agentleFS
aaronartistzhang-afkaaronartistzhang-afk/DailyWork/skills/audience-brief/SKILL.md

audience-brief

Skill1 starsChanged 3 months agoMITView on GitHub

Use when the user wants to package a finding, change, status, or plan into a ready-to-paste Feishu/Lark message aimed at a specific audience — RD (研发), 运营 (ops), 老板 (leadership/boss), or a local team. Produces the right register, language, length, and evidence density per audience, then routes ops/boss drafts through the humanizer skill and stops at a preview for the user to confirm before they send. Triggers: "整理一段话我发给研发", "给运营的人话版", "发老板", "package this as an RD message", "发飞书群", "share 给运营", "我发研发用", "给 local team 的版本".

The file

Files
SKILL.md

audience-brief — 受众分层话术打包器

把当前上下文里的发现 / 改动 / 状态 / 计划,按目标受众打包成一段可直接复制粘贴进飞书的消息。纯编排、零基建:不拉数、不落盘、不发送——只出稿、停在预览、等用户自己发。

这个 skill 解决的是一个反复出现的返工:给 RD 要英语、给运营要中文人话、给老板要短,证据要带版本号和路径——这些偏好过去每条消息都要用户第二轮补纠(「用英语」单独作为一条纠正消息出现过 ~6 次)。这里把档位固化,力争零补纠。

什么时候用

  • 用户已经在当前会话里拿到了要传达的内容(一个发现、一次修复、一个版本状态、一个计划),只是要「包装成一段话发出去」。
  • 触发词:「整理一段话我发给研发」「给运营的人话版」「发老板」「我发研发用」「share 给运营」「发飞书群」。
  • 不适用:需要先做分析/归因/审计才有内容的场景(先去做那件事);需要真正发送到某个群/某个人(本 skill 只出稿到预览,发送由用户手动完成 or 另走发送通道 skill);妙记会议纪要总结(走 meeting-notes)。

核心流程(5 步)

1. 识别受众

从触发语和上下文判定目标受众,落到四档之一:RD / 运营 / 老板 / local team。

  • 明确说了「研发 / RD / eng / 研发用」→ RD 档。
  • 说了「运营 / ops」→ 运营档。
  • 说了「老板 / leadership / 汇报 / 上级」→ 老板档。
  • 说了「local team / 本地团队 / 区域 review」→ local team 档(本质是 RD 档的事实陈述式 + 保留字段名,但语气面向非工程受众,默认英文或双语,视 local team 语言而定)。
  • 含混时只问一句(不要连环追问):例如「这条是发给研发(英文、带版本号/路径)还是运营(中文人话)?」,拿到答案立即出稿。

2. 按档位出稿

三档模板见下方「档位规格」。每档的语言 / 语气 / 长度 / 证据密度都是硬约束。

3. 运营 / 老板档强制 humanizer 收尾

运营档和老板档出稿后,必须调用 humanizer skill(v2.8.0)过一遍再交给用户——去掉 AI 腔(rule-of-three、em dash 滥用、空洞 -ing 分析、promotional 词、negative parallelism 等)。

  • RD 档不过 humanizer:RD 档要的是事实陈述式的英文,humanizer 反而可能软化掉技术精确性。
  • humanizer 有度:过一遍是为了「像人写的」,不是为了「口语化到丢字段名」。见下方 guardrail「有点人话过度了」——涉及 eval 里明确声明的字段名,直接引用原文,不要意译、不要拆成大白话。

4. 支持变体

用户常在同一条消息上要变体,主动支持、也在预览里提示可切换:

  • 5 行版:压到 5 行以内(老板档默认即此)。
  • 一段话版:不分点,一整段(发飞书群/私聊常用)。
  • 中英双语单发:中英各一段,用于单发私聊场景(一条消息里中英都给到)。

5. 输出即贴 + send-gate 停在预览

  • 输出即贴:交付的正文无 markdown 残留——不要 **加粗**、不要 # 标题、不要 ``` 代码围栏、不要 markdown 列表符号(飞书粘贴进去会变成裸星号/井号)。要分点就用中文顿号编号或纯换行。证据里的路径 / 版本号 / trace_id 直接写明文。
  • send-gate:出稿后停在预览,明确说「这是预览,确认后你自己复制发出 / 告诉我要调哪里」。绝不代发、不调发送通道。这是与用户「停在最后一步我来提交」纪律一致的硬闸门。

档位规格

RD 档(研发 / eng)

  • 语言:英文。(这是最高频的补纠点——见 guardrail「用英语,然后我是发飞书消息」,过去 ~6 次都是第二轮才补。本档默认直接英文,不要先出中文再等纠。)
  • 长度:2–4 句。精炼。
  • 语气:事实陈述式 = 「我发现的问题 + 建议」,不是技术细节堆砌、不是长篇报告。(配套纠正原话:「不用带这么多技术细节,更多是描述我发现的问题和建议」。)
  • 证据(必带):版本号、trace_id、文件路径 / 文件名。缺任何一个就是不合格——见 guardrail「给我具体的文件路径,文件名,版本号」。若上下文里拿不到某个证据字段,先问用户或去查,不要糊过去。
  • humanizer:不过。

运营档(ops)

  • 语言:中文人话。
  • 术语:少术语、少黑话;但必要的字段名 / 系统字段保留原文,不过度口语化(如 eval 里的字段名、活动 ID、region key——直接引用,不要翻成大白话)。见 guardrail「有点人话过度了」。
  • 必带:具体数字(有数字才有说服力,「有数字/可解释」是运营档的底线)。
  • humanizer:过(v2.8.0)。

老板档(leadership / boss)

  • 长度:5 行内。(默认就是 5 行版变体。)
  • 内容:结论先行、只保留决策/影响相关信息,砍掉过程细节。
  • humanizer:过(v2.8.0)。

local team 档

  • RD 档的事实陈述式变体,面向非工程的本地团队:默认英文或按 local team 语言,保留字段名 / region key / 活动上下文,语气比纯 RD 档更少技术堆砌。含混时问一句 local team 用什么语言。

Guardrails(逐字来自审计证据,落盘不得改写)

以下是用户真实说过的纠错原话,是本 skill 存在的理由,出稿前逐条自检:

「用英语,然后我是发飞书消息」 — 出处:内部会话审计记录 2026-06-23。含义:给研发默认英文,且是要粘贴进飞书的一段话,不要先出中文让用户第二轮再纠。

「有点人话过度了,涉及具体 eval 内明确声明的字段名的时候可以直接引用」 — 出处:内部会话审计记录 2026-06-02。含义:人话有度——语域落在「大白话」与「技术堆砌」之间;eval 字段名等专有名词直接引用原文,不要为了口语化而意译或拆解。

「给我具体的文件路径,文件名,版本号」 — 出处:内部会话审计记录 2026-06-24(原句「你检查的是哪个版本,给我具体的文件路径,文件名,版本号等细节信息,我发给研发」)。含义:RD 档证据密度是硬性的——路径、文件名、版本号、trace_id 一个都不能省。

相关技能

  • humanizer(v2.8.0):运营 / 老板档强制收尾。本 skill 调它,不重复它的能力。
  • meeting-notes:会议纪要 → 群消息,是另一条链路(妙记输入);本 skill 是「当前上下文发现 → 受众消息」,不重叠。
  • lark-im:真正的发送通道。本 skill 只到预览,用户确认后如需代发再走 lark-im(但默认仍是用户自己复制发出)。

当日验收

用本会话现成素材出 RD / 运营两档各一条,零补纠即过(真实验收 = 连续 3 条对外消息的观察期)。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.