本文へ移動
cccskills
無料GitHub で公開

wechat-article

WeChat article creator with Fu Sheng's writing style - conversational, story-driven, opinionated. Use this skill whenever the user mentions writing a WeChat article, drafting public account content, crafting a viral headline, creating article covers, writing in Fu Sheng's style, or any request involving 公众号, 微信文章, 爆款标题, or 傅盛风格 — even if they don't explicitly say "skill".

インストール方法を見る

含まれるファイル(7)

  • SKILL.md9.3 KB
  • evals/evals.json914 B
  • output/covers/cover_20260303_110844.jpg84.9 KB
  • output/covers/cover_20260303_110854.jpg84.3 KB
  • scripts/generate_cover.py6.9 KB
  • scripts/polish_text.py5.8 KB
  • scripts/start_article.py2.3 KB

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

WeChat Article Creator - 微信公众号创作技能

写作风格

遵循傅盛写作风格:

  • 口语化:像跟朋友聊天,不是学术论文
  • 故事感:用具体事例代替空洞理论
  • 有态度:表达观点,不做和稀泥
  • 简化复杂:善用类比让难懂的东西变简单

工作流程

1. 策划阶段(Planning)

当接到写作需求,先询问以下信息:

我帮你策划一下这篇文章,先问几个问题:

1. 主题是什么?(用1句话说)
2. 目标读者是谁?
3. 你想表达什么核心观点或故事?
4. 有哪些数据或案例可以用?

标题策略

引导用户选择以下标题类型:

  • ❌ 结论式:「XX 的 3 个方法」(太平淡)
  • ✅ 悬念式:「我为什么放弃了年薪 50W 的工作」
  • ✅ 反问式:「你真的了解 AI 吗?」
  • ✅ 数字式:「50% 的人都误解了这个道理」
  • ✅ 对比式:「BAT vs 创业公司,差在哪里」

关键:标题要能激发好奇心或共鸣,而不是直接给出答案。

收集完信息后,在 drafts/ 目录创建策划文档:

# 文章计划

## 基本信息
- 标题:[待定标题]
- 主题:[核心主题]
- 目标读者:[读者画像]
- 核心观点:[1-2句话]

## 大纲
1. 开头:[如何引入]
2. 观点1:[+案例]
3. 观点2:[+案例]
4. 观点3:[+案例]
5. 结尾:[总结+行动建议]

## 素材库
- 案例1:[具体故事]
- 案例2:[具体故事]
- 数据支撑:[关键数据]

2. 写作阶段(Writing)

按照以下结构创作文章,保存为 drafts/article_[主题].md:

结构模板

# [文章标题]

> 作者:[作者名]
> 日期:[发布日期]

## [开头] (100-150 字)

[用故事、数据或问题勾起兴趣]

[直白说明文章解决什么问题]

---

## [主体] (800-1500 字)

### [观点 1 小标题]

[具体案例或故事]

[解释观点]

### [观点 2 小标题]

[具体案例或故事]

[解释观点]

### [观点 3 小标题]

[具体案例或故事]

[解释观点]

---

## [结尾] (100-150 字)

[总结核心观点]

[留下思考或行动建议]

写作要点

1. 用故事代替说教

❌ 不好:"风险管理很重要,应该制定应急预案"

✅ 好的:

去年我创业的团队就是因为没有备选方案,
一个核心员工离职就差点垮掉。

从那以后,我学会了给每个岗位预留 backup。

2. 善用类比和比喻

❌ "分布式系统很复杂"

✅ "分布式系统就像一家连锁餐厅, 每个分店要相互协作又要独立运营, 稍微一个环节没协调好,整个体验就崩了。"

3. 数据支撑但不堆砌

❌ "根据 IDC 报告,全球 AI 市场 2023 年增长 45%,预计 2025 年达到 1000 亿美元规模..."(太干)

✅ "AI 市场在疯狂增长——每年翻番。 但这个增长背后,真正赚钱的公司不超过 5 家。"

4. 直接说观点,避免模棱两可

❌ "有人认为...也有人认为...各有各的道理"

✅ "老实说,我觉得 XX 这个做法是错的,原因是..."

5. 用短句和换行

❌ "今天我想和大家分享一个非常重要的观点,那就是在创业的过程中,我们需要不断地学习和适应市场变化..."

