agentleFS
anneheartrecordanneheartrecord/x-operation-skills/x-hotspot-radar/SKILL.md

x-hotspot-radar

Skill4 starsChanged 4 months agoMITView on GitHub

X(Twitter) 热点雷达:从热点扫描 → 五重过滤 → 角度与结构提纲 → 风格校准 → 全文 → 去 AI 味 → 配图/封面 → 落盘草稿的落地推文全流程。本 skill 是编排层,写作文风、去 AI 味、生图都调用用户已有系统,不重造。产物默认落盘 tweets 目录草稿,发布交给 x-post。 触发方式:/x-hotspot-radar、「X热点」「扫下热点」「今天发什么」「热点做条推文」「热点雷达」。 X hotspot radar: scan hot topics → five-filter → angle & outline → style calibration → full draft → de-AI → cover/illustration → save as draft. An orchestration skill that reuses the user's writing/de-AI/image systems. Trigger: /x-hotspot-radar, "X hotspot", "what to post today", "turn this hot topic into a tweet".

1 other project uses a version of this, 1 of them edited.

Adopted by

Most recently taken up by

  • Other versions1 project uses a version of this.

    Word for word · 0

    None found.

    Edited · 1

    1. anneheartrecord/charles-skill★ 395% same

    Wrote their own version · 0

    None found.

    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 热点雷达(热点 → 落地推文)

把「今天有什么值得蹭的热点」变成一条符合用户文风、去过 AI 味、配好图、可直接发布的推文草稿。

本 skill 只做编排:热点扫描 + 五重过滤 + 流程串联。文风、去 AI 味、配图、发布都调用下面列出的已有系统,严禁在本 skill 里重新发明这些环节。

依赖的已有系统(糊在流水线上)

环节调用什么位置
文风(所有写作)写作系统三件套 + 镇库范文~/.agent-harness/writing/writing-style*.md
开头诊断dbs-hook已装 skill
发布前共鸣诊断dbs-resonate已装 skill
去 AI 味de-ai-flavor(观点文走 A-E)已装 skill
正文配图ian-xiaohei-illustrations(观点/隐喻)、guizang-material-illustration(机制/数据图)已装 skill
封面cover-image已装 skill
发布同仓 x-post(dry-run + 确认)同仓 skill

账号定位(过滤热点的基准,可被用户运营手册覆盖)

用户 @Charles77xixi 的稀缺交叉地带:真写代码、真用 Agent、真拿钱在市场交过学费。三个反复问题(选题只服务这三条):AI 真落地、钱真打理、路真自己选。不做纯 AI 工具搬运、纯新闻评论、MBTI/情绪流水账(历史数据验证这些 0 涨粉)。若用户运营目录有 账号运营手册.md/选题库.md,以其为准。

工作流程

第 1 步:扫热点

按账号定位分领域扫,来源:

python3 <skill目录>/scripts/scan_hotspots.py --topics ai,investing,career

脚本用给定关键词生成一批 WebSearch/WebFetch 查询建议(HN、各大 AI 厂商发布、GitHub Trending、财经要闻)。agent 拿建议后实际执行 WebSearch/WebFetch 抓当天热点。可选:配了 cookie(X_AUTH_TOKEN/X_CT0)时,用同仓 x-content-review/scripts/fetch_x_pulse.py --user <对标账号> --profile 看对标账号最近在讲什么。

也支持用户直接丢链接/截图进来,跳过扫描。

第 2 步:五重过滤(排掉不值得做的)

对每个候选热点过五关,任一不过就淘汰:

  1. 相关性:落在三个反复问题(AI 落地/钱/路)里吗?蹭不上定位的再热也不做。
  2. 稀缺角度:用户有没有别人没有的一手视角(真实代码/真实持仓/真实踩坑)?只有转述没有增量 → 淘汰(历史数据:纯新闻评论 0 涨粉)。
  3. 时效:热点还在窗口内吗?过气的不做。
  4. 信任增益:发出来能不能让人更信用户(露出判断/证据)?纯蹭流量不增信 → 降级。
  5. 可持续:能不能接到已有系列、沉淀成资产?一次性消耗 → 降级。

