| name | my-media-screenshot-sample-extraction |
| description | Extract structured sample cards from user-provided screenshots, pasted text, and manual observations of competitor notes, viral notes, and comment sections on Xiaohongshu, Bilibili, Douyin, or WeChat Channels. Only processes user-initiated input. No platform access, no scraping, no automation. |
截图样本提取整理
使用前提
先遵守 ../00-shared-principles/SKILL.md，并优先读取 ../USER-PROFILE.md。如果本模块被单独调用且账号配置不完整，提醒一次；如果由 ../10-master-workflow/SKILL.md 路由且入口已经提醒，不要重复提醒。如果执行失败，先检查 ../99-error-memory/known-solutions.md，再尝试新的修复。
这个 skill 只做一件事：把用户手动提供的截图/文本/数据，整理成标准化样本卡片，供 01-competitor-analysis、04-viral-note-breakdown、05-comment-insight-analysis、02-topic-scoring 等后续模块使用。
它不是采集工具。
安全边界（不可逾越）
禁止事项
- 不主动访问任何平台（小红书、B站、抖音、视频号等）
- 不自动登录任何账号
- 不自动翻页、不自动滚动、不自动加载更多
- 不批量采集（无论频率多低）
- 不绕过验证码、风控策略、反爬虫机制
- 不使用代理池、浏览器登录凭证池、浏览器指纹伪装
- 不调用任何平台的隐藏 API 或私有接口
- 不自动下载图片、视频或任何媒体文件
- 不用于洗稿、搬运、仿写他人内容
- 不将提取的信息用于自动生成"相似内容"
允许输入
- 用户手动上传的截图（单张或多张）
- 用户手动粘贴的标题、正文、评论文字
- 用户手动输入的互动数据（点赞/收藏/评论/转发数）
- 用户自己整理的工具观察结果（如千瓜、新红等合规工具的导出数据）
- 用户手写的观察笔记和备注
- 用户手动记录的发布时间、账号信息
处理原则
- 信息不足时标注"依据不足"或"暂缺"，禁止编造数据
- 无法从截图中识别的内容标注为"不确定"，不推测填充
- 封面截图描述必须基于用户提供的实际画面，不虚构
- 评论区内容只提取用户已提供的信息，不扩展推断
主线适配规则
提取样本时，优先关注与 ../USER-PROFILE.md 中账号配置相关的内容：
判断样本是否值得进入后续分析时，检查：
- 是否和使用者账号定位有关
- 是否面向使用者目标用户或相近用户
- 是否适合配置中的平台和输出形式
- 是否触碰配置中的内容边界或不做方向
- 是否可能帮助用户做后续选题、脚本、标题、封面或视觉判断
如果样本和账号配置无关，标注"与账号配置关联弱"，但仍可整理——由用户决定是否进入后续模块。
输入分类
收到用户输入后，先判断样本类型：
| 样本类型 | 典型输入 | 适合进入的模块 |
|---|
| 竞品账号截图 | 账号主页、内容列表、简介 | 01-competitor-analysis |
| 爆款笔记截图 | 单条笔记的标题/正文/数据 | 04-viral-note-breakdown |
| 评论区截图 | 评论列表、高赞评论 | 05-comment-insight-analysis |
| 混合截图 | 同时包含笔记和评论区 | 04 + 05 联动 |
| 选题灵感截图 | 刷到的感兴趣的内容 | 02-topic-scoring |
| 工具观察数据 | 千瓜/新红导出数据 | 根据数据内容路由 |
如果用户一次上传了多条笔记/多个账号的截图，逐条整理成独立样本卡片。
提取流程
Step 1：接收输入
确认用户提供了什么：
- 截图（描述截图内容）
- 粘贴文本
- 手动输入的数据
- 工具导出数据
如果用户只给了截图但没有文字，从截图中提取可识别信息，无法识别的字段标注"不确定"。
Step 2：逐条整理
按样本卡片格式逐条整理。如果一次输入包含多个样本，给每个样本独立编号。
Step 3：标注置信度
每个字段标注信息置信度：
- 高：来自用户明确提供的数据或截图中清晰可见的信息
- 中：来自截图中可辨认但不够清晰的信息，或用户模糊描述
- 低：AI 从上下文推断的信息（必须标注为"低"且说明推断依据）
Step 4：判断后续路由
根据样本类型和内容，建议进入哪些后续模块。同时标注不建议进入的模块及原因。
Step 5：输出样本卡片
按统一格式输出。
输出格式
每个样本一个卡片：
## 样本编号：[SAMPLE-YYYYMMDD-XXX]
### 基本信息
| 字段 | 内容 | 置信度 |
|------|------|--------|
| 平台 | [小红书/B站/抖音/视频号] | [高/中/低] |
| 账号名 | [账号名称] | [高/中/低] |
| 笔记标题 | [标题文字] | [高/中/低] |
| 发布时间 | [日期或"暂缺"] | [高/中/低] |
### 正文
[正文内容，如用户未提供则写"暂缺"]
### 封面信息
| 字段 | 内容 | 置信度 |
|------|------|--------|
| 封面截图描述 | [画面描述，基于用户提供的实际截图] | [高/中/低] |
| 封面文字 | [封面上的文字内容] | [高/中/低] |
### 互动数据
| 指标 | 数值 | 置信度 |
|------|------|--------|
| 点赞数 | [数字或"暂缺"] | [高/中/低] |
| 收藏数 | [数字或"暂缺"] | [高/中/低] |
| 评论数 | [数字或"暂缺"] | [高/中/低] |
| 转发数 | [数字或"暂缺"] | [高/中/低] |
### 评论区高赞评论
按点赞数从高到低排列，最多提取 10 条。如果用户未提供评论数据，写"用户未提供评论数据"。
1. [评论内容]（👍 [点赞数，如未知写"未知"]）
2. [评论内容]（👍 [点赞数]）
3. [评论内容]（👍 [点赞数]）
...