✅

今天我想说一个观点。

创业最怕的不是失败。
是失败后还不知道为什么失败。

我见过太多团队折戟沙滩,
最后都说一句话:"我们当时真傻。"

3. 排版优化

微信公众号排版格式

# 大标题(用于文章标题)

## 小标题(用于章节分隔)

**加粗强调**关键词

> 引用重要观点或数据

- 列表项 1
- 列表项 2
- 列表项 3

---
分隔线(用于大的内容分隔)

排版建议

  • 段落长度:3-5 行为宜,太长难读
  • 缩进:微信不需要首行缩进,用空行分隔段落
  • 标题层级:最多用 2 层(##),不要嵌套太深
  • 加粗:只强调 1-2 个最重要的词
  • 引用:用于数据、金句或重要观点
  • 列表:最多 5 项,太多改成段落

换行技巧

公众号偏好短句 + 多换行:

❌ 差:

这个方案虽然看起来很完美,但实际操作中会遇到很多问题,
比如成本太高、周期太长、团队配合困难等等。

✅ 好:

这个方案看起来很完美。

但实际操作中会遇到问题:
- 成本太高
- 周期太长
- 团队配合困难

4. 封面图生成

规格要求

  • 尺寸:1200 x 630px(微信推荐)或 2K(2400 x 1260px)
  • 格式:JPG 或 PNG
  • 文件大小:< 500KB

生成命令

# 进入本 skill 所在目录(路径因安装位置而异,请替换为实际路径)
# 例如:cd ~/AI_Skills_Registry/Global/wechat-article

# 基础生成
python3 scripts/generate_cover.py \
  --title "文章标题" \
  --subtitle "副标题(可选)" \
  --author "作者名" \
  --style modern

# 使用自定义配色
python3 scripts/generate_cover.py \
  --title "文章标题" \
  --colors primary="#FF6B6B" secondary="#4ECDC4" \
  --style minimalist

可用风格

  • modern - 现代简洁风格
  • minimalist - 极简风格
  • bold - 大胆撞色风格
  • tech - 科技感风格

封面图会保存到 output/covers/ 目录。

无 Python 环境时:可描述封面设计需求,由模型生成 SVG 草稿或给出 Canva / 稿定设计的具体配置建议作为替代。


完整工作流程示例

Step 1: 创建文章计划

# 在 drafts/ 目录创建策划文档

用户提出需求后,创建 drafts/plan_[主题].md

Step 2: 按大纲写作

根据策划内容,逐段写出文章,保存为 drafts/article_[主题].md

Step 3: 生成封面

python3 scripts/generate_cover.py \
  --title "我为什么放弃了年薪 50W 的工作" \
  --author "Your Name" \
  --style modern

Step 4: 排版检查

使用以下检查清单:

  • 标题吸引人吗?
  • 开头 30 秒能抓住读者吗?
  • 有具体故事或数据吗?
  • 避免了大白话或学术语言吗?
  • 段落长度合适吗?
  • 有清晰的结尾吗?

Step 5: 发布前检查表

✅ 标题 - 是否能引起好奇心或共鸣
✅ 开头 - 是否在前 100 字吸引人
✅ 主体 - 是否有 2-3 个清晰观点
✅ 案例 - 是否用故事而非说教
✅ 排版 - 是否易读(段落、换行、加粗)
✅ 封面 - 是否专业且匹配内容
✅ 校对 - 是否有错别字或语病
✅ 时效性 - 内容是否还新鲜(或已标注时间)


常见问题

Q: 写作时该用多少数据?
A: 一篇 1000 字的文章,2-3 个数据点就够。关键是用故事包裹数据,而不是数据堆砌。

Q: 应该多久发一篇?
A: 质量 > 频率。一周一篇高质量比一周三篇水文更有价值。

Q: 如何应对不同主题?
A: 无论是技术、商业、生活,核心都一样:找到能引起读者共鸣的故事,用简洁的语言讲清楚。

Q: 怎么克服写作障碍?
A: 先写烂,再改好。不要一开始就想写完美的东西。


目录结构

AI_Skills_Registry/Global/wechat-article/
├── SKILL.md              # 本文件
├── scripts/
│   └── generate_cover.py # 封面生成脚本
├── drafts/               # 草稿和策划文档
│   ├── plan_*.md         # 文章策划
│   └── article_*.md      # 文章正文
└── output/
    └── covers/           # 生成的封面图

工作示例

用户说:"帮我写一篇关于 AI 焦虑的文章"

你的回复:

好的,我帮你策划一下这篇文章。先问几个问题:

1. 主题:关于 AI 焦虑,你想聚焦在哪个角度?
   - 职场人担心被替代?
   - 创业者不知道怎么用 AI?
   - 普通人害怕跟不上时代?

