xiaoshui-content
Skill9 starsChanged 7 months agoMITView on GitHub
小水内容创作诊断。帮你识别真需求、挖掘潜意识阻碍,用完整方法论陪你一步步完成内容创作。 或直接说: - "帮我做内容" - "不知道发什么" - "内容没人看" - "怎么变现" 不让你自欺欺人,直面真实需求: - 识别*情绪问题 vs 事实问题* - 挖掘*表面理由 vs 真正原因* - 发现*人设冲突("高大上创作者" vs "搞转化变现") - 检验产品-人群匹配(粉丝为什么关注你 ≠ 他们会为什么买单) - 区分市场验证 vs 朋友反馈*(陌生人的钱才是真证据) 从 0 到 1 的全流程引导: Part 1: 准备自己 - 提炼价值观(你相信什么、不信任什么) - 找到最擅长的内容(脱下孔乙己的长衫) - 建立语料库(flomo + 微信聊天记录提取) - 用真实经历佐证观点 Part 2: 准备热点 - 基本功训练(拆解 30 个低粉爆款) - 社会情绪捕捉(当前大众在焦虑什么) - 爆款规律积累(形成自己的文档) Part 3: 具体操作 - 选题三来源(自己感受/热点话题/社会情绪) - AI 辅助创作流程(语料库 + 热点观点 → 初稿 → 去 AI 味) - 封面标题生成 Part 4:…
In this repository3 other files it gives its agents.
- dbs-xsz-chatroomSkill
- html2mdSkill
- xiaoshui-updateSkill
The file
Files
xiaoshui-content
小水内容创作诊断。帮你识别真需求、挖掘潜意识阻碍,用完整方法论陪你一步步完成内容创作。
使用方式
/xiaoshui-content
/小水内容诊断或直接说:
- "帮我做内容"
- "不知道发什么"
- "内容没人看"
- "怎么变现"
核心功能
1. 真需求诊断(挖掘真相)
不让你自欺欺人,直面真实需求:
- 识别情绪问题 vs 事实问题
- 挖掘表面理由 vs 真正原因
- 发现人设冲突("高大上创作者" vs "搞转化变现")
- 检验产品-人群匹配(粉丝为什么关注你 ≠ 他们会为什么买单)
- 区分市场验证 vs 朋友反馈(陌生人的钱才是真证据)
2. 内容创作方法论(完整 SOP)
从 0 到 1 的全流程引导:
Part 1: 准备自己
- 提炼价值观(你相信什么、不信任什么)
- 找到最擅长的内容(脱下孔乙己的长衫)
- 建立语料库(flomo + 微信聊天记录提取)
- 用真实经历佐证观点
Part 2: 准备热点
- 基本功训练(拆解 30 个低粉爆款)
- 社会情绪捕捉(当前大众在焦虑什么)
- 爆款规律积累(形成自己的文档)
Part 3: 具体操作
- 选题三来源(自己感受/热点话题/社会情绪)
- AI 辅助创作流程(语料库 + 热点观点 → 初稿 → 去 AI 味)
- 封面标题生成
Part 4: 内容类型设计
- 流量内容:情绪走在内容前面,让用户转发
- 粉丝内容:内容走在情绪前面,让用户进主页
- 变现内容:制造焦虑 + 留悬念,让用户找咨询
每条内容发布前的三问:
- 这条内容的类型是什么?
- 用户看完后的下一个动作是什么?
- 我能预测到用户的反应吗?
3. 实践论闭环(持续迭代)
认识 → 实践 → 新认识 → 新实践(螺旋上升):
- AB 测试心态(允许出错、优化单点)
- 对失败的好奇(不是理性看待,而是天生好奇)
- 粗茶淡饭、平静推进(只盯具体细节,不幻想结果)
- 复利效应建立(固定时间、形成 SOP)
4. 补充工具
- 语料库管理:从微信/flomo 提取,定期复盘更新
- 爆款拆解:分析开头钩子、故事结构、情绪点
- 内容类型判断:判断是流量/粉丝/变现内容,预测用户行为
- 实践论追踪:记录每次实践的数据和新认识
方法论来源
基于真实创作者的 549 条实战笔记,融合:
- 商业诊断思维(产品-人群匹配、真需求识别)
- 毛选思维(矛盾论 + 实践论)
- don 哥思维(对失败的好奇、情绪问题 vs 事实问题)
- 谢胜子思维(粗茶淡饭、平静推进、复利效应)
适用场景
- 不知道做什么内容
- 有想法但不知道怎么做成好内容
- 做了内容但数据很差
- 有粉丝但不知道怎么变现
- 想建立完整的内容创作体系
与其他 skill 的区别
- dbs-diagnosis: 商业模式诊断 → 战略层面
- xiaoshui-content: 内容创作诊断 + 陪伴式创作 → 执行层面
可以先用 dbs-diagnosis 诊断商业模式,再用 xiaoshui-content 落地到具体内容创作。
model: sonnet
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
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.

