agentleFS
yht-4403yht-4403/jc-agent-skills/jc-daily-thought-social-publisher-v5/SKILL.md

jc-daily-thought-social-publisher-v5

Skill1 starsChanged 20 days agoMITView on GitHub

将知识库长文改成单主题社交媒体文案;在用户需要发布小红书或社交平台内容时使用。

The file

Files
SKILL.md

JC Daily Thought Social Publisher V5

一句话定位:把知识库长文拆成内容原子,再自动判断是否需要升级调用 DBS 方法,最后只围绕一个小红书问题成稿。

v5 = v4 的「原子拆分 + 单问题成稿」+ 自动路由层。

版本差异

  • v3:保留完整叙事,适合飞书、知乎、Uplog。
  • v4:先拆原子,只选一个问题,适合小红书。
  • v5:在 v4 基础上增加自动判断:问题不清走 dbs-good-question,概念不清走 dbs-deconstruct,角度不稳走 Mini Chatroom。

关键边界

「问题 → 常见误区 → 机制 → 例子 → 动作」不是 DBS 原 skill 明文规定的固定模板。

这是本 skill 为小红书平台定制的成稿骨架,来源于 DBS 的 dbs-good-question、dbs-deconstruct、dbs-content-system、dbs-hook、dbs-content 的组合方法。

v5 不默认完整调用所有 DBS skill。它先用轻量规则判断,只有踩到阈值才升级调用。

成稿边界

v5 不判断内容适合哪个账号,也不为了匹配作者身份、账号定位或发布渠道去改写材料。

成稿必须就事论事,服务这个主题本身和目标读者。禁止为了贴合作者身份或商业身份,额外加入原文没有的跨领域例子、个人经历或个人复盘。

例子优先来自原文。原文没有足够例子时,只能使用中性、贴合主题的补充场景,并标注为「补充场景」,不能把作者本人塞进正文。

前置条件

用户提供原文全文或知识库文件路径。主 agent 必须完整读取原文,不跳读。

如果用户提供的是文件路径,最终发布稿保存到:

/Users/codemao/Documents/JC知识库/05-自媒体/待发布/

文件名遵循:

YYYY-MM-DD-[标题候选 Top 1]-社交发布稿.md

同名文件已存在时,在文件名末尾追加 -2、-3。

必读 References

执行本 skill 时读取:

  • references/atomization-guide.md:Phase 1-2 必读,用于原子拆分和单问题选择。
  • references/auto-routing-guide.md:Phase 3 必读,用于判断是否升级调用 DBS 方法。
  • references/dbs-xhs-writing-rules.md:Phase 4-5 必读,用于小红书成稿和自检。

DBS 调用说明

v5 里的「调用 DBS」指:主 agent 根据阈值读取对应 DBS skill 的 SKILL.md,按它的方法对当前问题/概念/角度做专项校准,再把校准结果合并回 v5 成稿流程。

默认可用路径:

  • dbs-good-question:/Users/codemao/.cc-switch/skills/dontbesilent2025-dbskill-dbs-good-question/SKILL.md
  • dbs-deconstruct:/Users/codemao/.cc-switch/skills/dontbesilent2025-dbskill-dbs-deconstruct/SKILL.md
  • dbs-chatroom:/Users/codemao/.cc-switch/skills/dontbesilent2025-dbskill-dbs-chatroom/SKILL.md

注意:不要把 dbs-chatroom 原版推荐专家流程作为默认流程。v5 默认使用 Mini Chatroom;只有用户明确要求完整聊天室时,才使用原版 dbs-chatroom。

执行流程

Phase 0:读取原文

完整读取原文,识别:

  1. 原文主题
  2. 原文材料类型:读书笔记 / 个人思考 / 案例复盘 / 方法论 / 销售拆解 / 职场观察
  3. 原文中的事实、作者观点、AI 推断、个人应用建议
  4. 哪些内容适合公开发布,哪些只适合留在知识库决策记录里

正文里不要保留「作者观点」「AI 推断」「个人应用建议」这类知识库标签。发布稿要像一个人在说话。

Phase 1:原子拆分

按 DBS 内容工程的五类单元拆原文:

  1. 问题单元 Q:这段材料真正能回答什么问题
  2. 概念单元 C:承担论证重量、容易误解的大词
  3. 观点单元 O:作者真正想表达的判断
  4. 案例单元 E:能证明判断的具体场景、对话、数字、行为
  5. 方案单元 S:读者看完能做的动作

拆分规则见 references/atomization-guide.md。

Phase 2:选择本次成稿问题

只选一个问题单元成稿。

按 5 项评分:

  1. 痛点即时性
  2. 冲突强度
  3. 场景具体度
  4. 材料可支撑度
  5. 主题通用性

如果最高分问题仍然不够清楚,不要直接成稿,进入 Phase 3 自动路由。

Phase 3:自动路由

读取 references/auto-routing-guide.md,按顺序判断:

  1. 问题门:是否需要 dbs-good-question
  2. 概念门:是否需要 dbs-deconstruct
  3. 角度门:是否需要 Mini Chatroom

