agentleFS
chengkj99chengkj99/kj-skills/skills/paid-content-review/SKILL.md

paid-content-review

Skill14 starsChanged 5 months agoMITView on GitHub

付费内容(付费课程、专栏、知识星球正课/基础内容、单篇付费文章/教程)的发布前质检与可理解性优化。默认渠道为知识星球基础内容,每篇同时检查「有深度有价值 / 专业又易懂 / 逻辑清晰」三硬指标;整合学习路径、结构、准确性、深度、可操作性、付费价值、发布风险与篇级体验等十四个维度,支持单篇深审、整课体检和可理解性专项。按 P0/P1/P2 排序,每条问题点名到文件/章节/行号,默认先出方案不直接改稿。触发词:「发布前审查」「上线前质检」「全面审查课程」「单篇审查」「付费感够不够」「内容审查」「读起来不理解」「检查难懂的句子」「术语优化」「表达优化」「知识星球质检」「这个能上线吗」「paid-content-review」。不处理:从零写正文(用 course-generator)、选题策划(用 ai-programming-topic-planner)、把实战记录整理成案例(用 coding-session-to-tutorial)。

The file

Files
SKILL.md

paid-content-review:付费内容发布前质检

把一篇或一整门付费内容,在上线前过一遍系统化质检,产出按严重程度排序、点名到具体位置、可直接执行的审查报告。

核心判断不是「单章写得好不好」,而是这套内容是否真的值得付费购买——整门课要构成一套系统课程而非 N 篇松散文章;单篇要拉开与免费科普的差距。

默认发布渠道:知识星球基础内容。 学员是按篇付费注意力的——每一篇都要独立站得住,不能靠「整课体系」掩盖单篇注水。

付费内容的风险往往不在单章质量,而在全局一致性 + 付费价值 + 篇级用户体验:编号断层、跨章重复、深浅不均、跟不上工具版本、太像免费文章、术语绕、结构散。向 AI 泛问「有什么问题」只能得到泛泛框架,必须先把审什么维度 + 审多大范围 + 用什么标准三件事固定下来。

适用边界(先确认是不是该用我)

  • ✅ 用我:内容已写完,要在收费 / 公开发布前做把关——找硬伤、评估付费价值、判断能不能现在上线。
  • ❌ 不用我:还在写正文 → course-generator;还没想好写什么 → ai-programming-topic-planner;把一段实战记录整理成案例 → coding-session-to-tutorial。

知识星球篇级必过:用户视角三硬指标

课程将作为知识星球基础内容发布。审查时(单篇全文 / 整课深读章)必须从付费学员读完这一篇的视角,逐篇核对以下三条——缺一条即记问题,严重缺深度或结构混乱可升为 P0/P1:

#硬指标用户会怎么感受必须看到什么失败即记
U1有深度、有价值「不是表面介绍,带走能用的东西」至少一项可复用增量:方法/步骤、判断标准(何时用/何时别用)、踩坑点、取舍对比、可复用模板只讲「是什么」;无作者增量;通篇像免费科普/官方文档摘抄
U2专业又易懂「术语靠谱,但讲得不绕;新手跟得上,老手也有收获」术语准确;先给直观解释再给术语(或术语后立即白话);关键处有进阶注脚/对比/边界,让老手也能得点术语堆砌难懂;或过度口语丢专业度;只有入门没有进阶增量;只有高深没有新手入口
U3逻辑清晰「读起来顺,知道为什么学、学什么、怎么做、下一步」叙事大致遵循:开篇问题意识 → 概念/方法 → 示例/操作 → 小结/下一步;段落不跳戏、小节标题能串成故事线开篇无问题/场景;概念与操作倒置;有概念无示例;缺小结或下一步;中途大段跑题

三条与维度的关系:

  • U1 ↔ 主要落在 D6 / D10(深浅与付费价值),细则见 D14
  • U2 ↔ 主要落在 D9(表达一致性)+ D14 的易懂/双层读者
  • U3 ↔ 主要落在 D14(单篇叙事结构);整课衔接另见 D3

U2 另查清晰表达:短句是否保留条件、熟悉词是否准确、动作是否明确、陌生术语是否结合读者经验解释、同一术语是否一致、修辞是否遮住意思。U1/D8 检查知识能否转化为判断或行动,不能用篇幅或术语数量证明深度。发现问题须定位原句并给等价改法;缺证据另列,不用心理归因解释作者。不设置中文句长或黑话计数的自动通过线。

深读时先过三硬指标再评其他维度;报告里用「U1/U2/U3」或「深度/易懂/逻辑」点名,便于作者改稿。


第一步:判定审查模式

模式何时用报告模板
整课模式(course)审查对象是一门课:有总纲/课表/manifest + 多篇正文目录references/course-review-report.md
单篇模式(single)审查对象是单篇/单讲内容references/single-piece-review.md

