Install any skill in seconds. Free to start, no credit card required.
Get Started Free →WeChat article creator with Fu Sheng's writing style - conversational, story-driven, opinionated. Use this skill whenever the user mentions writing a WeChat article, drafting public account content, crafting a viral headline, creating article covers, writing in Fu Sheng's style, or any request involving 公众号, 微信文章, 爆款标题, or 傅盛风格 — even if they don't explicitly say "skill".
.claude/skills/ethanyoq-wechat-article/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-08 | ✗→✓ | ▲ Improved | 152% | 0% |
| case-09 | ✗→✓ | ▲ Improved | 135% | 0% |
| case-12 | ✗→✓ | ▲ Improved | 88% | 0% |
| case-17 | ✗→✓ | ▲ Improved | 32% | 0% |
| case-18 | ✗→✓ | ▲ Improved | 107% | 0% |
遵循傅盛写作风格:
当接到写作需求,先询问以下信息:
我帮你策划一下这篇文章,先问几个问题:
1. 主题是什么?(用1句话说)
2. 目标读者是谁?
3. 你想表达什么核心观点或故事?
4. 有哪些数据或案例可以用?引导用户选择以下标题类型:
关键:标题要能激发好奇心或共鸣,而不是直接给出答案。
收集完信息后,在 drafts/ 目录创建策划文档:
markdown# 文章计划 ## 基本信息 - 标题:[待定标题] - 主题:[核心主题] - 目标读者:[读者画像] - 核心观点:[1-2句话] ## 大纲 1. 开头:[如何引入] 2. 观点1:[+案例] 3. 观点2:[+案例] 4. 观点3:[+案例] 5. 结尾:[总结+行动建议] ## 素材库 - 案例1:[具体故事] - 案例2:[具体故事] - 数据支撑:[关键数据]
按照以下结构创作文章,保存为 drafts/article_[主题].md:
markdown# [文章标题] > 作者:[作者名] > 日期:[发布日期] ## [开头] (100-150 字) [用故事、数据或问题勾起兴趣] [直白说明文章解决什么问题] --- ## [主体] (800-1500 字) ### [观点 1 小标题] [具体案例或故事] [解释观点] ### [观点 2 小标题] [具体案例或故事] [解释观点] ### [观点 3 小标题] [具体案例或故事] [解释观点] --- ## [结尾] (100-150 字) [总结核心观点] [留下思考或行动建议]
1. 用故事代替说教
❌ 不好:"风险管理很重要,应该制定应急预案"
✅ 好的:
去年我创业的团队就是因为没有备选方案,
一个核心员工离职就差点垮掉。
从那以后,我学会了给每个岗位预留 backup。2. 善用类比和比喻
❌ "分布式系统很复杂"
✅ "分布式系统就像一家连锁餐厅, 每个分店要相互协作又要独立运营, 稍微一个环节没协调好,整个体验就崩了。"
3. 数据支撑但不堆砌
❌ "根据 IDC 报告,全球 AI 市场 2023 年增长 45%,预计 2025 年达到 1000 亿美元规模..."(太干)
✅ "AI 市场在疯狂增长——每年翻番。 但这个增长背后,真正赚钱的公司不超过 5 家。"
4. 直接说观点,避免模棱两可
❌ "有人认为...也有人认为...各有各的道理"
✅ "老实说,我觉得 XX 这个做法是错的,原因是..."
5. 用短句和换行
❌ "今天我想和大家分享一个非常重要的观点,那就是在创业的过程中,我们需要不断地学习和适应市场变化..."
✅
今天我想说一个观点。
创业最怕的不是失败。
是失败后还不知道为什么失败。
我见过太多团队折戟沙滩,
最后都说一句话:"我们当时真傻。"markdown# 大标题(用于文章标题) ## 小标题(用于章节分隔) **加粗强调**关键词 > 引用重要观点或数据 - 列表项 1 - 列表项 2 - 列表项 3 --- 分隔线(用于大的内容分隔)
公众号偏好短句 + 多换行:
❌ 差:
这个方案虽然看起来很完美,但实际操作中会遇到很多问题,
比如成本太高、周期太长、团队配合困难等等。✅ 好:
这个方案看起来很完美。
但实际操作中会遇到问题:
- 成本太高
- 周期太长
- 团队配合困难bash# 进入本 skill 所在目录(路径因安装位置而异,请替换为实际路径) # 例如:cd ~/AI_Skills_Registry/Global/wechat-article # 基础生成 python3 scripts/generate_cover.py \ --title "文章标题" \ --subtitle "副标题(可选)" \ --author "作者名" \ --style modern # 使用自定义配色 python3 scripts/generate_cover.py \ --title "文章标题" \ --colors primary="#FF6B6B" secondary="#4ECDC4" \ --style minimalist
modern - 现代简洁风格minimalist - 极简风格bold - 大胆撞色风格tech - 科技感风格封面图会保存到 output/covers/ 目录。
> 无 Python 环境时:可描述封面设计需求,由模型生成 SVG 草稿或给出 Canva / 稿定设计的具体配置建议作为替代。
bash# 在 drafts/ 目录创建策划文档
用户提出需求后,创建 drafts/plan_[主题].md
根据策划内容,逐段写出文章,保存为 drafts/article_[主题].md
bashpython3 scripts/generate_cover.py \ --title "我为什么放弃了年薪 50W 的工作" \ --author "Your Name" \ --style modern
使用以下检查清单:
✅ 标题 - 是否能引起好奇心或共鸣 ✅ 开头 - 是否在前 100 字吸引人 ✅ 主体 - 是否有 2-3 个清晰观点 ✅ 案例 - 是否用故事而非说教 ✅ 排版 - 是否易读(段落、换行、加粗) ✅ 封面 - 是否专业且匹配内容 ✅ 校对 - 是否有错别字或语病 ✅ 时效性 - 内容是否还新鲜(或已标注时间)
Q: 写作时该用多少数据? A: 一篇 1000 字的文章,2-3 个数据点就够。关键是用故事包裹数据,而不是数据堆砌。
Q: 应该多久发一篇? A: 质量 > 频率。一周一篇高质量比一周三篇水文更有价值。
Q: 如何应对不同主题? A: 无论是技术、商业、生活,核心都一样:找到能引起读者共鸣的故事,用简洁的语言讲清楚。
Q: 怎么克服写作障碍? A: 先写烂,再改好。不要一开始就想写完美的东西。
AI_Skills_Registry/Global/wechat-article/
├── SKILL.md # 本文件
├── scripts/
│ └── generate_cover.py # 封面生成脚本
├── drafts/ # 草稿和策划文档
│ ├── plan_*.md # 文章策划
│ └── article_*.md # 文章正文
└── output/
└── covers/ # 生成的封面图用户说:"帮我写一篇关于 AI 焦虑的文章"
你的回复:
好的,我帮你策划一下这篇文章。先问几个问题:
1. 主题:关于 AI 焦虑,你想聚焦在哪个角度?
