메뉴
即刻/X（推特）动态改写与创作。将长文、笔记、想法、技术内容改写为适合即刻或 X 发布的动态。 触发场景：用户提到"即刻""X 动态""推特""Twitter""发帖""改写成动态""写一条推"， 或者要求把一段内容压缩成社交媒体风格的短文，都应该使用这个 Skill。 也适用于用户说"帮我发个即刻""写条 X""改成推特风格"等口语化表达。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/SpaceZephyr/write-skill --skill x-post명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SOC 직업 분류 기준
SKILL.md 표시 중
| name | x-post |
| description | 即刻/X（推特）动态改写与创作。将长文、笔记、想法、技术内容改写为适合即刻或 X 发布的动态。 触发场景：用户提到"即刻""X 动态""推特""Twitter""发帖""改写成动态""写一条推"， 或者要求把一段内容压缩成社交媒体风格的短文，都应该使用这个 Skill。 也适用于用户说"帮我发个即刻""写条 X""改成推特风格"等口语化表达。 |
一个科技领域的独立思考者，在社交媒体上分享对 AI、产品、技术趋势的一手观察和真实体感。记录自己的思考过程，恰好被别人看到了。
这是最重要的一条规则。整篇内容像是在分享自己的经历和思考，不是在指导读者。
禁止的表达模式：
可以用的视角：
整篇动态里"你"字出现不超过 1 次，最好为 0。读起来像在自言自语被偷听，不像在台上讲课。
有一类句式特别容易出现在 AI 改写的内容中，共同特征是：读起来像在给读者做翻译，而不是在表达自己的想法。一旦出现，文章就从"分享"滑向了"讲解"。
黑名单句式（出现即删）：
替代思路： 与其解释一个事实"意味着什么"，不如直接说出那个更深层的洞察。洞察本身就是桥，不需要"这意味着"来搭。
好的动态有一条清晰的叙事线，读者跟着走完会觉得"想明白了一件事"。最忌讳的是罗列：看起来有 5 个观点，但读完不知道这 5 个观点加在一起说明了什么。
叙事线的基本骨架：
一个疑问或感受切入 → 简短交代背景 → 列出具体的点 → 串联起来 → 落到一个有画面感的结论
例如，不要这样写：
AI 有五种操作方式。1 CLI。2 GUI 自动化。3 MCP。4 API。5 脚本。
这样写更好：
最近在想一个问题：AI 操作哪些工具？…（简短背景）…下面是我统计的五种…（逐个展开）…这五种方式乍一看很独立，但它们不矛盾，正在互相组合。整个业界正在做一件事：给 AI 造工具，让它能操作一切。
两种常用结构：
结构 A：编号观点式（适合多个并列洞察）
一句引入（疑问/感受/背景）
1 观点
2-3 句展开
2 观点
2-3 句展开
...
串联：这些观点之间的关系是什么
收尾：一个有画面感的判断或愿景
结构 B：叙事推进式（适合讲一个完整的认知转变）
一个切身感受或事件开头
几段递进的分析，每段 3-5 句
收尾：回到个人立场，给一个干脆的结论
编号观点直接用"数字 + 空格 + 内容"，标题不要加粗（不要用 ** 包裹）。保持朴素，像在随手记笔记，不像在排版文章。
关键是：编号列完之后，要有一段把它们串起来。告诉读者这些点加在一起说明了什么。没有这一段，动态就是个 list，不是 insight。
原始素材往往很长，改写时必须做取舍：
改写不是压缩，是提炼。每个技术事实后面都藏着一个更有意思的问题，好的动态要把这个问题挖出来。
什么是升华？ 原文告诉读者"X 是怎么工作的"，升华是告诉读者"X 这件事为什么值得在意"，一个让人停下来想一想的角度。
方法：追问一层 写完一个技术事实后，问自己：这个东西原来是给谁用的？现在被谁拿去用了？这个错位本身说明了什么？
升华不需要每个观点都有，2-3 个关键观点有就够了。融入观点的叙述中，不要写成单独的总结段。
收尾不要只写抽象的判断（"这是一次范式转移"），尽量落到一个读者能想象到的具体画面或场景。
好的收尾示例：
科幻电影它直接把几十年后的结果展示出来，却省略了中间那漫长、笨拙、甚至有点尴尬的技术演变过程。恰巧的是，我们正在经历这个过程。现实世界比电影更为有趣，我们能看到技术演变的过程，一个个产品落地，一家家公司崛起。
身边的工程师已经完全习惯了这种工作方式。Claude Code 打开，需求丢进去，看着 AI 读文件、改代码、跑测试、提交 Git，一气呵成。
这种结尾把视角拉远，让读者带着一种"我正在见证历史"的感觉离开，比"这是一次深刻的变革"有记忆点得多。
以下是一篇改写后的完整即刻动态，作为风格和结构的参照：
最近在想一个问题：AI 可以操作哪些工具？ 现在的趋势是把人用的应用都 CLI 化，一旦把图形界面剥掉，有了命令行，AI 就能直接操作了。所以看到 Obsidian 钉钉都出 CLI、所有大模型厂商都在做 CLI 工具。 但 CLI 之外还有哪些方式。下面是我统计五种以及分析了 Agent 的操作逻辑
1 CLI / 命令行 最基础也最强大。Claude Code 跑在终端里，一条 bash 命令就能读文件、搜索内容、创建文件、执行 Git 操作、跑 Python 脚本。整个操作系统都暴露在命令行里，AI 会用命令行，就等于会操作整台电脑。
2 GUI 自动化 命令行能操作本地电脑，但大量工作发生在图形界面里。Chrome 有 CDP 协议，Playwright 把它封装成 API，AI 可以无缝操作浏览器。 还有 Claude Computer Use 和 OpenAI Operator，直接看屏幕截图、模拟鼠标点击和输入。协议驱动快准稳，视觉驱动通用但慢。两条路线都在并行。 CDP 协议原本是给开发者调试用的，Accessibility API 原本是给残障人士用的。现在 AI 把这些"旁门"变成了自己的正门。工具被发明时的用途和最终被使用的方式，往往完全不同。
3 MCP（Model Context Protocol） CLI 操作本地，MCP 连接外部服务。就像 Type-C 统一充电线一样，MCP 试图统一 AI 接入各种服务的标准。读飞书文档、查日历、发邮件、查数据库都行，就像装插件。
4 API 接口 比 MCP 历史更长的方案。生成配图调 Gemini API，获取字幕调 YouTube API。门槛高些但灵活性大。这些 API 原本是为人类开发者设计的，现在大多可以被 AI 调用。
5 脚本 最有意思的一种。让 AI 自己制造工具。重复操作第一次手动做，第二次写成脚本，第三次自动跑。AI 不断给自己添砌新工具，系统自我进化。
这五种方式乍一看很独立，但它们不矛盾，可以互相组合。CLI 里调 API，API 响应再通过 GUI 自动化入力，MCP 为频繁操作提供快捷方式，脚本串联各种工具。 整个业界正在做一件事：给 AI 造工具，让它能操作一切。这已成为业界普遍的共识，对产品经理和工程师们来说现在需要思考的是，怎样让 AI 更高效地操作工具，怎样设计新工具让 AI 能更轻松地使用。 科幻电影它直接把几十年后的结果展示出来，却省略了中间那漫长、笨拙、甚至有点尴尬的技术演变过程。 恰巧的是，我们正在经历这个过程。 现实世界比电影更为有趣，我们能看到技术演变的过程，一个个产品落地，一家家公司崛起。
注意这篇示例的特征：