2. 目标读者是谁?(职场人/创业者/普通大众)

3. 你的核心观点是什么?
   比如:"AI 焦虑来自信息过载,而非技术本身"

4. 有没有具体案例或数据?
   比如:"我身边有个朋友因为 AI 辞职创业..."

收集完信息后,创建策划文档,然后逐步完成写作、排版、封面生成。


注意事项

  1. 保持傅盛风格:口语化、故事感、有态度、简化复杂
  2. 质量优先:不要为了完成任务而写水文
  3. 案例真实:如果用户没有提供真实案例,可以用「我见过...」「有个朋友...」等方式虚构,但要合理
  4. 数据适度:不要堆砌数据,用故事包裹数字
  5. 标题重要:花时间打磨标题,它决定了打开率

准备好了,随时可以开始创作!🚀

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

使用 AACT (Aggregate Analysis of ClinicalTrials.gov) PostgreSQL 数据仓库进行批量、历史、聚合性临床试验数据挖掘。Use this skill when the user requests bulk SQL analysis over the full clinical trials data warehouse — historical trial trends, disease landscapes, similar-design matching, or multi-year aggregations across hundreds of thousands of NCT records. 触发场景包括:AACT 查询、临床试验批量分析、PostgreSQL 试验数据、全量 NCT 检索、试验数据挖掘、历史试验分析、clinical trials data warehouse、SQL trials、bulk trial analysis、disease landscape、试验设计相似性匹配、跨年度聚合、sponsor/phase/country 多维统计。**与 clinical-trials-v2 差异**:本 skill 走批量 SQL · 离线大数据(PostgreSQL);v2 走实时 API · 单查询。两者互补:单条 NCT 实时状态用 v2,百万级历史挖掘用本 skill。支持云端公共 PostgreSQL(aact-db.ctti-clinicaltrials.org · 零部署)和每日 dump 本地还原(高性能 · 离线)两种连接方式,自动检测优先用本地。跨平台(macOS/Linux/Windows)参数化 SQL 防注入,read-only 强制保护。

日本語の概要は準備中です。原文の説明を表示しています。

EthanYoQ/Skill-hub112026年10月5日 更新

使用 AACT (Aggregate Analysis of ClinicalTrials.gov) PostgreSQL 数据库进行大批量临床试验历史分析与数据挖掘。触发场景包括:AACT 查询、临床试验批量分析、PostgreSQL 试验数据、全量 NCT 检索、试验数据挖掘、clinical trials data warehouse、疾病领域全景分析、设计相似试验匹配、跨年度试验趋势聚合。本 skill 通过 SQL 接口处理百万级试验记录,支持云端公共 PostgreSQL 服务(aact-db.ctti-clinicaltrials.org)和每日 dump 本地还原两种连接方式,自动检测并优先使用本地高性能模式。

日本語の概要は準備中です。原文の説明を表示しています。

EthanYoQ/Skill-hub112026年10月5日 更新

Use when work produces a deliverable, factual claim, dataset, code change, decision, publication, deployment, automation, or irreversible action whose failure would matter; when the user asks for a quality gate, acceptance criteria, QA, completeness, validation, audit, evidence, preflight, release readiness, or a definition of done; or before claiming completion on medium- or high-risk work. Automatically decide whether a formal gate is warranted, derive task-specific pass/fail criteria, gather evidence, and block unsupported completion. Make sure to use this skill even when the user does not say "quality gate" if consequential work needs acceptance criteria or completion evidence. Skip formal gating for trivial, reversible, low-impact requests.

日本語の概要は準備中です。原文の説明を表示しています。

EthanYoQ/Skill-hub112026年10月5日 更新

Create a changeset file in .changeset/ that describes a user-facing change for the release notes

日本語の概要は準備中です。原文の説明を表示しています。

EthanYoQ/Skill-hub112026年10月5日 更新

Add a new competitor to the AI Visibility Tool Directory — researches the tool, generates data, takes a screenshot, and inserts into the codebase

日本語の概要は準備中です。原文の説明を表示しています。

EthanYoQ/Skill-hub112026年10月5日 更新

add-lang

無料

Add tree-sitter language support to codegraph end-to-end — wire the grammar + extractor, write tests, then benchmark extraction quality and retrieval value on 3 popular real-world repos. Use when the user runs /add-lang <language> or asks to add/support a new language (e.g. Lua, Elixir, Zig, OCaml) in codegraph.

日本語の概要は準備中です。原文の説明を表示しています。

EthanYoQ/Skill-hub112026年10月5日 更新

EthanYoQ のスキルをすべて見る

このスキルの問題を報告する