输出候选热点表:热点 + 过滤结论 + 推荐做/不做。

第 3 步:出角度和结构提纲,等用户拍板(硬性分步)

按全局写作规范三步走的第一步:给 2-3 个角度选项 + 每个的编号结构提纲。停下等用户选,不直接铺全文(除非用户说「直接出全文」)。

第 4 步:写开头段落做风格校准,等用户反馈

先读写作系统三件套,按用户文风写开头段(具体场景/一笔账/一次真实取舍切入,绝不抽象开场)。用 dbs-hook 自检开头。停下等用户反馈。

第 5 步:铺全文

按镇库范文的编号说理骨架铺全文(短推是压缩版):具体开场 + 反共识判断 + emoji 编号观点 + 每节落判断 + 极致具体 + 坦诚暴露。守写作系统硬禁忌(不用引号强调、不用破折号、连接词胶水≤1、结尾不用反问钩子)。

第 6 步:去 AI 味

走 de-ai-flavor(观点文按 A-E 五条强制动作)。这一步不可省——热点稿最容易带 AI 味。

第 7 步:配图(可选,用户要就做)

  • 外部视频/音视频转写推文配图(2026-10-19 必选):必须提取原视频 16:9 纯净画面(原视频封面或 16:9 播放画面),坚决去除浏览器顶部搜索栏、侧边栏推荐列表、评论区以及插播广告等网页 UI 杂质。
  • 观点/隐喻类插图 → ian-xiaohei-illustrations
  • 机制/概念拆解/数据图 → guizang-material-illustration
  • 需要封面(thread 首图)→ cover-image(文案走好奇/共鸣钩子,不塞关键词)

第 8 步:过闸与落盘草稿

  • 起草完毕后必须走 x-post-gate 闸二五问自检,并在 frontmatter 注入属性:发帖结论: 发、结论理由: ...;
  • 产物落 30-outputs/tweets/,命名 热点推文-<主题>-YYYY-MM-DD.md 或 <主题>-推文草稿.md,标注「草稿,待用户改后手动发」;
  • 必须重跑生成器刷新看板:python3 ~/.agent-harness/bin/media-dashboard-gen.py,确保 HTML 作战室实时可见。

第 9 步:发布(仅当用户明确说发)

用户明确要发时,交给同仓 x-post:dry-run 预览 → 用户确认 → 发布。含链接帖提醒 $0.20 溢价。

外部来源转写推文专项规范(2026-10-19 用户拍板确立)

当输入内容为外部视频、播客、长文或指定博主观点转写时,必须执行三项硬核标准:

  1. 标题与口风:标题用 # 读 @原作者 的... 或 # 转录 @原作者 的...,开篇以「今天看了 @原作者 聊...」切入,通篇保持客观转述、提炼与同行审视姿态,绝不把他人观点与经历当成自己的内容;
  2. 题图截取规范:提取原视频 16:9 纯净画面(原视频封面或 16:9 播放画面),严禁截取带网页搜索栏/侧边栏/评论区/广告的外框;
  3. 拒绝过度浓缩(保留全量硬核精华):转写绝不浮于表层概念,必须完整保留原作者的核心案例、完整建议项(如 5 条就必须出全 5 条)、数学量化推导(具体年限、数字、复利本金对比)与底层因果机制,拒绝为了篇幅牺牲精髓。

判断规则(硬口径)

  • 只做编排,不重造文风/去 AI 味/配图逻辑,一律调已有系统。
  • 三步分步(提纲→开头→全文)是硬性的,用户没说「直接出全文」就不能跳。
  • 落盘即止,不主动发布;发布只走 x-post 且需用户明确确认。
  • 五重过滤宁缺毋滥:一天没有值得做的热点,就如实说「今天没有值得蹭的」,不硬凑。
  • 所有产物是初稿,用户会自己改最终版。

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.