- 职场人担心被替代?
- 创业者不知道怎么用 AI?
- 普通人害怕跟不上时代?
2. 目标读者是谁?(职场人/创业者/普通大众)
3. 你的核心观点是什么?
比如:"AI 焦虑来自信息过载,而非技术本身"
4. 有没有具体案例或数据?
比如:"我身边有个朋友因为 AI 辞职创业..."收集完信息后,创建策划文档,然后逐步完成写作、排版、封面生成。
准备好了,随时可以开始创作!🚀
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-03 | fail→fail | 6,400 | 6,086 | -5% | 1 | 1 | 0% | 978 | 3,584 | +266% | 0 | 0 | — |
case-01 | fail→fail | 15,036 | 9,933 | -34% | 1 | 1 | 0% | 2,308 | 4,008 | +74% | 0 | 0 | — |
case-02 | fail→fail | 13,817 | 20,143 | +46% | 1 | 1 | 0% | 2,086 | 5,406 | +159% | 0 | 0 | — |
case-04 | pass→pass | 11,179 | 11,453 | +2% | 1 | 1 | 0% | 2,359 | 5,030 | +113% | 0 | 0 | — |
case-05 | pass→pass | 6,785 | 6,492 | -4% | 1 | 1 | 0% | 1,224 | 3,777 | +209% | 0 | 0 | — |
case-06 | pass→pass | 6,295 | 2,910 | -54% | 1 | 1 | 0% | 1,071 | 3,198 | +199% | 0 | 0 | — |
case-07 | pass→pass | 11,710 | 11,603 | -1% | 1 | 1 | 0% | 1,839 | 4,284 | +133% | 0 | 0 | — |
case-08 | fail→pass | 6,576 | 2,669 | -59% | 1 | 1 | 0% | 1,215 | 3,060 | +152% | 0 | 0 | — |
case-09 | fail→pass | 7,078 | 2,261 | -68% | 1 | 1 | 0% | 1,275 | 2,997 | +135% | 0 | 0 | — |
case-10 | pass→pass | 9,847 | 11,223 | +14% | 1 | 1 | 0% | 1,800 | 4,543 | +152% | 0 | 0 | — |
case-11 | fail→fail | 11,750 | 11,470 | -2% | 1 | 1 | 0% | 2,028 | 4,654 | +129% | 0 | 0 | — |
case-12 | fail→pass | 12,471 | 8,393 | -33% | 1 | 1 | 0% | 2,151 | 4,035 | +88% | 0 | 0 | — |
case-13 | pass→pass | 11,387 | 10,024 | -12% | 1 | 1 | 0% | 1,668 | 4,045 | +143% | 0 | 0 | — |
case-14 | pass→pass | 12,064 | 10,289 | -15% | 1 | 1 | 0% | 1,782 | 4,287 | +141% | 0 | 0 | — |
case-15 | pass→pass | 12,215 | 11,653 | -5% | 1 | 1 | 0% | 2,319 | 4,661 | +101% | 0 | 0 | — |
case-16 | pass→pass | 12,021 | 8,865 | -26% | 1 | 1 | 0% | 1,788 | 3,751 | +110% | 0 | 0 | — |
case-17 | fail→pass | 13,518 | 2,747 | -80% | 1 | 1 | 0% | 2,339 | 3,086 | +32% | 0 | 0 | — |
case-18 | fail→pass | 14,556 | 11,084 | -24% | 1 | 1 | 0% | 2,039 | 4,220 | +107% | 0 | 0 | — |
case-19 | fail→pass | 13,826 | 10,413 | -25% | 1 | 1 | 0% | 1,948 | 4,112 | +111% | 0 | 0 | — |
case-20 | pass→pass | 12,712 | 12,503 | -2% | 1 | 1 | 0% | 1,815 | 4,318 | +138% | 0 | 0 | — |
case-21 | pass→pass | 19,969 | 20,404 | +2% | 1 | 1 | 0% | 3,050 | 5,341 | +75% | 0 | 0 | — |
case-22 | fail→pass | 13,617 | 1,609 | -88% | 1 | 1 | 0% | 2,123 | 2,860 | +35% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +32 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.