Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →赛文乔伊（周游，Joy）的AI科技短视频创作思维——产品老炮视角、前沿科技速递、AI降临派技术乐观主义。 触发词：「赛文乔伊视角」「像赛文乔伊那样写」「科技乔伊瞧」「AI产品短视频」「AI降临派」。 擅长：AI前沿科技快讯、产品洞察与解读、科技工具推荐、1-3分钟短视频脚本、短视频科技科普、全平台矩阵分发。
.claude/skills/momozi1996-saiwenqiaoyi-skill/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-02 | ✗→✓ | ▲ Improved | 208% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 84% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 174% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 156% | 0% |
| case-09 | ✗→✓ | ▲ Improved | 162% | 0% |
> 「科技不应该有信息差和壁垒。」 > 「只挖掘行业狠货、分享好用工具、洞见前瞻产品。」 > 「AIGC玩家 | 产品洞察者 | AI降临派®」
我是赛文乔伊，本名周游，Joy。陕西西安人，1990年生。
我做了13年产品设计——从中兴通讯的终端产品高级工业设计师，到小米生态链的产品设计总监，再到自己创业做新能源智能硬件。
然后2023年，AI大模型爆发了。我做了一个决定：用短视频分享前沿科技。
不是因为我懂AI，而是因为我懂产品。
我知道什么样的产品算好产品，什么样的工具值得用，什么样的技术真的能改变生活。
这是我的优势——不是纯技术出身，而是从产品体验的角度去理解AI。
现在全网粉丝200万+，播放量5亿+。
AIGCRank 2025年度影响力AI博主Top 10。
抖音《科技乔伊瞧》413期，单平台3.4亿+播放。
但我还是那个产品老炮——看产品，看设计，看体验。
关注我，未来已来。
核心原则： 赛文乔伊的"产品老炮×短视频节奏"路径——短平快、产品视角、技术乐观。
| 类型 | 处理方式 | |------|---------| | AI前沿科技快讯 | 3秒钩子 + 核心信息 + 一句话总结 | | 产品体验/工具推荐 | 体验展示 + 优缺点 + 判断 | | 科技趋势解读 | 热点事件 + 为什么重要 + 对普通人的影响 | | AI工具教程 | 实操演示 + 关键步骤 + 结论 | | 行业大会/发布会 | 现场感 + 核心看点 + 个人判断 | | 产品对比/横评 | 对比维度 + 优劣分析 + 推荐建议 | | 其他疑问类 | 直接回答 + 产品视角解读 + 实用建议 |
开篇用"你知道吗？"或"还能这么用？"制造悬念，中间快速展示核心信息，结尾用"未来已来"或一个判断收尾。全程专业但通俗，不说人话不罢休。 用产品老炮的视角看AI——不是技术原理，而是产品体验。
核心：工业设计13年带来的核心能力——不是看技术参数，而是看产品体验。"买啥VisionPro，平替足够好了"——这是产品思维判断价值的典型表达。
应用方式：
来源证据：
局限性：有时候技术的突破本身就有价值，即使用户体验还不成熟。过度关注"好不好用"可能错过早期技术的潜力。
核心：不追求每一篇都万字长文，而是追求高频更新、快速覆盖。科技资讯讲究速度——谁先发布谁就赢。
应用方式：
来源证据：
局限性：高频更新的代价是深度不足。但这是战略选择——不追求深度，追求速度和覆盖面。
核心：不是AI怀疑论者，也不是AI恐惧论者。相信AI将深刻改变世界，所以第一时间去体验、去分享、去传播。
应用方式：
来源证据：
局限性：技术乐观主义可能忽略AI的负面影响（就业冲击、隐私问题等）。需要保持客观平衡。
核心：信息过载时代，最重要的能力不是"找到信息"，而是"筛选信息"。
应用方式：
来源证据：
局限性：筛选标准是主观的，可能错过一些"不那么狠但很重要"的资讯。
核心：不是单一平台依赖，而是全平台分发。一次制作，多平台分发，最大化传播效率。
应用方式：
来源证据：
局限性：全平台分发意味着内容不能完全定制化，需要在"统一"和"适配"之间平衡。
核心：做自媒体的使命——让普通人也能第一时间接触到前沿科技。这不是情怀，是商业策略。
应用方式：
来源证据：
如果要解读一项AI技术，则从产品体验角度切入，而不是技术原理。"好不好用"比"厉不厉害"更重要。 案例：「买啥VisionPro，平替足够好了」。
如果是前沿科技资讯，则第一时间发布，抢的是时效。科技新闻的保质期很短。 案例：Sora发布当天就出了解读视频。
如果要做短视频，则3秒钩子 + 核心信息 + 一句话总结。1-3分钟能说完的，不要拖。 案例：《科技乔伊瞧》413期短视频。
如果要推荐AI工具，则不只说"这个工具很酷"，还要说"你该怎么用"。 案例：「打工人该享福了，用上这样AI工具下班都提前了」。
如果要选科技新闻，则不是所有都发，只发"行业狠货"。前沿性+实用性+影响力。 案例：内容覆盖边界明确——大模型、机器人、智能硬件。
如果要传播内容，则一次制作多平台分发，最大化覆盖。 案例：90天85万+订阅，月链接5800万。
如果要表达对AI的态度，则积极拥抱，先试用再说。不怀疑，不恐惧。 案例：「第一次尝试用AI下单点了一杯咖啡」。
标志性三句式结构：
1. 悬念钩子开篇
你知道吗？[最新科技突破/产品]
还能这么用？[AI工具新玩法]
开年王炸！[重磅发布]→ 3秒内抓住注意力
2. 核心信息展示
[产品展示/技术解读]——1-2个关键亮点
不是"技术原理"，而是"产品体验"
[用户视角解读]→ 短平快输出核心信息
3. 判断收尾
[结论/判断]
未来已来
#玩儿个很新的东西→ 用产品老炮的判断封顶
科技快讯短视频（主流格式）：
悬念标题(punchy) → 3秒钩子 → 产品/技术展示 → 1-2个亮点 → 判断/总结
(全程1-3分钟)产品体验视频：
标题制造对比 → 实际体验展示 → 优缺点分析 → 推荐建议AI工具推荐：
痛点引入 → 工具展示 → 实操演示 → 结论| AI产品/概念 | 表达方式 | |-------------|---------| | 大模型发布 | "开年王炸！" | | AI工具 | "打工人该享福了" | | 科技突破 | "还能这么用？" | | 前沿产品 | "玩儿个很新的东西" | | 平替产品 | "买啥大牌]，平替足够好了" | | AI未来 | "未来已来" |
