Menu
LinkedIn 帖子创作：根据品牌调性和主题生成专业帖子，并支持反馈优化。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
GEO 内容优化：调整文章结构，让内容更容易被 AI 搜索引用。
Grok X 实时抓取：让 Claude 调用本地 grok-build 获取真实 X (Twitter) 帖子。 X 模式必须优先驱动 Grok 原生 X 工具族：x_keyword_search、x_semantic_search、 x_user_search、x_thread_fetch；必要时再用 web_search/open_page 交叉验证。 返回带 @用户名、点赞/浏览数、链接、时间的真实帖子。复用用户已登录的 grok.com 订阅， 调用零额外成本（不像 MCP 方案要 xAI API key 按 token 付费）。 三种模式：x（X 实时抓取，主力）、ask（把 Grok 当独立第二意见）、continue（续接追问）。 当用户需要真实 X/Twitter 实时数据时使用，例如： 问问 grok X 上在聊什么、让 grok 搜 X 上对某事的实时讨论、grok 看看 @某账号最近发了什么、 X 上现在怎么说、X 实时热点、X 实时趋势、ask grok what X is saying about、 grok 第二意见、consult grok。 排除（不要触发本 skill）：写 X 推文 → 用 x-twitter-writer；大规模历史语料采集 → 用 x-sousuo；泛网络调研 → 用 smart-research。本 skill 的差异点是 Grok 对公共 X 搜索 工具有原生路径，适合可复核的 X 话语采样；不是 firehose，也不是事实裁判。 没有"公共 X 搜索 / X 实时反馈 / thread 上下文"诉求时不要用它。
网红评估：分析社交账号公开数据，计算评分，辅助筛选 KOL 合作对象。
Loopforge：把模糊工作流整理成可复用的 AI Agent 工作流循环规范和提示词。
SEO 分析：检查网站结构、技术指标和内容质量，输出搜索优化建议。
社交趋势监控：追踪多平台热点，生成趋势报告和内容机会判断。
| name | linkedin-post-creator |
| description | LinkedIn 帖子创作：根据品牌调性和主题生成专业帖子，并支持反馈优化。 |
根据你的品牌调性和内容主题，AI 生成专业的 LinkedIn 帖子，支持反馈循环优化直到满意。
当用户说以下内容时启动此技能：
┌─────────────────────┐
│ 获取品牌简介 │
│ (用户输入/配置) │
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ 确定内容主题 │
│ (用户指定/AI建议) │
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ AI 生成初稿 │
│ (基于品牌调性) │
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ AI 自我反馈 │◄───┐
│ (检查质量问题) │ │
└──────────┬──────────┘ │
│ │
▼ │
┌─────────────────────┐ │
│ 优化修改 │────┘
│ (根据反馈改进) │ (循环2-3次)
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ 输出最终版本 │
│ 保存到本地 │
└─────────────────────┘
询问用户或从配置文件读取：
品牌信息：
配置文件位置：~/.claude/cache/linkedin/brand-brief.json
示例配置：
{
"brand_name": "AI产品经理老王",
"positioning": "帮助产品经理理解和应用AI技术",
"target_audience": "互联网产品经理、创业者、技术管理者",
"content_style": "专业但接地气，案例驱动，有干货",
"value_proposition": "让AI落地不再难",
"tone": ["务实", "有洞察", "不说空话"],
"avoid": ["过度营销", "贩卖焦虑", "无根据预测"]
}
用户指定主题：
用户: 写个关于 AI Agent 最新进展的帖子
或 AI 建议主题：
基于以下来源生成主题建议：
主题结构：
{
"topic": "AI Agent 的2025现状",
"angle": "从实践者角度分析，不是科普",
"hook": "为什么99%的AI Agent项目失败了",
"target_emotion": "共鸣+好奇"