### 用户判断
用户觉得值得分析的原因：
- [用户的原话或备注]
### AI 初步判断
这条内容可能值得分析的原因：
- [基于样本内容的初步判断，而非空泛评价]
- [如果信息不足以判断，写"信息不足，无法做出有依据的判断"]
### 信息置信度总评
**整体置信度：高 / 中 / 低**
不确定字段：
- [列出所有标注为"中"或"低"的字段，并说明不确定性来源]
- [如果所有字段都是高置信度，写"全部字段置信度高"]
### 与账号配置的关系
- 是否与 `USER-PROFILE.md` 中的账号配置相关：[是 / 部分相关 / 弱]
- 关联点说明：
- 如果不相关，是否仍有学习价值：[说明]
### 原始信息记录
[用户提供的原始截图描述、粘贴文本、手写备注等，不做改写，原样保留。如果用户直接粘贴了完整文字，在这里原样记录。]
### 建议进入的后续模块
| 优先级 | 模块 | 原因 |
|--------|------|------|
| 建议 | `0X-xxx` | [为什么建议进这个模块] |
| 可选 | `0X-xxx` | [什么情况下可以进] |
| 不建议 | `0X-xxx` | [为什么不建议] |
### 需要我人工确认的地方
- [ ] 上述信息提取是否有误？
- [ ] 不确定字段是否需要我补充？
- [ ] 建议的后续模块是否符合你的意图？
- [ ] 是否需要和其他样本做对比分析？
- [ ] AI 只负责整理、分析和生成初稿，最终判断必须由真人完成。
多样本处理
如果一次输入包含多个样本（如多条竞品笔记），输出顺序为：
- 先输出样本清单（所有样本编号 + 账号名 + 标题 + 一句话判断）
- 再逐个输出样本卡片
- 最后输出跨样本初步观察（如果有跨样本的共性值得注意）
跨样本初步观察格式：
## 跨样本初步观察
### 共同特征
- [多条样本的共性]
### 值得注意的差异
- [样本间的差异]
### 建议优先分析
- 样本 SAMPLE-XXX：[原因]
与后续模块的联动
本模块的输出可以直接作为以下模块的输入：
01-competitor-analysis：使用样本卡片中的账号信息、内容方向、互动数据、评论洞察04-viral-note-breakdown：使用样本卡片中的标题、正文、封面、互动数据、评论区高赞评论05-comment-insight-analysis：使用样本卡片中的评论区高赞评论02-topic-scoring：如果样本激发了选题灵感，使用样本卡片中的标题和用户判断07-gap-analysis：如果用户同时提供了自己的内容草稿，可以做对比
联动规则：
- 提取完成后，提醒用户可以进入哪个模块
- 不要自动调用后续模块——由用户决定是否继续
- 如果用户明确说"帮我分析这条"，可以先提取样本卡片，然后询问是否进入爆款分析/评论分析
输出后的提醒
每次输出样本卡片后，结尾加一段：
以上信息已整理成标准化样本卡片。如需进入后续分析，请告诉我：
- "进入 04 爆款分析" → 对这条笔记做爆款拆解
- "进入 05 评论分析" → 对评论区做需求洞察
- "进入 01 对标分析" → 对这个账号做对标判断
- "进入 07 差距分析" → 和我自己的内容做差距对比
- "进入 02 选题评分" → 基于这条内容判断是否值得做类似选题
我不会自动调用后续模块，也不会自动把结果写入 data/ 文件。所有后续步骤由你决定。
错误处理
- 如果截图内容完全无法识别：如实告知用户，列出"完全无法识别的字段"，请用户补充
- 如果信息严重不足（超过 50% 字段缺失）：标注"信息严重不足，建议补充后再进入后续分析"，但仍输出已有信息
- 如果用户提供的数据存在明显矛盾（如点赞数大于阅读数）：标注矛盾但不修改数据
Test Inputs
示例 1：单条爆款笔记截图
请按 11-screenshot-sample-extraction 整理：
平台：小红书
我上传了一张截图，内容是一条爆款笔记：
- 标题：我终于把 5 年照片整理明白了
- 账号：@示例账号A
- 点赞 1.8w，收藏 2.4w，评论 680
- 我的备注：想学习她的素材管理方法，但不能照搬。
示例 2：多条竞品笔记混合
请按 11-screenshot-sample-extraction 整理：
我上传了 3 张截图，分别来自 3 个 AI 工具类账号的近期爆款。
截图里可以看到标题和互动数据，但没有评论区。
我的备注：想知道这 3 条内容的共同特征。
示例 3：评论区截图
请按 11-screenshot-sample-extraction 整理：
平台：小红书
原笔记标题：我用 iPad 和 Mac 搭了一个内容创作工作台
我截了评论区第一屏，有 5 条高赞评论。
我的备注：想从评论里找选题方向。
