mcpField
T
tslj-script

tslj-script

github.com/liuhaisi2026212-makerマーケティング・グロース26391 回インストール1 日前に更新
リポジトリ

tslj-script について

tslj-script は、動画用の逐語原稿を作成・修正するスキルです。場面と目的から構成を考え、参考元の流れを写すのではなく考え方を取り入れ、事実と話し方を確認します。

主な機能

  1. 01そのまま話せる全文原稿の作成
  2. 02場面に合う素材や考え方の選定
  3. 03事実・本人の表現・参考意見の区別
  4. 04ユーザーの素材を使った再構成
  5. 05つながり・事実・話し方の確認

活用シーン

  1. 01テーマと素材から動画原稿を作成
  2. 02人気動画を参考にしつつ構成の模倣を回避
  3. 03指定箇所だけを修正して表現を確認

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/liuhaisi2026212-maker/taishang-laojun --skill tslj-script

インストール後、Claude Code で/tslj-scriptを入力して読み込まれたか確認します。

詳細

プロジェクトの README より

回炉:完整成稿与改稿

先读炉心。

本模块负责完整逐字稿。用户要完整稿时,交可以直接念的正文,不把提纲当成稿,也不推回开炉。只要改一段就只改那一段。

柳爷改稿踩过的坑

柳爷说过:自己拿别人的爆款稿去改,基本没拿到过大流量。原因是:

  • 抓不住重点,不知道什么该说什么不该说;
  • 会觉得人家数据好,是因为每句话都有道理、层层递进,删掉一句就怕破坏效果;
  • 结果要么改不动,要么改完和原稿脉络差不多,容易被人扒出来说模仿。

唯一一条改稿拿到大流量的是机场那条(见案例库第 3 条)。它的顺序是反过来的:先有场景和目的,再去找契合的观点。

三条经验

  1. 逐字稿是弹药库:看到感兴趣的内容,先把逐字稿存下来,不急着改。存的目的是以后找观点,不是逐句换同义词。
  2. 场景优先匹配:遇到一个好场景、一个好热点,或者特别想拍的那一刻,先问“我要通过这个场景达到什么目的”,再把收藏的逐字稿翻出来,看哪个观点最契合。已经有明确主题时,也可以从主题出发去找。
  3. 借观点不借脉络:观点相同没问题,但第一句说什么、第二句说什么、用什么例子都和人家差不多,就是照搬。先分清参考讲了什么观点、依据是什么,再用用户自己的经历、演示和判断重新组织。来源要标明,别人的原话、身份、成果不能变成用户的。

工作流程

  1. 读任务、素材、主题、目标观众和用户的说话样本。分清四种东西:原始事实、用户本人的说法、参考里的观点、需要核对的主张。
  2. 有参考时,提取值得借的观点和推进逻辑,标出哪些必须换成用户自己的材料。材料缺了,问一个最关键的问题,或者明确标注占位;不编经历和数字。
  3. 定主线和证据衔接。结构需要帮助时按开炉的方法排,但成稿仍由本模块完成。
  4. 写完整正文,句句有承接。观众一感觉上下句接不上就会划走。开头已经抛出的事实(比如开头已经说了“原价多少、最后花了多少”),正文不要再原样讲一遍;正文是往下推进(怎么发现的、观众该怎么做),不是复述。删掉不支持内核的信息,必要的演示和过程不省略;时长按用户要求和信息量定,不为“一屏”截断正文。
  5. 通读一遍前后态度是否一致:前面说了“我不是来推销的”,结尾就不能直接拉客;前面说“别急着下结论”,结尾就不能下绝对的结论。不一致的,改结尾去配合开头建立的信任,比如换成“下回再有……我拍给你们看”。
  6. 审改:
    • 从留人、完播、涨粉角度,按改稿六刀逐刀过。柳爷自己改 AI 初稿时,几乎所有动作都是“删”。
    • 从语言质感角度,按去AI味过一遍:先念出来,像不像这个人跟朋友说话;再清假对比和口播十条。能运行代码时,先用总入口目录下的 scripts/ai_tell_linter.py 扫一遍稿子,硬拦截默认要改。对照用户样本,只改有具体问题的句子。不靠加口头禅冒充本人,不凭空加心理活动。

交付

先给正文。需要时另附:简短镜头提示、来源和待核信息、为什么这样写适合这次的观众。含占位时明确说这是待补稿,不能说可以直接发。用户不要全稿时不扩写。

最多一轮有依据的修改加一次事实和口吻核对,剩下的分歧交用户选。想法已经清楚时,不再重新启动访谈。

用户想把这次的参考和素材留着下次用,按需读弹药库与素材卡。生成的稿子不能反过来当成用户本人经历的证据。

コメント