调用顺序固定:

原子拆分 → 问题门 → 概念门 → 角度门 → 成稿

不要反过来先 Chatroom。没有一个清楚的问题,多视角讨论只会把文章变散。

升级调用上限:

  • 默认最多升级 2 个环节。
  • 如果已经调用了 dbs-good-question 和 dbs-deconstruct,只有在角度仍明显不稳时才进入 Mini Chatroom。
  • 用户明确要求「完整压测」时,可以三者都走。

把每次调用或跳过的理由写入最终文档的「自动路由记录」。

Phase 4:问题校准

对最终选题做 7 项校准:

  1. 目标读者:这篇只写给哪一种人
  2. 现象:他们正在经历什么具体场景
  3. 常见误区:他们通常会怎么理解错
  4. 本文问题:这篇真正要回答什么
  5. 核心冲突:为什么这个问题值得点开
  6. 可观察信号:如果判断成立,现实中应该看到什么
  7. 不确定项:哪些只能写成个人观察,不能写成普遍规律

「本文问题」必须是一句话。不能写成大词,必须包含人、场景或动作。

Phase 5:成稿

按以下顺序生成:

  1. 标题候选 5 个
  2. 开头候选 3 个
  3. 正文

正文默认骨架:

  1. 问题:这篇解决谁的哪个具体问题
  2. 常见误区:多数人会怎么想错、做错
  3. 机制:为什么会这样,因果链是什么
  4. 例子:原文里最能支撑判断的一个场景
  5. 动作:读者下一次遇到这个场景时怎么做
  6. 收束:一句边界判断,不升华

成稿要求见 references/dbs-xhs-writing-rules.md。

Phase 6:自检 + 自改

按 10 项检查,发现问题直接改:

项目通过标准
单问题正文只回答一个问题
路由合理该调用的已调用,不该调用的没硬套
原子支撑正文每个关键判断能回到某个原子
问题清楚有目标读者、场景、冲突、反馈入口
首屏筛选前 3 句能筛出目标读者
冲突清晰读者知道为什么常见做法有问题
概念干净大词被替换成动作、场景、反馈
例子有效至少有一个具体场景支撑机制
动作具体读者知道下一次怎么做
AI 味无空泛排比、无过度升华、无连续口号
无身份迁移没有为了匹配作者身份、账号定位或发布渠道新增例子

如果正文仍像飞书/知乎文章,重写开头和正文结构。

Phase 7:输出文档

输出完整 Markdown 文档并保存到待发布目录:

# [标题候选 Top 1]

---

## 原子拆分记录

### 问题单元
- [Q1] ...

### 概念单元
- [C1] ...

### 观点单元
- [O1] ...

### 案例单元
- [E1] ...

### 方案单元
- [S1] ...

---

## 自动路由记录

| 路由门 | 结果 | 理由 | 处理 |
|---|---|---|---|
| 问题门 | 调用/跳过 |  |  |
| 概念门 | 调用/跳过 |  |  |
| 角度门 | 调用/跳过 |  |  |

---

## 选题决策

**本次选题**:
**选择理由**:
**目标读者**:
**本文问题**:
**核心冲突**:
**可观察信号**:
**不确定项**:

---

## 成稿

### 标题候选

1. ...
2. ...
3. ...
4. ...
5. ...

### 开头候选

**开头 1**:
**开头 2**:
**开头 3**:

### 正文

[完整正文]

---

## 质检结果

| 项目 | 结果 | 说明 |
|---|---|---|
| 单问题 | ✅/⚠️ |  |
| 路由合理 | ✅/⚠️ |  |
| 原子支撑 | ✅/⚠️ |  |
| 问题清楚 | ✅/⚠️ |  |
| 首屏筛选 | ✅/⚠️ |  |
| 冲突清晰 | ✅/⚠️ |  |
| 概念干净 | ✅/⚠️ |  |
| 例子有效 | ✅/⚠️ |  |
| 动作具体 | ✅/⚠️ |  |
| AI 味 | ✅/⚠️ |  |
| 无身份迁移 | ✅/⚠️ |  |

---

## 后续可拆选题

- ...

最终回复只给:

  1. 发布稿文件路径
  2. 本次选择的问题
  3. 自动路由结果
  4. 后续最值得拆的 1-2 个选题

迭代方式

用户反馈执行
「换一个问题」从原子拆分记录里重新选 Q 单元,重跑 Phase 2-7
「问题没钉住」强制走 dbs-good-question,重写问题校准和开头
「概念没拆清」强制走 dbs-deconstruct,重写相关正文段落
「角度不稳」强制走 Mini Chatroom,重选角度
「太像长文」压缩到 500-800 字,保留问题、误区、机制、例子、动作
「不够 DBS」检查是否缺少冲突、现实信号、大白话概念拆解
「开头不筛人」重写 3 个开头,只保留读者筛选器结构
「动作不具体」重写正文最后 1/3,只保留下一步行为
「想发知乎/飞书」切回 v3 或输出长文版,不用 v5 单问题约束

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.