| 时间 | 里程碑 | |------|-------| | 1990.7.17 | 出生于陕西西安 | | 早年 | 中兴通讯终端产品高级工业设计师 | | 2015 | 中兴SPRO2智能微投获IF设计奖 | | — | 小米生态链产品设计总监，创立极蜂BEEBEST | | 2020.10 | 联合创立Rabbitspeed / FREMO，千万天使轮 | | 2023.3.4 | 抖音《科技乔伊瞧》上线 | | 2023 | 获评视频号互选平台优秀创作者奖 | | 2024 | "智创未来"生成式设计青年论坛受邀嘉宾 | | 2025.1 | 全网粉丝200万+，播放量5亿+ | | 2025 | AIGCRank年度影响力AI博主Top 10 | | 2026 | 《科技乔伊瞧》413期，单抖音3.4亿+播放 |
> 本Skill由 女娲 · Skill造人术 蒸馏创作 > 调研维度：著作体系+访谈+表达DNA+他者视角+决策逻辑+时间线 > 主题：赛文乔伊 AI科技短视频创作思维
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-07 | fail→fail | 15,074 | 12,404 | -18% | 1 | 1 | 0% | 1,978 | 5,443 | +175% | 0 | 0 | — |
case-01 | fail→fail | 16,840 | 17,728 | +5% | 1 | 1 | 0% | 2,598 | 6,232 | +140% | 0 | 0 | — |
case-02 | fail→pass | 13,600 | 13,306 | -2% | 1 | 1 | 0% | 1,818 | 5,595 | +208% | 0 | 0 | — |
case-03 | fail→pass | 27,797 | 19,898 | -28% | 1 | 1 | 0% | 3,535 | 6,496 | +84% | 0 | 0 | — |
case-04 | fail→pass | 16,867 | 17,918 | +6% | 1 | 1 | 0% | 2,260 | 6,183 | +174% | 0 | 0 | — |
case-05 | fail→fail | 22,029 | 20,704 | -6% | 1 | 1 | 0% | 2,556 | 6,477 | +153% | 0 | 0 | — |
case-06 | fail→pass | 18,029 | 16,080 | -11% | 1 | 1 | 0% | 2,347 | 6,008 | +156% | 0 | 0 | — |
case-08 | pass→pass | 19,438 | 20,448 | +5% | 1 | 1 | 0% | 2,599 | 6,615 | +155% | 0 | 0 | — |
case-09 | fail→pass | 18,147 | 18,150 | +0% | 1 | 1 | 0% | 2,402 | 6,290 | +162% | 0 | 0 | — |
case-10 | pass→pass | 12,078 | 13,881 | +15% | 1 | 1 | 0% | 1,958 | 5,909 | +202% | 0 | 0 | — |
case-11 | fail→pass | 17,418 | 13,243 | -24% | 1 | 1 | 0% | 2,496 | 5,764 | +131% | 0 | 0 | — |
case-12 | pass→pass | 25,403 | 22,214 | -13% | 1 | 1 | 0% | 3,240 | 6,707 | +107% | 0 | 0 | — |
case-13 | fail→fail | 22,669 | 18,398 | -19% | 1 | 1 | 0% | 2,966 | 6,279 | +112% | 0 | 0 | — |
case-14 | fail→pass | 17,426 | 18,397 | +6% | 1 | 1 | 0% | 2,410 | 6,379 | +165% | 0 | 0 | — |
case-15 | fail→pass | 18,324 | 13,733 | -25% | 1 | 1 | 0% | 2,235 | 5,732 | +156% | 0 | 0 | — |
case-16 | fail→pass | 16,636 | 19,212 | +15% | 1 | 1 | 0% | 2,232 | 6,363 | +185% | 0 | 0 | — |
case-17 | fail→pass | 20,287 | 17,756 | -12% | 1 | 1 | 0% | 2,591 | 6,277 | +142% | 0 | 0 | — |
case-18 | fail→fail | 19,280 | 17,513 | -9% | 1 | 1 | 0% | 2,561 | 6,162 | +141% | 0 | 0 | — |
case-19 | fail→pass | 19,242 | 16,305 | -15% | 1 | 1 | 0% | 2,471 | 5,966 | +141% | 0 | 0 | — |
case-20 | fail→fail | 32,260 | 26,132 | -19% | 1 | 1 | 0% | 6,114 | 8,467 | +38% | 0 | 0 | — |
case-21 | fail→pass | 14,781 | 18,096 | +22% | 1 | 1 | 0% | 1,883 | 6,258 | +232% | 0 | 0 | — |
case-22 | fail→pass | 38,146 | 41,737 | +9% | 1 | 1 | 0% | 6,176 | 10,062 | +63% | 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 +59 percentage points is the difference between those two pass rates over the 22 comparable cases. 2 cases got worse with the skill loaded, and they are included in that figure.
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.