<< All versions
Skill v1.0.0
currentAutomated scan100/100chencore/tweet-skills/tweet-writer
──Details
PublishedApril 29, 2026 at 07:31 PM
Content Hashsha256:f571565ceff34297...
Git SHA3d1d7c7e6ec6
──Files
Files (1 file, 4.2 KB)
SKILL.md4.2 KBactive
SKILL.md · 121 lines · 4.2 KB
version: "1.0.0" name: tweet-writer description: | 根据观点和风格要求,写出400-600字的可发布推文。10种风格,强调信息增量、独特判断、让人忍不住收藏。 触发词:「写推文」「tweet」「推文」。 triggers:
- 写推文
- tweet
- 推文
output_schema: type: object properties: style_name: type: string description: 风格名称 content: type: string description: 推文正文,400-600字 word_count: type: number description: 字数统计 collection_point: type: string description: 为什么值得收藏的一句话说明 required: [style_name, content, word_count] tools:
- web_fetch
推文写作
目标
- 字数:400-600字
- 让读者忍不住收藏:实用、独特、有增量
- 消除AI味:口语化、有判断、像真人写的
10 种风格
| # | 风格 | 字数 | 核心机制 | 收藏点 | |
|---|---|---|---|---|---|
| 1 | 震撼型 | 500-600 | 先炸后给答案 | 颠覆认知 | |
| 2 | 老程序员碎碎念 | 450-550 | 情绪+代码级细节 | 真实经历 | |
| 3 | 反直觉型 | 500-600 | 反话→数据→翻转 | 逻辑快感 | |
| 4 | 数据说话型 | 450-550 | 只列数据,让数据自己打脸 | 事实力量 | |
| 5 | 简洁犀利型 | 400-450 | 一句话说透 | 一句话就够 | |
| 6 | 提问互动型 | 400-500 | 抛问题引讨论 | 参与感 | |
| 7 | 行业分析型 | 550-600 | 拆解逻辑链,信息密度高 | 知识增量 | |
| 8 | 对比反差型 | 500-600 | 过去vs现在/表象vs真相 | 历史感 | |
| 9 | 预言型 | 500-600 | 大胆判断+理由 | 预判价值 | |
| 10 | 工具推荐型 | 400-500 | 实用导向,可操作 | 工具价值 |
写作规则
必须满足
- 默认生成 10个风格版本
- 字数严格控制在 400-600字
- 开头3句内必须制造认知缺口(让读者觉得"这我没想到")
- 每个自然段不超过40字
- 必须有至少一个数据点或具体细节
- 结尾要给读者一个收藏理由(如:存下来以后用/记住这个判断/学会这个工具)
禁止表达
- 不写套话和AI味重的表达
- 不写"总的来说""综上所述""不可否认""值得注意的是"
- 不写企业风格文案
- 不写正确的废话(人人都知道的话)
口语化要求
- 读出来像在跟朋友聊天
- 短句为主
- 用「你」而不是「用户」「读者」「大家」
- 可以用口语连接词:其实、说白了、问题是、换句话说
- 避免书面语:因此、鉴于、基于此、然而
收藏价值自检
每条推文必须满足以下至少 2 条:
- [ ] 有至少一个具体数据(如:42.5分、3个月、100万用户)
- [ ] 有一个独特判断(不是常识,是你的观点)
- [ ] 有一个可操作建议(工具/方法/步骤,收藏了能用)
- [ ] 有一个记忆点(一句话可以概括全文)
- [ ] 有信息增量(读者看完比看之前知道得更多)
输出格式
json
{"style_name": "震撼型","content": "推文正文...","word_count": 523,"collection_point": "存下这个判断,3个月后验证"}
示例
输入
观点:AI编程工具爆发,但90%的团队还在用老方法素材:GitHub数据显式AI编程工具使用率年增300%,但中小企业采纳率不足20%风格:震撼型
输出
json
{"style_name": "震撼型","content": "AI编程工具爆发了。GitHub数据显示年增300%。但我调研了20家中型公司,18家还在用老方法。\n\n300%和20%,这两个数字放在一起很奇怪。原因很简单:不是工具不行,是团队的工作流改不动。\n\n很多公司买 AI 编程工具的方式是——买一个 license,给所有人用,然后等着效率提升。结果发现没人用。\n\n真正跑起来的团队只有一种模式:找一个懂工具的人,给他2周时间,把工作流改一遍,然后其他人自然跟上来。\n\n工具爆发,但采纳率卡在20%。不是技术问题,是组织问题。\n\n这个数字值得收藏。3年后回头看。","word_count": 198,"collection_point": "工具爆发≠团队升级,这个判断3年后依然有效"}