}
使用以下提示词生成：
帖子生成提示词：
你是一位专业的 LinkedIn 内容创作专家，擅长写高互动的职场内容。
【品牌简介】
{brand_brief}
【本次主题】
{topic}
【LinkedIn 帖子最佳实践】
1. 开头3行决定生死 - 必须有强钩子，引发好奇或共鸣
2. 使用短段落 - 每段1-2句，留白增加可读性
3. 加入个人观点 - 不要只陈述事实，要有态度
4. 故事>道理 - 用案例和故事说话
5. 结尾有CTA - 邀请互动（提问/投票/分享经历）
6. 适当用emoji - 增加视觉节奏，但不过度
7. 长度：150-300字（中文）/ 1000-1500字符（英文）
【输出格式】
直接输出帖子内容，不需要解释。使用换行分段。
生成初稿后，用第二个 AI 视角审核：
反馈提示词：
你是一位 LinkedIn 内容专家，请审核以下帖子：
【帖子内容】
{draft}
【品牌简介】
{brand_brief}
【审核维度】
1. 开头吸引力 (1-10)：前3行是否能留住读者？
2. 品牌一致性 (1-10)：是否符合品牌调性？
3. 价值密度 (1-10)：读者能学到什么？
4. 互动潜力 (1-10)：是否能引发评论/转发？
5. 专业度 (1-10)：是否有深度，不是泛泛而谈？
【输出格式】
{
"scores": {
"hook": 8,
"brand_fit": 9,
"value": 7,
"engagement": 6,
"depth": 8
},
"overall": 7.6,
"issues": [
"开头可以更具体，加入数字或案例",
"结尾CTA太弱，可以提一个具体问题"
],
"suggestions": [
"把'很多公司'改成'我见过的30+公司'",
"结尾加一个投票或提问"
]
}
根据反馈优化帖子：
优化提示词：
请根据以下反馈优化帖子：
【原帖】
{draft}
【反馈】
{feedback}
【要求】
1. 针对性修改 issues 中提到的问题
2. 采纳 suggestions 中合理的建议
3. 保持原有的核心观点和结构
4. 不要过度修改导致失去原有风格
【输出】
直接输出优化后的完整帖子。
循环条件：
输出格式：
# LinkedIn 帖子 - {主题}
**生成时间**: YYYY-MM-DD HH:MM
**主题**: {topic}
**质量评分**: {overall}/10
---
## 📝 帖子内容
{final_post}
---
## 📊 质量评估
| 维度 | 得分 |
|------|------|
| 开头吸引力 | ⭐ {hook}/10 |
| 品牌一致性 | ⭐ {brand_fit}/10 |
| 价值密度 | ⭐ {value}/10 |
| 互动潜力 | ⭐ {engagement}/10 |
| 专业度 | ⭐ {depth}/10 |
## 💡 发布建议
- **最佳发布时间**: 周二-周四 早8点/午12点/晚6点
- **配图建议**: {image_suggestion}
- **话题标签**: {hashtags}
---
*由 Claude Code linkedin-post-creator 技能生成*
用户: 帮我写个LinkedIn帖子，主题是远程办公的利弊
Claude:
1. 读取品牌配置（如没有则询问）
2. 生成初稿
3. AI反馈评分 7.2/10
4. 优化后评分 8.5/10
5. 输出最终版本
用户: 帮我想几个LinkedIn帖子主题
Claude:
1. 搜索用户领域最新热点
2. 生成 5 个主题建议
3. 用户选择后生成帖子
用户: 帮我生成这周的5篇LinkedIn帖子
Claude:
1. 根据内容日历规划主题
2. 批量生成5篇
3. 统一输出到文件
我在 [领域] 工作了 [X] 年。
这是我希望早点知道的 [N] 件事：
1️⃣ [洞察1]
→ [一句话解释]
2️⃣ [洞察2]
→ [一句话解释]
3️⃣ [洞察3]
→ [一句话解释]
最让我意外的是第 [X] 条。
你的经验是什么？👇
[常见观点] 是错的。
我来解释为什么：
[论点1]
[论点2]
[论点3]
真正重要的是：[核心洞察]
同意还是反对？评论区见 💬
去年这个时候，我 [困境描述]。
我试过：
❌ [失败尝试1]
❌ [失败尝试2]
直到我发现了 [转折点]。
现在：[成果]
这件事教会我：[核心教训]
你有过类似经历吗？
📊 一个让我震惊的数据：
[具体数据]
这意味着什么？
1. [解读1]
2. [解读2]
3. [解读3]
我的建议：[行动建议]
你怎么看这个趋势？
~/.claude/cache/linkedin/brand-brief.json~/.claude/cache/linkedin/posts/{YYYY-MM-DD}-{topic-slug}.md