Install any skill in seconds. Free to start, no credit card required.
Get Started Free →通用自媒体内容生产与经营工作流。用于自媒体内容创作、选题策划、热点或竞品研究、多平台改写、短视频脚本、发布包、公众号草稿、内容数据分析、周复盘、月复盘和继续未完成任务。负责识别请求类型,调用创作简报、内容策略、热点竞品、平台文案、短视频、数据复盘和交付归档模块,并管理方向确认、标题确认、终稿确认和发布授权。
.claude/skills/yanhua1010-self-media-content-workflow/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-15 | ✗→✓ | ▲ Improved | 98% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 66% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 57% | 0% |
| case-08 | ✗→✓ | ▲ Improved | 185% | 0% |
| case-16 | ✗→✓ | ▲ Improved | 100% | 0% |
把账号定位、内容目标、证据、平台表达、视觉素材、发布和数据复盘连接成可续跑闭环。优先交付可信、平台原生、可执行的内容,不以批量生成替代真实判断。
AGENTS.md、目录规则和用户指令。按以下顺序确定内容根目录:
self-media/。不要假设特定 Vault、账号、增长计划或厂商工具存在。默认使用 Markdown 保存文字产物,除非项目规则或用户明确要求其他格式。
根据用户真正需要的结果,只加载必要模块:
| 请求 | 调用模块 | 结果 | |---|---|---| | 单篇或多平台创作 | self-media-content-brief → self-media-platform-copywriting | 创作简报和平台原生稿 | | 账号定位、选题池、栏目、内容日历 | self-media-content-strategy | 策略、选题池、栏目和排期 | | 热点追踪、关键词研究、竞品拆解 | self-media-trend-radar | 研究报告和原创选题 | | 口播、分镜、字幕、拍摄方案 | self-media-short-video | 可拍摄短视频包 | | 单篇、周度或月度数据复盘 | self-media-content-analytics | 归因、决策和待验证实验 | | 保存、版本、发布包和归档 | self-media-content-delivery | 已核验文件和内容索引 | | 公众号排版、草稿箱写入、小绿书图片消息 | self-media-wechat-publisher | 已排版并核对的公众号草稿 |
使用子 Skill 前完整读取其 SKILL.md。某个模块未安装时,按本 Skill 的同名阶段执行最小流程,不虚构不存在的能力。
需求澄清 → 等待方向确认 → 研究与证据 → 等待平台确认 → 发布预检 → 创作中 → 等待标题确认 → 素材生成 → 质量审校 → 等待终稿确认 → 待发布 → 草稿已创建或已发布 → 待复盘 → 已复盘
以下转换必须由用户完成:
终稿确认不等于发布授权。
调用 self-media-content-brief。将账号定位、目标受众、内容目标、核心判断、证据、调性、深度、禁区和平台角度整理成一张确认卡。信息不足时最多问 3 个高影响问题,并允许用户采用合理默认值。
按需调用 self-media-trend-radar。优先使用用户真实经历、后台数据、原始素材、官方文档和一手发布。竞品只用于识别需求、结构和表达机会,不洗稿。
证据包至少包含:
读取 platforms.md,推荐一个主平台和最多两个扩展平台。说明每个平台的作用、产物和时间成本。
读取 preflight-and-registry.md。只检查已选平台的写作、图片、视频、草稿和数据能力。能力不可用时,给出手动发布包等降级方案。
调用 self-media-platform-copywriting。不同平台分别设计标题、开头、证据顺序、结构和行动,不做机械缩写。
内部先生成 6 到 8 个标题,覆盖结果、利益、身份、冲突、反差、好奇和数字等入口。筛选后只向用户展示最强的 3 个,并解释适用入口。
先保存完整初稿,再等待标题确认。未确认标题前不生成封面。
标题确认后再生成素材。先从 self-media-platform-copywriting 的视觉风格库(references/visual-styles.md)按内容类型和平台推荐 2 到 3 套风格,一句话说明各自差异,等待用户选择;账号已有稳定风格偏好时默认沿用并告知。该模块未安装时,直接与用户确认画风、色板和构图。
选定风格写入任务卡视觉锚,再建立“文案到画面”映射。软件或产品内容有真实界面素材时使用真实素材,没有时使用场景或隐喻,不虚构产品 UI。
视频调用 self-media-short-video。只有用户提供原片并明确选择剪辑时才制作成片,否则交付脚本、分镜、字幕、封面和发布字段。
完整读取 quality-gates.md,检查:
失败项必须写明修改动作和复检结果。通过审校后等待终稿确认。
调用 self-media-content-delivery 保存里程碑产物并回读验证。只向用户报告已确认存在且非空的文件。
完整读取 publishing-and-review.md。公众号草稿在用户授权后优先调用 self-media-wechat-publisher 排版并写入草稿箱;该模块或其依赖不可用时交付手动发布包。任何平台都不直接群发。
发布后调用 self-media-content-analytics。记录原始数据,按同平台、同内容类型和相近时间比较,输出核心结论、归因、对比、下次动作和待验证假设。
读取 style-learning.md。单次人工修改只记为观察,重复出现或用户明确确认后才升级为稳定偏好。
