行 voice-builder。voice.md 最妙的地方记录不做什么多数模板只教 AI该怎么做voice.md 还专门分析了样本里的缺失信号absence signals0/5 篇样本用了 em dash → 输出中永远不用破折号样本从不写反问句开头 → 明确列为禁止的钩子类型样本从不加 hashtag → 帖子不自动加标签这套负面清单让 AI 的输出一眼就像本人而不是像AI 模仿本人。三、为什么帖子会爆post-writer 的三段式流程post-writer 不是你给话题它直接写而是强制执行三步先研究再动笔检索支持观点的数据点、反常识角度、真实案例然后给你 3 个切入角度如 PAS、How-to 清单、故事转教训、反常识观点让你选严格按 voice.md 写作匹配句长、段落节奏避开全部禁止模式用你历史中有效的钩子类型开头最多 3 轮迭代输出后询问感觉如何或说 ship it 保存改完再交付也就是说每一篇帖子都经过了选题研究 → 角度选择 → 风格约束 → 人工确认的完整流水线 四、数据驱动的 post-scorer用你自己的历史给草稿打分这是最能解释会爆的技能post-scorer 会拉取你最近 100 篇 LinkedIn 帖子先算出你的 Top 10% 爆款互动分 点赞 评论 × 3提取爆款的钩子类型、字数区间、格式分布再用 5 个维度给新草稿打分每项 1~10 分维度评分依据钩子强度是否命中你历史 Top 10% 的钩子类型声音匹配是否符合 voice.md 的节奏与禁区价值密度是否达到你爆款帖子的干货标准结构与格式是否符合你最有效的帖子形态发布就绪度读起来是否像未经编辑的 AI 输出修复建议也必须引用真实数据例如你的 Top 10% 帖子 42% 用数字开头钩子这篇用的是问句历史命中率仅 12%建议换成数据开头。——这种基于个人数据的反馈是通用写作建议无法替代的 五、17 个技能全景一个内容工厂技能按功能分为六大类详见 VERSIONS.md类别技能作用声音基础voice-builder、newsletter-voice建立声音档案newsletter-voice 再叠加通讯特化规则LinkedInprofile-optimizer、post-writer、hook-generator、post-formatter、content-matrix、post-scorer、niche-research从个人主页改造到 32 选题矩阵的完整链路视觉设计graphic-designer、gemini-infographic、gemini-carousel、quote-post自动选 HTML 图形或 AI 信息图生成轮播图与引言卡片短视频/视频reels-scripting、youtube-thumbnail逆向分析爆款 Reel 生成新脚本标题转缩略图提示词社区运营pinned-comment生成梗图风格的置顶评论 配图提示词数据分析analytics-dashboardLinkedIn 数据导出为交互式看板 5 条数据建议几个亮点技能值得一看hook-generator 对任意话题输出 6 组40 字符开场 40 字符反转的钩子变体content-matrix 把你的内容支柱 × 8 种格式交叉成一张 32 选题表niche-research 驱动浏览器扫描 Reddit、X 和 Google找出近 7 天领域内最相关的 20 条新闻。六、安装与上手两步跑通第 1 步安装技能包需先有 Claude Code / Claude 环境git clone https://gitcode.com/gh_mirrors/so/social-media-skills cp -r social-media-skills/skills/* ~/.claude/skills/第 2 步先跑 voice-builder。对它说 build my voice它会直接弹出一张 6 题的互动表单身份、受众、内容支柱、独到观点、品牌承诺、禁区然后请粘贴 3~5 篇你的历史作品自动分析生成两个声音文件。之后所有技能都会引用它们 后续使用只需自然语言触发write me a post about AI agents 走 post-writerscore my post 走 post-scorermake me a carousel 走 gemini-carousel。小贴士部分技能需要外部服务环境变量APIFY_API_TOKEN用于拉取帖子数据GOOGLE_AI_API_KEY用于 Reels 视频分析而图片类技能只输出可直接粘贴到 Gemini 的提示词无需 API Key。七、总结爆款的本质是系统不是灵感social-media-skills 给新手最大的启示是AI 写帖像真人的秘诀不在提示词技巧而在可复用的约束系统——声音档案定义像谁负面清单定义不做什么历史数据定义什么有效。当你把这三层装进 Claude输出的就不再是AI 写的帖子而是你用 AI 批量生产的帖子 项目入口README.md技能规范与贡献指南CONTRIBUTING.md技能自检脚本validate-skills.sh【免费下载链接】social-media-skills项目地址: https://gitcode.com/gh_mirrors/so/social-media-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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