agentleFS
anneheartrecordanneheartrecord/x-operation-skills/x-account-audit/SKILL.md

x-account-audit

Skill4 starsChanged 4 months agoMITView on GitHub

X(Twitter) 账号门面诊断。对 bio、置顶帖、封面(banner)、头像、辨识度、主页分流能力做体检,框架来自《把才华变成钱》(信任与变现)与向阳乔木增长方法论(定位与关注结构),输出逐项诊断 + 可直接替换的改写稿。 触发方式:/x-account-audit、「诊断我的X账号」「看看我的bio」「主页体检」「账号辨识度诊断」。 X account profile audit: bio, pinned post, banner, avatar, recognizability, and profile funnel, diagnosed against a trust-and-monetization framework, with ready-to-use rewrites. Trigger: /x-account-audit, "audit my X account", "check my bio", "profile checkup".

2 other projects use a version of this.

Adopted by

Most recently taken up by

  • Other versions2 projects use a version of this.

    Word for word · 1

    1. anneheartrecord/charles-skill★ 3100% same

    Edited · 0

    None found.

    Wrote their own version · 1

    1. TwitterAPIs/twitterapis-skills★ 0same name

    How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.

  • In this repository5 other files it gives its agents.

The file

Files
SKILL.md

X 账号门面诊断

主页不是名片,是分流器:陌生人从一条帖子点进主页,10 秒内要么明白「这个人和我的问题有关」并关注/深入,要么划走。本 skill 逐项体检门面,每项给结论 + 改写稿。

第 1 步:收集材料

前置条件:X cookie(env X_AUTH_TOKEN/X_CT0,配置方法见仓库 README)。按优先级取材:

  1. cookie 自动拉取(默认):用同仓 x-content-review 的脚本拉主页信息(bio/显示名/头像与 banner/置顶帖全文与数据/粉丝关注比),并把头像和 banner 下载到本地:
python3 <仓库>/x-content-review/scripts/fetch_x_pulse.py --user <handle> \
  --profile --download-media <数据目录>/media

返回的 local_media.avatar / local_media.banner 是本地图片路径。必须用 Read 工具实际打开这两张图看,再做视觉诊断——头像看缩略图辨识度、是否手绘/真人固定 IP;banner 看是否强化了 bio 那一句话(而不是重复能力清单或放风景图)、手机端文字是否可读。不要只凭 URL 猜,一定要看图。 2. cookie 不可用时,退化为让用户粘贴:bio 全文、置顶帖内容、头像与封面截图。 3. 若用户本地有运营手册/核心参考/media kit(常见于知识库运营目录),先读,诊断结论必须与其定位一致。

第 2 步:逐项诊断

2.1 Bio(权重最高)

三大死法检查(命中任何一条即不合格):

死法症状判断标准
简历压缩包身份堆叠:「工程师 / 投资者 / 写作者」只能被分类,不能被选择——读者说不出「什么情况下找他」
口号「长期主义」「做时间的朋友」听起来正确,想不出任何动作
能力清单罗列会什么别人买的不是工具箱,是结果

改写要求:套价值句模板「我帮____,在____的时候,解决____问题」或定稿句式「我帮____,解决____,让他能____」。一次写 10 版再删:删太大的、太虚的、没证据的。选最容易被复述的,不是最漂亮的。

验收(三个测试):复述测试(陌生人能否说出你帮谁解决什么)、场景测试(什么情况下会想到找你)、转介绍测试(能否被介绍成一句带场景的话)。改写稿要预演这三个测试。

2.2 主页分流器三件套

逐一检查,缺一即断:

  1. 一句清楚介绍(bio,见上)。
  2. 一条代表判断的置顶帖:置顶必须露出判断/证据(Start Here、代表作、反常识判断),不能是随手日常或纯转发。
  3. 一个能继续了解或购买的入口:个人站/GitHub/落地页链接。检查链接是否存在、是否指向「下一步动作」而非泛泛首页。

2.3 封面(banner)与头像

  • 头像:辨识度检查——缩略图尺寸下能否一眼认出?是否与其他平台一致(跨平台同脸)?真人照/固定 IP 形象优于频繁更换。
  • 封面:是主页最大的免费广告位。合格标准:强化 bio 的同一句话(视觉化价值主张或证据),而不是风景图/默认图/与定位无关的装饰。封面文字在手机端要可读。
  • 显示名:名字 + 一个记忆点即可,不要把 bio 塞进显示名(关键词堆叠是机器味)。

2.4 辨识度与一致性

  • 名字、头像、bio、置顶、高频内容类别,五者是否指向同一束光(反复照向同一个地方)?
  • 内容抽查:最近 10 条原创是否服务「三个反复问题」;若发现明显漂移(如定位是判断型却大量新闻搬运),指出来。
  • 关注结构:被关注数 : 关注数,健康账号被关注远多于关注;互关堆出来的关注列表会稀释定位信号。

2.5 证据盘点(信任层)

按五类清点主页可见证据:作品 / 过程 / 结果 / 反馈 / 判断。

  • 结果证据用「从____到____」句式;反馈证据只收具体的,不收「很专业很有帮助」。
  • 检查证据是否摆进了「看见路径」:陌生人第一次看见你 → 哪句话让他知道和他有关 → 主页看到什么证据 → 去哪看完整内容 → 有需求怎么找你。断在哪,先修哪。

第 3 步:输出报告

固定结构,落盘 Markdown(用户有运营目录则存那里,命名 X账号诊断-YYYY-MM-DD.md):

  1. 总评:一句话说清当前门面最大的断点(只说一个,最痛的那个)。
  2. 逐项打分表:bio / 置顶 / 入口 / 头像 / 封面 / 辨识度 / 证据,每项 ✅/⚠️/❌ + 一句依据。
  3. 改写稿:bio 给 3 版可直接替换的候选(标注各自取舍);置顶给内容方向建议;封面给文案 + 构图描述(可对接图像生成)。
  4. 修复顺序:按「看见路径」断点排优先级,最多 3 件事,每件可当天完成。

判断规则(硬口径)

  • 诊断先于建议:每个 ❌ 必须先引用用户的原文/原图作为证据,再给改法。
  • 改写稿必须过「复述测试」预演:写完自问陌生人能否复述。
  • 不发明定位:改写只收窄表达入口,不替用户改人生方向;定位级问题(如换赛道)标注为「需要用户决策」,不直接下结论。
  • 与用户已有运营文档冲突时,以指出冲突为准,不擅自覆盖。

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.