用户可显式指定模式;未指定时按上表自动判定(给到目录/课表 → 整课;给到单个文件 → 单篇)。

专项子模式(可叠加在两种模式上,用户点名时启用,否则做全维度审查):

  • 准确性专项:全量扫描命令/参数/配置/API/版本,同时核对第一人称经历、案例、数据、对话、用户反馈和结果是否有来源(最该单独做的一项,见 D5)。
  • 可理解性专项:只审读者是否需要猜术语、动作、指代或流程,以及跨章叫法是否统一。执行前必须阅读 references/readability-optimization-guide.md。
  • 定价视角:站在「定价 ¥X 的付费学员」角度,专审撑不撑得起价、和免费有没有拉开差距(D10/D11)。
  • 单章深审:在整课里挑一章,只跑「准确性 + 深浅 + 可操作性 + 三硬指标(U1–U3)」,逐行给问题与改法。
  • 知识星球篇体验专项:只审 U1/U2/U3(深度价值 / 专业易懂 / 逻辑结构),适合改稿期快速过篇。

第二步:先收集三要素(缺则先问,别盲审)

这三件事决定判定线。缺任意一项就先简短追问,不要凭空假设后开审——盲审只会得到泛泛结论,这是本技能与「直接丢给 AI 找问题」最大的区别。

  1. 目标读者 —— 零基础 / 有经验转过来 / 团队内训?决定深浅与分层标注(直接影响 U2「新手能跟、老手有收获」怎么判)。
  2. 定价与对标 —— 多少钱、对标谁(某免费教程 / 某付费课)?决定「付费价值」和「定价支撑」的判定线。未说明时,默认按知识星球会员基础内容理解:单篇也要撑得起「值得付费进圈」的预期。
  3. 当前阶段 —— 终审找硬伤(输出清单)/ 还在改稿期要建议(可给改法甚至改稿)?决定输出形态。

可理解性专项例外:只需确认目标读者与当前阶段;定价不影响句子是否易懂,不得因缺少定价而阻塞审查。若用户已明确给出目录、选中文本或目标读者,可合理推断后直接开始,并在报告开头写明假设。

整课模式再补两项(有就给,没有可跳过):销售页/课程承诺与毕业项目设计——用于审「商业吸引力」是否兑现承诺。

可选补一项:发布渠道——默认「知识星球基础内容」;若实际是独立专栏/小报童/官网课,说明后相应调整包装维度(D12),但 U1–U3 仍适用。

无法即时追问时(批处理、子代理、headless 等场景):不要因为缺三要素就停摆。用一组合理的假设值开审,但必须在报告开头显式标注「以下为假设值,终审前需创作者确认」,并让结论相应保守。渠道默认假设为「知识星球基础内容」。


第三步:按范围读取材料(含抽样策略)

整课模式——内容量大,不可能每章都深读,按三层抽样,并在报告里如实说明抽样范围:

  1. 全量读总纲/manifest:拿到模块结构、章节清单、status、编号、备注。这是后续核对的基准。
  2. 全量轻扫所有正文文件:只为核对结构完整性(D4)——文件是否都在、编号是否连续、有无空章/墓碑页、文件名拼写、status 与实际是否相符。轻扫可用文件列表 + 每篇首屏/字数。
  3. 专项全量扫描:命令/参数/配置/API(D5)这类「跑不通就退款」的内容,必须全量扫,不能抽样。扫的时候做横向比对——同一命令在「概览/速查表」与「动手章」里是否写法一致(实测中最硬的 P0 就是概览表用了不存在的包名、与动手章自相矛盾)。
  4. 章首衔接句通扫:抽取每章开头的「上一章…」承上启下句,核对它引用的前序内容是否与实际编号顺序一致——重构调过模块顺序后,这里最容易留下「引用了还没学到的后置模块」的断层(D3)。这一步成本低、抓断层最准,整课模式必做。
  5. 代表性深读:每个模块挑 1–2 章代表章深读(开篇章 + 重点章 + 疑似薄弱章),评深浅、可操作性、付费价值,并强制过 U1/U2/U3 三硬指标。

单篇模式——通读全文,全维度评;开篇先过 U1/U2/U3,再评其余维度。

可理解性专项——全量通读用户指定范围,不做代表性抽样。给到目录时,默认通读目录内所有正文 Markdown;先顺读理解语境,再用 rg 横向扫描术语、近义叫法、产品界面名称、数量词和旧表达。搜索只能用于补漏,不能替代通读。


第四步:按维度审查(统一维度模型)

