mcpField
B
book-reader-conversations

book-reader-conversations

github.com/lvtd-llc创意与媒体163 次安装7 周前更新
代码仓库

关于 book-reader-conversations

book-reader-conversations 是面向实用非虚构作者的技能,帮助作者在写作前或写作中了解读者。它指导倾听与教学式对话,并将证据转化为图书决策和下一步测试。

主要功能

  1. 01设定明确的学习目标
  2. 02招募符合假设的读者
  3. 03开展倾听或教学式对话
  4. 04将反馈归纳为图书决策
  5. 05确定下一项测试或稿件行动

适用场景

  1. 01验证非虚构图书的承诺
  2. 02识别读者画像与使用场景
  3. 03测试目录是否便于读者学习
  4. 04收集读者用语、异议与实例

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/lvtd-llc/skills --skill book-reader-conversations

安装后在 Claude Code 中输入/book-reader-conversations确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

agents/
openai.yaml
references/core/
checklist.md
examples.md
knowledge.md
rules.md
workflows/
run-reader-conversations.md

详细介绍

图书读者访谈

核心视角

读者访谈是发现实用非虚构图书需求的方式。目标不是询问人们是否喜欢某个图书创意,而是了解读者的真实处境、用语、失败的尝试、紧迫程度、异议,以及他们是否有能力获得这本书旨在提供的价值。

在起草前或起草过程中使用此技能,以便:

  • 在写太多正文之前验证图书承诺。
  • 摆脱作者的知识诅咒。
  • 找到最合适的读者画像和使用场景。
  • 通过讲解来测试以收获为先的目录(TOC)。
  • 将访谈转化为范围、结构、示例和 Beta 读者线索。

参考资料路由

需求阅读
核心模型和术语references/core/knowledge.md
访谈和综合分析规则references/core/rules.md
示例提示词和综合分析模式references/core/examples.md
快速设置和审核清单references/core/checklist.md
开展一轮读者访谈workflows/run-reader-conversations.md

工作流

1. 明确学习目标

为本轮选择一个主要问题:

  • 读者的问题是真实且紧迫的吗?
  • 哪种读者画像最在意?
  • 读者已经了解或相信什么?
  • 哪种承诺最容易理解和推荐?
  • TOC 的顺序是否有助于读者获得价值?

除非用户明确要进行教学访谈,否则不要将早期倾听与推介混在一起。

2. 招募符合假设的读者

从熟悉的联系人、现有读者、社区成员、客户、学生,或已经在尝试解决该问题的人开始。

除非没有合适的熟人渠道,否则避免冷联系。如果没有相关人士愿意交流,应将其视为范围或渠道问题,而非日程安排问题。

3. 采用合适的访谈类型

使用两种模式:

  • 倾听型访谈:探索亲身经历、用语、紧迫程度、替代方案和障碍。
  • 教学型访谈:通过 TOC 的一个部分帮助读者,并观察他们在哪些地方获得价值、感到困惑或怀疑,或发现步骤缺失。
4. 将综合分析转化为图书决策

每批访谈结束后,更新:

  • 读者画像和排除项。
  • 承诺的措辞和读者用语。
  • TOC 顺序、章节标题和缺失步骤。
  • 证据、示例、异议和注意事项。
  • 潜在 Beta 读者、推荐语撰写者或发布助力者。
5. 决定下一项测试

建议采取以下其中一项:

  • 面向更明确的读者细分群体进行更多倾听。
  • 教授一个高价值章节或部分。
  • 使用 book-toc-lab 修改 TOC。
  • 起草足够内容,以供 reader-experience-edit 或 beta-reader-feedback 使用。

输出格式

协助开展读者访谈时,请提供:

  1. 学习目标和目标读者假设。
  2. 招募名单或联系计划。
  3. 含提示问题的访谈指南。
  4. 笔记记录框架。
  5. 综合分析表:信号、证据、影响、图书决策。
  6. 下一项测试或手稿行动。

质量标准

在讨论作者的创意之前,先聚焦读者的生活。相比观点、赞美或预测,优先关注观察到的行为、具体故事和读者的原话。

评论

支持 Markdown