每次暂停或结束时报告:当前任务、已完成阶段、产物路径、已知降级项和下一步唯一动作。使用以下状态:
AWAITING_USER:等待方向、平台、标题、终稿或发布授权。DONE:本次已授权步骤全部完成。DONE_WITH_CONCERNS:完成但存在明确降级。BLOCKED:关键依赖失败且当前无法继续。NEEDS_CONTEXT:缺少会改变结果的必要信息。| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 26,725 | 28,933 | +8% | 1 | 1 | 0% | 3,742 | 6,309 | +69% | 0 | 0 | — |
case-02 | pass→pass | 24,997 | 29,084 | +16% | 1 | 1 | 0% | 3,398 | 6,390 | +88% | 0 | 0 | — |
case-15 | fail→pass | 11,282 | 5,175 | -54% | 1 | 1 | 0% | 1,562 | 3,088 | +98% | 0 | 0 | — |
case-03 | fail→fail | 12,403 | 8,546 | -31% | 1 | 1 | 0% | 1,712 | 3,547 | +107% | 0 | 0 | — |
case-04 | fail→pass | 11,398 | 5,038 | -56% | 1 | 1 | 0% | 1,895 | 3,137 | +66% | 0 | 0 | — |
case-05 | fail→pass | 15,488 | 8,784 | -43% | 1 | 1 | 0% | 2,205 | 3,471 | +57% | 0 | 0 | — |
case-06 | fail→fail | 22,442 | 20,601 | -8% | 1 | 1 | 0% | 3,056 | 5,420 | +77% | 0 | 0 | — |
case-07 | pass→pass | 6,806 | 6,725 | -1% | 1 | 1 | 0% | 950 | 3,363 | +254% | 0 | 0 | — |
case-08 | fail→pass | 9,204 | 9,395 | +2% | 1 | 1 | 0% | 1,275 | 3,636 | +185% | 0 | 0 | — |
case-09 | pass→pass | 13,879 | 7,998 | -42% | 1 | 1 | 0% | 1,882 | 3,422 | +82% | 0 | 0 | — |
case-10 | fail→fail | 13,045 | 5,933 | -55% | 1 | 1 | 0% | 1,839 | 3,150 | +71% | 0 | 0 | — |
case-16 | fail→pass | 10,064 | 3,995 | -60% | 1 | 1 | 0% | 1,493 | 2,992 | +100% | 0 | 0 | — |
case-11 | fail→pass | 9,365 | 7,856 | -16% | 1 | 1 | 0% | 1,361 | 3,310 | +143% | 0 | 0 | — |
case-12 | fail→pass | 21,854 | 17,281 | -21% | 1 | 1 | 0% | 3,280 | 4,760 | +45% | 0 | 0 | — |
case-13 | fail→fail | 20,181 | 14,001 | -31% | 1 | 1 | 0% | 2,763 | 4,246 | +54% | 0 | 0 | — |
case-14 | fail→fail | 20,684 | 4,916 | -76% | 1 | 1 | 0% | 2,830 | 2,919 | +3% | 0 | 0 | — |
case-17 | fail→fail | 19,099 | 8,369 | -56% | 1 | 1 | 0% | 2,612 | 3,544 | +36% | 0 | 0 | — |
case-18 | fail→fail | 14,957 | 8,758 | -41% | 1 | 1 | 0% | 2,035 | 3,492 | +72% | 0 | 0 | — |
case-19 | pass→pass | 14,807 | 9,311 | -37% | 1 | 1 | 0% | 1,996 | 3,637 | +82% | 0 | 0 | — |
case-20 | fail→pass | 15,593 | 11,740 | -25% | 1 | 1 | 0% | 2,178 | 4,096 | +88% | 0 | 0 | — |
case-21 | fail→pass | 11,951 | 3,969 | -67% | 1 | 1 | 0% | 1,706 | 2,893 | +70% | 0 | 0 | — |
case-22 | fail→fail | 16,142 | 7,761 | -52% | 1 | 1 | 0% | 2,240 | 3,518 | +57% | 0 | 0 | — |
case-23 | fail→fail | 18,154 | 15,067 | -17% | 1 | 1 | 0% | 2,424 | 4,356 | +80% | 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. 23 cases were attempted. The headline lift of +39 percentage points is the difference between those two pass rates over the 23 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.