每条发现都要点名到具体位置(整课:模块/章节号;单篇:行号或小节),并给为什么是问题 + 怎么改方向。泛泛而谈(「整体可以更深入」)不算有效发现。

#维度适用一句话查什么
D1学习路径与梯度整课是否逐层推进、有无内容出现过早/过晚、难度跳变
D2模块分层与边界整课模块职责是否清晰,有无重叠/边界模糊/主题重复/模块内过散
D3前后依赖整课是否建立清晰先后关系,哪些章依赖未铺垫、该前移/后移、缺承上启下
D4结构完整性整课以 manifest 核对实际文件:编号连续、缺章/空章/墓碑页、status 一致、文件名拼写
D5内容准确性与时效两者命令/参数/配置/API/版本是否正确,亲历/案例/数据/对话/反馈/结果是否有来源
D6深浅与梯度两者该展开处是否一笔带过——是否有方法/判断标准/有来源的踩坑,付费溢价在「比免费深」
D7重复与冗余两者跨章 / 篇内是否重复讲同一概念、字数注水
D8可操作性与交付物两者有无可复现步骤/代码/截图/清单/练习,学完能否产出明确结果而非只「知道」
D9一致性两者术语、人称、风格、格式、编号、回链是否统一
D10付费价值两者每讲是否有超免费科普的价值(判断框架/实操/命令/工作流/踩坑/案例/模板)
D11定价支撑整课内容厚度配不配定价、与免费教程的差异点
D12商业吸引力与包装两者标题/模块名/顺序/毕业项目撑不撑得起销售承诺,哪些标题不像愿意付费学的表达
D13发布风险综合两者汇总结构/内容/时效/付费感/完整度/篇级体验风险,给「上线前必须解决」项
D14知识星球篇级体验(U1–U3)两者深度价值 / 专业易懂 / 叙事逻辑——每篇是否同时过关

每个维度的详细判定标准(查什么细项、失败信号、增强方向)见 references/dimension-rubric.md——开审前先读它。

做可理解性专项时,以 D6、D9、D12 为主,并按 references/readability-optimization-guide.md 检查抽象表达、动作歧义、术语碰撞、引用断点和数量不一致;不要顺带扩大成用户没有要求的全面改写。

单篇模式跳过 D1–D4 与 D11(这些是全局/跨章维度),其余照评,D7/D9 作「篇内」理解;D14 必跑。


第五步:输出审查报告

  • 整课 → 套用 references/course-review-report.md 的模板。
  • 单篇 → 套用 references/single-piece-review.md 的模板。
  • 可理解性专项 → 使用 references/readability-optimization-guide.md 的精简报告结构;不强制填充与任务无关的定价、商业包装章节。
  • 先出报告,不改文件。仅当用户处于「改稿期」且明确要求改时,才在出完报告后动手改。
  • 改过时内容时:正文直接换成现行正确做法,不要留下「已归档 / 已弃用 / 不要再装旧包」等考古说明——那是作者内部信息,对学员是噪音(细则见 D5「改稿纪律」)。
  • 用户只批准部分建议时,只改批准清单;保留被否决项原文。修改后搜索旧表达、检查新术语一致性,并运行 git diff --check。
  • 不要平均用力:明确优先级,把笔墨集中在 P0/P1。
  • 报告中须有一节(或表格列)显式覆盖 U1/U2/U3,避免只写笼统「付费感不足」。

严重程度定义(贯穿所有表格)

  • P0 必改:上线即翻车——跑不通的命令、缺章/墓碑页、结构断层、与定价严重不符、整篇无深度(纯科普充数)、叙事严重混乱读不下去,或被写成事实的虚构亲历、数据、用户反馈和结果。不解决不能发。
  • P1 建议改:明显影响体验或付费感——深浅不均、跨章重复、标题不抓人、缺交付物、术语过绕或过浅、缺小结/下一步、老手读完无增量。发之前尽量改。
  • P2 可优化:锦上添花——措辞、格式统一、可加的对比表/案例、进阶注脚可更清晰。可上线后迭代。

质量自检(交报告前过一遍)

  • 是否点名了具体模块/章节/行号,而非泛泛而谈?
  • 每条发现是否给了为什么是问题 + 怎么改?
  • 是否按 P0/P1/P2 排序、明确了优先级,没有平均用力?
  • 三要素(读者/定价/阶段)是否已确认或已向用户追问?渠道默认是否按知识星球处理?
  • 深读篇/单篇是否逐篇过了 U1 深度价值 / U2 专业易懂 / U3 逻辑清晰?
  • 整课模式:是否如实说明了抽样范围(哪些深读、哪些只轻扫)?
  • D5 是否全量扫而非抽样:既核对命令/配置/版本,也核对第一人称亲历、案例、数据、对话、用户反馈和结果的来源?
  • 若已改稿:过时命令/包名是否已直接替换为现行写法,正文里没有「已弃用/已归档/勿用旧包」类读者噪音?
  • 是否未擅自改文件(除非用户在改稿期明确要求)?
  • 可理解性专项是否全量通读了用户指定范围,而不是只用关键词扫描?
  • 用户只批准部分建议时,是否只修改批准项并保留其余原文?
  • 简化表达后是否仍保留事实核对、适用范围、人工确认等必要边界?
  • 该合并/删除/前移/后移的章节,是否直接说了而不是含糊带过?

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.